В этом примере показано, как адаптивно оценить задержку шумного входного сигнала с помощью адаптивного КИХ-алгоритма LMS.
Примите сигнал, где
белый Гауссов процесс и
детерминирован. Сигнал измеряется с эхом
выборок и затухания
(оба неизвестны), приводя к полному измерению:
Цель состоит в том, чтобы оценить задержку и затухание эха
. Можно определить эти параметры путем решения идентификационной задачи фильтра
для
, объединенный с предшествующим
. При условии, что фильтр
может быть идентифицирован от сигнала измерений
и исходного сигнала
, можно вывести
и
Такая идентификационная проблема фильтра может быть создана в терминах адаптивной фильтрации LTI. Опорный сигнал, входной канал
, и адаптивный фильтр
. Безусловно, если процесс адаптации заканчивается
затем сигналом ошибки
, исчезает.
Существуют многочисленные адаптивные алгоритмы фильтрации. Для этой paricular настройки задач и модели сигнала, нормированный LMS-алгоритм подходит, и доступен в блоке LMS Filter.
Запустите симуляцию. Peaks в векторе касаний фильтра указывает на оценку с временной задержкой. В этом случае и
.
Для получения дополнительной информации смотрите С. Хейкина, Адаптивную Теорию Фильтра, 3-го Эда., Prentice Hall 1996.