(Будет удален) Создайте нормированный объект адаптивного алгоритма наименьшего среднего квадрата (LMS)
нормали будут удалены в будущем релизе. Рассмотрите использование comm.LinearEqualizer
или comm.DecisionFeedback
вместо этого.
alg = normlms(stepsize)
alg = normlms(stepsize,bias)
normlms
функция создает объект адаптивного алгоритма, который можно использовать с lineareq
функция или dfe
функция для создания объекта эквалайзера. Затем можно использовать объект эквалайзера с equalize
функция для выравнивания сигнала. Чтобы узнать больше о процессе выравнивания сигнала, смотрите эквализация.
alg = normlms(stepsize)
создает объект адаптивного алгоритма на основе нормализованного алгоритма наименьшего среднего квадрата (LMS) с размером шага stepsize
и параметр смещения, равный нулю.
alg = normlms(stepsize,bias)
устанавливает параметр смещения нормализованного LMS-алгоритма. bias
должно быть от 0 до 1. Алгоритм использует параметр смещения, чтобы преодолеть трудности, когда входной сигнал алгоритма мал.
В таблице ниже описаны свойства нормализованного объекта адаптивного алгоритма LMS. Чтобы узнать, как просмотреть или изменить значения объекта адаптивного алгоритма, смотрите эквализация.
Свойство | Описание |
---|---|
AlgType | Фиксированное значение, 'Normalized LMS' |
StepSize | Параметр размера шага LMS, неотрицательное вещественное число |
LeakageFactor | Коэффициент утечки LMS, действительное число от 0 до 1. Значение 1 соответствует обычному алгоритму обновления веса, в то время как значение 0 соответствует безпамятному алгоритму обновления. |
Bias | Нормированный параметр смещения LMS, неотрицательное вещественное число |
Ссылаясь на схемы, представленные в эквализация, задайте w как вектор всех весов w i и задайте u как вектор всех входов u i. На основе текущего набора весов, w, этот адаптивный алгоритм создает новый набор весов, заданных как
где оператор * обозначает комплексный сопряженный, а H обозначает эрмитову транспозицию.
[1] Farhang-Boroujeny, B., Adaptive Filters: Theory and Applications, Chichester, England, John Wiley & Sons, 1998.