(Чтобы быть удаленным), Построение нормировало наименьшее количество среднего квадратичного (LMS) адаптивный объект алгоритма
normlms будет удален в будущем релизе. Рассмотрите использование comm.LinearEqualizer
или comm.DecisionFeedback
вместо этого.
alg = normlms(stepsize)
alg = normlms(stepsize,bias)
normlms
функция создает адаптивный объект алгоритма, который можно использовать с lineareq
функция или dfe
функция, чтобы создать объект эквалайзера. Можно затем использовать объект эквалайзера с equalize
функция, чтобы компенсировать сигнал. Чтобы узнать больше о процессе для компенсации сигнала, смотрите Эквализацию.
alg = normlms(stepsize)
создает адаптивный алгоритм, основанный на объектах на нормированном алгоритме наименьшее количество среднего квадратичного (LMS) с размером шага stepsize
и параметр смещения нуля.
alg = normlms(stepsize,bias)
устанавливает параметр смещения нормированного LMS-алгоритма. bias
должен быть между 0 и 1. Алгоритм использует параметр смещения, чтобы преодолеть трудности, когда входной сигнал алгоритма мал.
Приведенная ниже таблица описывает свойства нормированного адаптивного объекта алгоритма LMS. Чтобы изучить, как просмотреть или изменить значения адаптивного объекта алгоритма, смотрите Эквализацию.
Свойство | Описание |
---|---|
AlgType | Фиксированное значение, 'Normalized LMS' |
StepSize | Параметр размера шага LMS, неотрицательное вещественное число |
LeakageFactor | Фактор утечки LMS, вещественное число между 0 и 1. Значение 1 соответствует обычному алгоритму обновления веса, в то время как значение 0 соответствует алгоритму обновления без памяти. |
Bias | Нормированные LMS смещают параметр, неотрицательное вещественное число |
Что касается схематики, представленной в Эквализации, задайте w как вектор из всех весов w i и задайте u как вектор из всех входных параметров u i. На основе текущего набора весов, w, этот адаптивный алгоритм создает новый набор весов, данных
где оператор * обозначает сопряженное комплексное число, и H обозначает, что Эрмитовы транспонируют.
[1] Farhang-Boroujeny, B., адаптивные фильтры: теория и Applications, Chichester, England, John Wiley & Sons, 1998.