RLS Adaptive Filter (Obsolete)

Вычислите оценки фильтра для входа, используя алгоритм адаптивного фильтра RLS

Библиотека

dspobslib

Описание

Примечание

Блок RLS Adaptive Filter все еще поддерживается, но, вероятно, устареет в будущем релизе. Настоятельно рекомендуем заменить этот блок на RLS Filter блок.

Блок RLS Adaptive Filter рекурсивно вычисляет рекурсивную оценку коэффициентов конечной импульсной характеристики фильтра методом наименьших квадратов (RLS).

Соответствующий RLS-фильтр выражен в матричной форме как

$\begin{array}{l} k (n) = \frac{λ^{- 1} P (n - 1) u (n)}{1 + λ^{- 1} u^{H} (n) P (n - 1) u (n)} \\ y (n) = {\hat{w}}^{H} (n - 1) u (n) \\ e (n) = d (n) - y (n) \\ \hat{w} (n) = \hat{w} (n - 1) + k (n) e^{*} (n) \\ P (n) = λ^{- 1} P (n - 1) - λ^{- 1} k (n) u^{H} (n) P (n - 1) \end{array}$

где^-1 обозначает обратное значение экспоненциала коэффициента взвешивания. Переменные следующие

Переменная	Описание
n	Текущая итерация алгоритма
u (n)	Буферизованные входные выборки на шаге n
P (n)	Матрица обратной корреляции на шаге n
k (n)	Вектор усиления на шаге n
$\hat{w} (n)$	Вектор оценок отвода фильтра на шаге n
y (n)	Отфильтрованный выход на шаге n
e (n)	Ошибка расчета на шаге n
d (n)	Желаемый ответ на шаге n
λ	Экспоненциальный весовой коэффициент памяти

Значок блока имеет метки портов, соответствующие входам и выходам алгоритма RLS. Обратите внимание, что входы в In и Err порты должны быть скалярами на основе сэмплирования. Сигнал на Out порт является скаляром, в то время как сигнал в Taps port является вектором на основе сэмплирования.

Блочные порты	Соответствующие переменные
`In`	u, скалярный вход, который внутренне буферизуется в вектор u (n)
`Out`	y (n), отфильтрованный скалярный выход
`Err`	e (n), скалярная ошибка расчета
`Taps`	$\hat{w} (0)$ , вектор оценок отвода фильтра

Необязательный Adapt входной порт добавляется, когда вы устанавливаете флажок Adapt input в диалоговом окне. Когда этот порт включен, блок постоянно адаптирует коэффициенты фильтра, в то время как Adapt вход ненулевый. Нулевой вход в Adapt порт заставляет блок прекратить адаптацию и удерживать коэффициенты фильтра на их текущих значениях до следующего ненулевого значения Adapt вход.

Реализация алгоритма в блоке оптимизирована путем использования симметрии матрицы обратной корреляции P (n). Это уменьшает общее количество расчетов в два раза.

Параметр FIR filter length задает длину фильтра, который оценивает алгоритм RLS. В уравнениях Memory weighting factor соответствует, и задает, как быстро фильтр «забывает» информацию о прошедшей выборке. Настройте, = 1 задает бесконечную память; как правило, 0.95≤, ≤ 1.

Начальное значение задается Initial value of filter taps $\hat{w} (0)$ как вектор или как скаляр, который будет повторяться для всех векторных элементов. Начальное значение P (n)

$I \frac{1}{{\hat{σ}}^{2}}$

где вы задаете ${\hat{σ}}^{2}$ в параметре Initial input variance estimate.

Примеры

The rlsdemo пример иллюстрирует систему шумоподавления, созданную вокруг блока RLS Adaptive Filter.

Параметры

FIR filter length: Длина конечной импульсной характеристики.
Memory weighting factor: Экспоненциальный весовой коэффициент в области значений [0,1]. Значение 1 задает бесконечную память. Настраиваемый (Simulink).
Initial value of filter taps: Начальная конечная импульсная характеристика фильтра коэффициентов.
Initial input variance estimate: Начальное значение 1/P (n).
Adapt input: Включает Adapt порт.

Ссылки

Haykin, S. Adaptive Filter Theory. 3-й эд. Englewood Cliffs, Нью-Джерси: Prentice Hall, 1996.

Поддерживаемые типы данных

Плавающая точка двойной точности
Плавающая точка с одной точностью

См. также

Адаптивный фильтр Калмана (устаревший)	DSP System Toolbox
Адаптивный фильтр LMS (устаревший)	DSP System Toolbox

Смотрите Шумоподавление в Simulink с использованием нормализованного адаптивного фильтра LMS для получения соответствующей информации.

Введенный в R2008b

Документация