Документация

Что нужно знать

Чтобы работать с этим руководством, вы должны иметь базовое знакомство с программным обеспечением MATLAB. Вы также должны понять, как создать базовую модель Simulink и как симулировать эту модель. Для получения дополнительной информации смотрите Создание простой модели.

Требуемые продукты

Для выполнения этого руководства необходимо установить следующие продукты:

Инструкции по установке MathWorks^® продукты см. документацию по установке. Если вы установили MATLAB и хотите проверить, какие другие продукты MathWorks установлены, введите ver в Командном Окне MATLAB. Инструкции по установке и настройке компилятора C см. в разделе Настройка компилятора C или C++ (MATLAB Coder).

Описание

Фильтр с наименьшими средними квадратами (LMS) является адаптивным фильтром, который настраивает свою передаточную функцию согласно алгоритму оптимизации. Вы предоставляете фильтру пример необходимого сигнала вместе с входным сигналом. Затем фильтр вычисляет веса фильтра или коэффициенты, которые генерируют наименьшие средние квадраты ошибки между выходом сигналом и желаемым сигналом.

Этот пример использует фильтр LMS, чтобы удалить шум в записи музыки. Существует два входа. Первый вход - искаженный сигнал: запись музыки плюс отфильтрованный шум. Второй вход является желаемым сигналом: нефильтрованный шум. Фильтр работает, чтобы исключить различие между сигналом выхода и желаемым сигналом и выводит различие, который в этом случае является чистой музыкальной записью. Когда вы запускаете симуляцию, вы слышите и шум, и музыку. Со временем адаптивный фильтр удаляет шум, поэтому вы слышите только музыку.

Алгоритм

Этот пример использует алгоритм наименьших средних квадратов (LMS), чтобы удалить шум от входного сигнала. Этот LMS-алгоритм вычисляет отфильтрованный вывод, ошибку фильтра и веса фильтра, учитывая искаженные и желаемые сигналы.

В начале руководства LMS-алгоритма использует пакетный процесс для фильтрации аудио входа. Этот алгоритм подходит для MATLAB, где вы, вероятно, загрузитесь во весь сигнал и обработаете все это сразу. Однако пакетный процесс не подходит для обработки сигнала в реальном времени. Когда вы работаете с руководством, вы уточняете проект 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 имеет три фазы:

Ссылка

Хайкин, Симон. Теория адаптивных фильтров. Upper Saddle River, NJ: Prentice-Hall, Inc., 1996.

Сведения о файлах учебных пособий

В руководстве используются следующие файлы:

Расположение файлов

Учебные файлы доступны в следующей папке: docroot\toolbox\simulink\examples\lms. Чтобы запустить руководство, вы должны скопировать эти файлы в локальную папку. Для получения инструкций смотрите Копирование файлов локально.

Имена и описания файлов

Локальное копирование файлов

Скопируйте файлы учебника в локальную папку:

Настройка компилятора C

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

Выполнение модели acoustic_environment

Запуск acoustic_environment модель, поставляемая с руководством, чтобы понять задачу, которую вы пытаетесь решить с помощью фильтра LMS. Эта модель добавляет ограниченный полосой белый шум к аудиосигналу и выводит результирующий сигнал на динамик.

Чтобы симулировать модель:

Цель этого руководства состоит в том, чтобы использовать алгоритм фильтра MATLAB LMS, чтобы удалить шум от шумного аудиосигнала. Вы делаете это, добавляя блок MATLAB Function к модели и вызывая код MATLAB из этого блока.

Добавление блока MATLAB function к вашей модели

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

В целях этого руководства вы добавляете блок MATLAB Function к noise_cancel_00 модель, поставляемая с руководством. На практике придется разрабатывать собственный испытательный стенд начиная с пустой модели Simulink.

Чтобы добавить MATLAB Function блок к noise_cancel_00 модель:

Вызов вашего кода MATLAB как внешней функции для быстрого прототипирования

В этой части руководства вы используете coder.extrinsic функция для вызова кода MATLAB из блока MATLAB Function для быстрого прототипирования.

Зачем вызывать код MATLAB как внешнюю функцию?.  Вызов кода MATLAB как внешней функции обеспечивает следующие преимущества:

Как вызвать код MATLAB как внешнюю функцию.  Чтобы вызвать код MATLAB из блока MATLAB Function:

Соединение входов и выходов блоков MATLAB function

Симуляция модели noise_cancel_01

Чтобы симулировать модель:

 Почему фильтр сбрасывается каждые 2 секунды?

Изменение фильтра для использования потоковой передачи

• Что такое потоковая передача?

• Зачем использовать потоковую передачу?

• Просмотр измененного кода MATLAB

• Сводные данные изменений в алгоритме фильтра

• Изменение вашей модели для вызова обновленного алгоритма

• Симуляция алгоритма потоковой передачи

Что такое потоковая передача? Потоковый  фильтр вызывается неоднократно, чтобы обработать фрагменты входных данных или систем координат фиксированного размера, пока он не обработает весь входной сигнал. Формат кадра может быть таким же маленьким, как и одна выборка, и в этом случае фильтр будет работать в основанном на выборке режиме или до нескольких тысяч выборок для обработки на основе кадра.

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

В встраиваемое приложение фильтр, вероятно, обрабатывает непрерывный поток входа. В результате входной сигнал может быть по существу больше, чем максимальная длина, которую может обрабатывать фильтр, работающий в пакетном режиме. Чтобы фильтр работал при любой длине сигнала, он должен запускаться в реальном времени. Одним из решений является преобразование фильтра из пакетной обработки в потоковую обработку.

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

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

 Содержимое 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

Сводные данные изменений в алгоритме фильтра.  Обратите внимание на следующие важные изменения алгоритма фильтра:

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

Симуляция алгоритма потоковой передачи.  Чтобы симулировать модель:

Алгоритм фильтра теперь подходит для Simulink. Вы готовы разработать свою модель для использования Adapt и Reset управляет.

Добавление элементов управления Adapt и Reset

• Зачем добавлять элементы управления адаптацией и сбросом?

• Изменение кода MATLAB

• Изменение модели для использования элементов управления сбросом и адаптацией

• Симуляция модели с помощью элементов управления Adapt и Reset

Зачем добавлять элементы управления Adapt and Reset  ?. В этой части руководства вы добавляете элементы управления Adapt и Reset к своему фильтру. Используя эти элементы управления, можно включить и отключить фильтрацию Когда Adapt включен, фильтр постоянно обновляет веса фильтров. Когда Adapt отключен, веса фильтров остаются на своих текущих значениях. Если Reset установлен, фильтр сбрасывает веса фильтров.

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

Чтобы изменить код фильтра:

 Содержимое 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

 Сводные данные изменений в алгоритме фильтра

Изменение модели для использования элементов управления сбросом и адаптацией.  Чтобы изменить модель самостоятельно, пройдите упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_03 в вашем solutions подпапка для просмотра измененной модели.

Симуляция модели с помощью элементов управления Adapt и Reset.  Чтобы симулировать модель и увидеть эффект элементов управления Adapt и Reset:

Генерация кода

Вы доказали, что ваш алгоритм работает в Simulink. Далее вы генерируете код для вашей модели. Перед генерацией кода необходимо убедиться, что ваш код MATLAB подходит для генерации кода. Для генерации кода необходимо удалить внешний вызов к коду.

Делает ваш код подходящим для генерации кода.  Чтобы изменить модель и код самостоятельно, пройдите упражнения в этом разделе. В противном случае откройте предоставленную модель noise_cancel_04 и файловой lms_04.m в вашем solutions для просмотра изменений в подпапке.

Генерация кода для noise_cancel_04

Оптимизация алгоритма фильтра LMS

Эта часть руководства демонстрирует, когда и как предварительно выделять память для переменной, не внося накладных расходов на инициализацию памяти в сгенерированном коде.

В lms_05.mКод MATLAB не только объявляет signal_out и err быть FrameSize-by- ChannelCount вектор вещественного двойника, но также инициализирует каждый элемент signal_out и err в нуль. Эти сигналы инициализируются в нуле в сгенерированный код C.

Эта принудительная инициализация ненужна, потому что оба signal_out и err явно инициализируются в коде MATLAB перед чтением.

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

Сгенерируйте код для обновленной модели.