Этот пример сравнивает уровень сходимости для адаптивных фильтров с помощью различных LMS-алгоритмов.
Адаптивный фильтр адаптирует свои коэффициенты фильтра так, чтобы его выход совпадал с выходом желаемой неизвестной системы. Основное приложение адаптивных фильтров является идентификацией фильтра, где опорный сигнал отфильтрован неизвестным фильтром свертки, как проиллюстрировано здесь. Тот же сигнал передается через адаптивный фильтр и неизвестную систему, и адаптивный фильтр пытается настроить свои коэффициенты, таким образом, что ошибка между этими двумя выходными параметрами минимальна. Адаптивные фильтры обычно имеют большую ошибку на своих выходных параметрах первоначально, и ошибка имеет тенденцию понижаться со временем, когда фильтр сходится.
Адаптивные фильтры с помощью алгоритма Наименьшее количество средних квадратичных (LMS) настраивают свои коэффициенты, таким образом, что ошибка между этими двумя выходными параметрами минимальна в среднеквадратическом смысле. Этот пример рассматривает 4 различных варианта LMS-алгоритм и сравнивает уровень сходимости для адаптивных фильтров с помощью этих алгоритмов.
LMS - Наименьшее количество Среднеквадратического алгоритма
NLMS - Нормированный LMS-алгоритм
SELMS - LMS-алгоритм ошибки знака
SSLMS - LMS-алгоритм знака знака
Используйте нулевой средний белый Гауссов шум с отклонением 0,01 как входной сигнал к фильтрам. Выберите фильтр FIR длины 13 со всем содействующим набором к 1 как желаемый неизвестный фильтр. Можно опционально добавить Гауссов шум отклонения 1e-5 к этим весам путем переключения Ручного Переключателя. Установите переключатель к блоку Constant значения 0 на данный момент, так, чтобы веса не содержали шума. Установите начальные веса адаптивных фильтров к 0. Используйте размер шага 0,2 для LMS, NLMS и блоков Sign-Error LMS. Для LMS-алгоритма Знака Знака выберите более подходящий размер шага 0,02. Каждый из адаптивных фильтров может быть включен или отключен отдельно. Используйте блок Moving RMS, чтобы вычислить энергию желаемого выхода и сигналов ошибки. Визуализируйте эти сигналы в шкале дБ на Time Scope. Чтобы исследовать сходимость адаптивных весов фильтра, вычтите адаптивные веса фильтра из желаемых весов фильтра и постройте ошибку другой Time Scope.
Из первого графика это видно, который сигнал ошибки от фильтра NLMS сходится, чтобы обнулить намного быстрее, чем другие варианты с установившейся ошибкой больше чем 300 дБ. Фильтр LMS также может совпадать с выходом неизвестного фильтра тесно с ОСШ больше чем 150 дБ. Из второго графика веса NLMS и фильтров LMS, как также наблюдают, сходятся к желаемым весам фильтра с минимальной конечной погрешностью между weights.The фильтрами Sign-Error LMS и Sign-Sign LMS, кажется, начинают сходиться быстрее, чем фильтр LMS первоначально, но эти фильтры имеют большую установившуюся ошибку в фильтре выход (ОСШ приблизительно 20 дБ) и фильтруют веса.
