Документация

Что нужно знать

Для работы с этим учебным пособием необходимо ознакомиться с программным обеспечением MATLAB. Также следует понимать, как создавать базовую модель Simulink и как моделировать эту модель. Дополнительные сведения см. в разделе Создание простой модели.

Необходимые продукты

Для завершения этого учебного пособия необходимо установить следующие продукты:

Инструкции по установке продуктов MathWorks ® см. в документации по установке. Если вы установили MATLAB и хотите проверить, какие другие продукты MathWorks установлены, введитеver в окне команд MATLAB. Инструкции по установке и настройке компилятора C см. в разделе Настройка компилятора C или C++ (кодер MATLAB).

Описание

Фильтр наименьших средних квадратов (LMS) является адаптивным фильтром, который регулирует свою передаточную функцию согласно алгоритму оптимизации. Вы предоставляете фильтру пример требуемого сигнала вместе с входным сигналом. Затем фильтр вычисляет веса фильтра или коэффициенты, которые создают наименьшие средние квадраты ошибки между выходным сигналом и требуемым сигналом.

В этом примере для удаления шума при записи музыки используется фильтр LMS. Имеется два входа. Первый вход - искаженный сигнал: запись музыки плюс отфильтрованный шум. Второй вход - желаемый сигнал - нефильтрованный шум. Фильтр работает для устранения разности между выходным сигналом и требуемым сигналом и выводит разность, которая в данном случае является записью чистой музыки. Когда вы начинаете имитацию, вы слышите и шум, и музыку. Со временем адаптивный фильтр удаляет шум, поэтому вы слышите только музыку.

Алгоритм

В этом примере используется алгоритм наименьших средних квадратов (LMS) для удаления шума из входного сигнала. Алгоритм LMS вычисляет отфильтрованный выходной сигнал, ошибку фильтра и весовые коэффициенты фильтра для искаженных и требуемых сигналов.

В начале учебного пособия алгоритм LMS использует пакетный процесс для фильтрации входных аудиосигналов. Этот алгоритм подходит для MATLAB, где вы, скорее всего, будете загружать весь сигнал и обрабатывать его все сразу. Однако пакетный процесс не подходит для обработки сигнала в реальном времени. При работе с учебным пособием мы уточняем конструкцию фильтра, чтобы преобразовать алгоритм из пакетной обработки в потоковую.

Сигнатура базовой функции для алгоритма:

function [ signal_out, err, weights ] = ...
    lms_01(signal_in, desired)

Фильтрация выполняется в следующем цикле:

for n = 1:SignalLength
  % Compute the output sample using convolution:
  signal_out(n,ch) = weights' * signal_in(n:n+FilterLength-1,ch);
  % Update the filter coefficients:
  err(n,ch) = desired(n,ch) - signal_out(n,ch) ;
  weights = weights + mu*err(n,ch)*signal_in(n:n+FilterLength-1,ch);
end

 Что такое размер шага адаптации?

Процесс фильтрации

Процесс фильтрации состоит из трех фаз:

Ссылка

Хайкин, Саймон. Адаптивная теория фильтров. Река Верхнее Седло, Нью-Джерси: Прентис-Холл, Инк., 1996.

Сведения о файлах учебного пособия

В учебном пособии используются следующие файлы:

Расположение файлов

Файлы учебного пособия доступны в следующей папке: docroot\toolbox\simulink\examples\lms. Для запуска учебного пособия необходимо скопировать эти файлы в локальную папку. Инструкции см. в разделе Локальное копирование файлов.

Имена и описания файлов

Локальное копирование файлов

Скопируйте файлы учебного пособия в локальную папку:

Настройка компилятора C

Для создания функционального блока MATLAB требуется поддерживаемый компилятор. MATLAB автоматически выбирает компилятор по умолчанию. Если в системе установлено несколько компиляторов, поддерживаемых MATLAB, можно изменить значение по умолчанию с помощью mex -setup команда. См. раздел Изменение компилятора по умолчанию и список поддерживаемых компиляторов.

Запуск модели acoustic_environment

Запустить acoustic_environment модель, поставляемая с учебным пособием, чтобы понять проблему, которую вы пытаетесь решить с помощью фильтра LMS. Эта модель добавляет ограниченный по полосе белый шум к звуковому сигналу и выводит результирующий сигнал на громкоговоритель.

Для моделирования модели:

Целью данного учебного пособия является использование алгоритма фильтра MATLAB LMS для удаления шума из шумного звукового сигнала. Для этого необходимо добавить в модель функциональный блок MATLAB и вызвать код MATLAB из этого блока.

Добавление функционального блока MATLAB в модель

Чтобы изменить модель и код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_01 в вашем solutions для просмотра измененной модели.

Для целей данного учебного пособия необходимо добавить функциональный блок MATLAB в noise_cancel_00 модель, поставляемая с учебным пособием. На практике вам придется разрабатывать собственный стенд, начиная с пустой модели Simulink.

Добавление функционального блока MATLAB к noise_cancel_00 модель:

Вызов кода MATLAB в качестве внешней функции для быстрого прототипирования

В этой части учебного пособия используется coder.extrinsic для вызова кода MATLAB из функционального блока MATLAB для быстрого прототипирования.

Почему вызов кода MATLAB как внешней функции?.  Вызов кода MATLAB как внешней функции обеспечивает следующие преимущества:

Вызов кода MATLAB в качестве внешней функции.  Для вызова кода MATLAB из функционального блока MATLAB:

Подключение входов и выходов функционального блока MATLAB

Моделирование модели noise_cancel_01

Для моделирования модели:

 Почему фильтр сбрасывается каждые 2 секунды?

Изменение фильтра для использования потоковой передачи

• Что такое потоковая передача?

• Зачем использовать потоковую передачу?

• Просмотр измененного кода MATLAB

• Сводка изменений в алгоритме фильтрации

• Изменение модели для вызова обновленного алгоритма

• Моделирование алгоритма потоковой передачи

Что такое потоковая передача?.  Потоковый фильтр вызывается неоднократно для обработки блоков с фиксированным размером входных данных или кадров до тех пор, пока он не обработает весь входной сигнал. Размер кадра может быть небольшим, как одна выборка, и в этом случае фильтр будет работать в режиме на основе выборки или до нескольких тысяч выборок для обработки на основе кадра.

Зачем использовать потоковую передачу?.  Дизайн алгоритма фильтра в lms_01 имеет следующие недостатки:

Во встроенном приложении фильтр, вероятно, будет обрабатывать непрерывный входной поток. В результате входной сигнал может быть существенно длиннее максимальной длины, которую может обрабатывать фильтр, работающий в пакетном режиме. Чтобы фильтр работал при любой длине сигнала, он должен работать в режиме реального времени. Одним из решений является преобразование фильтра из пакетной обработки в потоковую.

Просмотр измененного кода MATLAB.  Преобразование в потоковую передачу включает в себя:

Открыть предоставленный файл lms_02.m в вашем work для просмотра измененного алгоритма.

 Содержание lms_02.m

function [ signal_out, err, weights_out ] = ...
  lms_02(signal_in, desired)
%
% LMS implements the least mean squares adaptive filter.
%
  % Persistent variables:
  persistent weights;
  persistent fifo;
                
  % Input Arguments
  % Signal size:
  [ FrameSize ChannelCount ] = size(signal_in);

  % Make sure the two input signals have the same length: 
  if any(size(desired) ~= size(signal_in))
  
    error([ 'The length of input argument ''desired'' is ' ...
        ' different from the length of ''signal_in''.' ]);
    end
                
    % Set-Up:
        
    % Filter Length:
    FilterLength = 32;
        
      % Adaptation step size:
      mu = 125e-6;
        
      if isempty(weights)
            
          % Filter coefficients:       
          weights = zeros(FilterLength,1);
        
          % FIFO Shift Register:
          fifo = zeros(FilterLength,ChannelCount);
            
      end
                                  
    % Algorithm:
        % For each channel:
        for ch = 1:ChannelCount
            
          % For each sample time:
          for n = 1:FrameSize
                
              % Update the FIFO shift register:
              fifo(1:FilterLength-1,ch) = fifo(2:FilterLength,ch);
              fifo(FilterLength,ch) = signal_in(n,ch);
                
              % Compute the output sample using convolution:
              signal_out(n,ch) = weights' * fifo(:,ch);

              % Update the filter coefficients:
              err(n,ch) = desired(n,ch) - signal_out(n,ch) ;
              weights = weights + mu*err(n,ch)*fifo(:,ch);
                
          end
      end
        
      % Output the filter weights:
      weights_out = weights;
        
end

Сводка изменений алгоритма фильтрации.  Обратите внимание на следующие важные изменения в алгоритме фильтра:

Изменение модели для вызова обновленного алгоритма.  Чтобы изменить модель самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_02 в вашем solutions для просмотра измененной модели.

Моделирование алгоритма потоковой передачи.  Для моделирования модели:

Алгоритм фильтра теперь подходит для Simulink. Вы готовы разработать модель для использования Adapt и Reset элементы управления.

Добавление элементов управления Adapt и Reset

• Зачем добавлять элементы управления Adapt и Reset?

• Изменение кода MATLAB

• Изменение модели для использования элементов управления Reset и Adapt

• Моделирование модели с помощью элементов управления Adapt и Reset

Зачем добавлять элементы управления Adapt и Reset  ? В этой части учебного пособия к фильтру добавляются элементы управления Adapt и Reset. С помощью этих элементов управления можно включить и выключить фильтрацию. Adapt включен, фильтр непрерывно обновляет веса фильтра. Когда Adapt отключен, веса фильтра остаются на своих текущих значениях. Если Reset установлен, фильтр сбрасывает веса фильтра.

Изменение кода MATLAB.  Чтобы изменить код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленный файл lms_03.m в вашем solutions для просмотра измененного алгоритма.

Чтобы изменить код фильтра, выполните следующие действия.

 Содержание lms_03.m

function [ signal_out, err, weights_out ] = ...
  lms_03(signal_in, desired, reset, adapt)
%
% LMS implements the least mean squares adaptive filter.
%    
  % Persistent variables:
  persistent weights;
  persistent fifo;
                
  % Input Arguments:
        
  % Signal size:
  [ FrameSize ChannelCount ] = size(signal_in);

  % Make sure the two input signals have the same length:
  if any(size(desired) ~= size(signal_in))
    error([ 'The length of input argument ''desired'' is ' ...
      ' different from the length of ''signal_in''.' ]);
  end
                
  % Set-Up:
        
  % Filter Length:
      FilterLength = 32;
        
      % Adaptation step size:
      mu = 125e-6;
        
      if ( reset || isempty(weights) )
          % Filter coefficients:       
          weights = zeros(FilterLength,1);
          % FIFO Shift Register:
          fifo = zeros(FilterLength,ChannelCount);
      end
                
                    
    % Algorithm:
        
    % For each channel:
    for ch = 1:ChannelCount
            
       % For each sample time:
       for n = 1:FrameSize
           % Update the FIFO shift register:
           fifo(1:FilterLength-1,ch) = fifo(2:FilterLength,ch);
           fifo(FilterLength,ch) = signal_in(n,ch);
                
            % Compute the output sample using convolution:
            signal_out(n,ch) = weights' * fifo(:,ch);

            % Update the filter coefficients:
            err(n,ch) = desired(n,ch) - signal_out(n,ch) ;
            if adapt
                weights = weights + mu*err(n,ch)*fifo(:,ch);
            end
        end
     end
        
     % Output the filter weights:
      weights_out = weights;
       
end

 Сводка изменений в алгоритме фильтрации

Изменение модели для использования элементов управления Reset и Adapt.  Чтобы изменить модель самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_03 в вашем solutions для просмотра измененной модели.

Моделирование модели с помощью элементов управления Adapt и Reset.  Чтобы смоделировать модель и увидеть влияние элементов управления Адаптировать (Adapt) и Сбросить (Reset), выполните следующие действия.

Создание кода

Вы доказали, что ваш алгоритм работает в Simulink. Затем создается код для модели. Перед созданием кода необходимо убедиться, что код MATLAB подходит для создания кода. Для создания кода необходимо удалить внешний вызов кода.

Создание кода, подходящего для создания кода.  Чтобы изменить модель и код самостоятельно, выполните упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_04 и файл lms_04.m в вашем solutions для просмотра изменений.

Создание кода для noise_cancel_04

Оптимизация алгоритма фильтрации LMS

В этой части учебного пособия показано, когда и как предварительно распределить память для переменной без дополнительных затрат на инициализацию памяти в сгенерированном коде.

В lms_05.m, код MATLAB не только объявляет signal_out и err быть FrameSizeоколо-ChannelCount вектор вещественных двойников, но также инициализирует каждый элемент signal_out и err до нуля. Эти сигналы инициализируются до нуля в сгенерированном коде С.

Эта принудительная инициализация не нужна, так как оба signal_out и err явным образом инициализируются в коде MATLAB перед их считыванием.

Использовать coder.nullcopy в декларации signal_out и err для устранения ненужной инициализации памяти в сгенерированном коде:

Создание кода для обновленной модели.