dsp。AffineProjectionFilter

使用仿射投影(AP)算法计算输出，误差和系数

全部展开页面

描述

的dsp。AffineProjectionFilter系统对象™使用AP过滤器实现对输入的每个通道进行过滤。

过滤输入的每个通道:

创建dsp。AffineProjectionFilter对象，并设置其属性。
使用参数调用对象，就像调用函数一样。

要了解更多关于System对象如何工作的信息，请参见什么是系统对象?

创建

语法

apf = dsp。AffineProjectionFilter

apf = dsp.AffineProjectionFilter(兰)

apf = dsp.AffineProjectionFilter(名称、值)

描述

apf= dsp。AffineProjectionFilter返回自适应FIR滤波器apf．该系统对象使用仿射投影(AP)算法计算给定输入和期望信号的滤波输出和滤波误差。

例子

apf= dsp。AffineProjectionFilter (len）属性返回仿射投影筛选器对象长度属性设置为len．

例子

apf= dsp。AffineProjectionFilter (名称,值）返回一个仿射投影筛选器对象，其中每个指定的属性设置为指定的值。将每个属性名用单引号括起来。未指定的属性具有默认值。

属性

全部展开

除非另有说明，属性是nontunable，这意味着您不能在调用对象之后更改它们的值。对象在调用时锁定，而释放函数打开它们。

如果一个属性是可调，您可以随时更改它的值。

有关更改属性值的更多信息，请参见在MATLAB中使用系统对象进行系统设计．

`方法`- - - - - -计算滤波系数的方法
`直接矩阵求逆`(默认)|`递归矩阵更新`|`块直接矩阵反演`

指定用于计算过滤系数的方法为直接矩阵求逆，递归矩阵更新，块直接矩阵反演．此属性是不可调优的。

`长度`- - - - - -滤波器系数向量的长度
`32`(默认)|正整数

指定FIR滤波器系数向量的长度为一个标量正整数值。此属性是不可调优的。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`ProjectionOrder`- - - - - -仿射投影算法的投影顺序
`2`(默认)|正整数

指定仿射投影算法的投影顺序为大于或等于2的标量正整数。这个属性定义输入信号协方差矩阵的大小。此属性是不可调优的。

数据类型:双

`StepSize`- - - - - -仿射投影步长
`1`(默认)|负的标量

指定仿射投影步长因子为0和1之间的标量非负数值，两者都包含。将步长设置为1，可以使适应过程中收敛速度最快。

可调:是的

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑

`InitialCoefficients`- - - - - -滤波器初始系数
`0`(默认)|标量|向量

指定FIR自适应滤波器系数的初始值为标量或长度等于的向量长度属性值。

可调:是的

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`InitialOffsetCovariance`- - - - - -偏移输入协方差矩阵的初值
`1`(默认)|标量|方阵

指定偏移输入协方差矩阵的初始值。该属性必须是一个标量正数值或一个正定方阵，其每个维数必须等于ProjectionOrder属性值。如果是标量值，则OffsetCovariance属性初始化为对角矩阵，其中对角元素等于该标量值。如果它是一个方阵OffsetCovariance属性初始化为该方阵的值。

可调:是的

依赖关系

此属性仅在方法属性设置为直接矩阵求逆或块直接矩阵反演．

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`InitialInverseOffsetCovariance`- - - - - -偏置输入协方差矩阵的逆初值
`20.`(默认)|标量|方阵

指定偏移输入协方差矩阵逆的初始值。该属性必须是一个标量正数值或一个正定方阵，其每个维数必须等于ProjectionOrder属性值。如果是标量值，则InverseOffsetCovariance属性初始化为一个对角矩阵，其中每个对角元素都等于该标量值。如果它是一个方阵InverseOffsetCovariance属性初始化为该方阵的值。

可调:是的

依赖关系

此属性仅在方法属性设置为递归矩阵更新．

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`InitialCorrelationCoefficients`- - - - - -最初的相关系数
`0`(默认)|标量|向量

将FIR滤波器相关系数的初始值指定为长度等于的标量或向量ProjectionOrder- - - - - -1．

可调:是的

依赖关系

此属性仅在方法属性设置为递归矩阵更新．

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64

`LockCoefficients`- - - - - -锁系数更新
`假`(默认)|`真正的`

指定过滤器系数值是否应该被锁定。当您将此属性设置为真正的，则不更新过滤系数，其值保持不变。默认值为假(过滤系数不断更新)。

可调:是的

使用

语法

[y,犯错]= apf (x, d)

描述

例子

［y，犯错) = apf (x，d）过滤器的输入x,使用d作为所需的信号，并返回滤波后的输出y滤波器出现了错误犯错．System对象估计所需的滤波器权重，以最小化输出信号和期望信号之间的误差。你可以通过访问系数对象的属性。这只能在调用对象之后完成。例如，要访问的优化系数apf过滤器,叫apf。Coefficients在您将输入和所需的信号传递给对象之后。

输入参数

全部展开

`x`- - - - - -数据输入
标量|列向量

要用仿射投影滤波器滤波的信号。输入,x，以及所需的信号，d，必须具有相同的大小和数据类型。

输入可以是可变大小的信号。即使对象被锁定，也可以更改列向量中的元素数。当您调用System对象以运行其算法时，该对象将被锁定。

数据类型:单|双
复数的支持:金宝app是的

`d`- - - - - -期望信号
标量|列向量

仿射投影滤波器调整其系数以最小化误差，犯错，收敛输入信号x到所要求的信号d尽可能地接近。

输入,x，以及所需的信号，d，必须具有相同的大小和数据类型。

所需要的信号可以是可变大小的信号。即使对象被锁定，也可以更改列向量中的元素数。当您调用System对象时，该对象将被锁定。

数据类型:单|双
复数的支持:金宝app是的

输出参数

全部展开

`y`——过滤输出
标量|列向量

过滤后的输出，作为标量或列向量返回。对象调整其滤波系数以收敛输入信号x以匹配所需的信号d．滤波器输出收敛信号。

数据类型:单|双
复数的支持:金宝app是的

`犯错`-输出与期望信号之间的差异
标量|列向量

输出信号之间的差异y和期望的信号d，作为标量或列向量返回。仿射投影滤波器的目标是使这个误差最小化。该对象调整其系数，使其收敛到最优滤波器系数，以产生与所需信号密切匹配的输出信号。要访问仿射投影滤波系数，调用apf。Coefficients在您将输入和所需的信号传递给对象之后。

数据类型:单|双
复数的支持:金宝app是的

对象的功能

要使用对象函数，请指定System对象作为第一个输入参数。例如，释放名为system的对象的系统资源obj，使用下面的语法:

发行版(obj)

全部展开

特定于`dsp。AffineProjectionFilter`

msesim 自适应滤波器的估计均方误差

所有系统对象都是通用的

`一步`	运行系统对象算法
`释放`	释放资源并允许更改系统对象属性值和输入特征
`重置`	使内部状态复位系统对象

例子

全部折叠

正交相移编码自适应均衡

打开生活的脚本

请注意:如果你正在使用R2016a或更早的版本，将每个对对象的调用替换为等价的一步语法。例如,obj (x)就变成了步骤(obj, x)．

基于32系数FIR滤波器的QPSK自适应均衡(1000迭代)

D = 16;%延迟采样次数B = exp(1i*pi/4)*[-0.7 1];%通道分子系数A = [1 -0.7];%通道分母系数正常= 1000关系;%迭代次数s =符号(randn(1,正常+ D)关系)+ 1我*签署(randn(1,正常+ D)关系);%基带信号n = 0.1*(randn(1,ntr+D) + 1i*randn(1,ntr+D));%噪声信号r =过滤器(b, a, s) + n;%接收信号x = r (1 + D:正常+ D关系);%输入信号(接收信号)d = s(1:正常)关系;%期望信号(延迟QPSK信号)μ= 0.1;%步长阿宝= 4;%投影顺序抵消= 0.05;协方差矩阵的偏移量apf = dsp。AffineProjectionFilter (“长度”32岁的．..“StepSize”亩,“ProjectionOrder”阿宝,．..“InitialOffsetCovariance”,抵消);(y, e) = apf (x, d);次要情节(2 2 1);阴谋(1:正常,关系真实([d; y; e]));标题(同相分量的）;传奇(“想要的”，“输出”，“错误”）;包含(“时间指数”）;ylabel (的信号值）;次要情节(2,2,2);阴谋(1:正常,关系图像放大([d; y; e]));标题(“正交组件”）;传奇(“想要的”，“输出”，“错误”）;包含(“时间指数”）;ylabel (的信号值）;次要情节(2、2、3);情节(x(正常- 100:关系正常)的关系,“。”）;轴([-3 3 -3]);标题(“接收信号散点图”）;轴(“广场”）;包含(“真正的[x]”）;ylabel (图像放大[x]”）;网格在；次要情节(2、2、4);情节(y(正常- 100:关系正常)的关系,“。”）;轴([-3 3 -3]);标题(“均衡信号散点图”）;轴(“广场”）;包含(“真正的[y]”）;ylabel (图像放大[y]”）;网格在；

图中包含4个轴对象。标题为In-Phase Components的轴对象1包含3个类型为line的对象。这些对象表示期望、输出、错误。标题为“正交组件”的轴对象2包含3个类型为line的对象。这些对象表示期望、输出、错误。标题为“接收信号散点图”的坐标轴对象3包含一个类型为line的对象。标题为“均匀信号散点图”的轴对象4包含一个类型为line的对象。

基于仿射投影滤波器的FIR滤波器系统辨识

打开生活的脚本

请注意:如果你正在使用R2016a或更早的版本，将每个对对象的调用替换为等价的一步语法。例如,obj (x)就变成了步骤(obj, x)．

0.5公顷= fir1(31日);需识别的FIR系统冷杉= dsp。FIRFilter (“分子”,哈);iir = dsp。IIRFilter (“分子”sqrt (0.75),．..“分母”-0.5 [1]);x = iir(标志(randn(2000年25)));观测噪声信号n = 0.1 * randn(大小(x));%期望信号d =冷杉(x) + n;%滤波器长度l = 32;%仿射投影滤波器步长。μ= 0.008;%抽取因子分析%和模拟结果m = 5;apf = dsp。AffineProjectionFilter (l,“StepSize”μ);[simmse, meanWsim Wsim traceKsim] = msesim (apf, x, d, m);情节(m *(1:长度(simmse)), 10 * log10 (simmse));包含(“迭代”）;ylabel (“MSE (dB)”）;%绘制仿射投影滤波器的学习曲线%用于系统标识标题(“学习曲线”）

图中包含一个轴对象。具有标题学习曲线的轴对象包含一个类型为line的对象。

算法

仿射投影算法(APA)是一种基于多个输入向量估计未知系统的自适应方案［1］．该算法旨在提高其他自适应算法的性能，主要是基于LMS的自适应算法。仿射投影算法重用旧数据，当输入信号高度相关时，可以快速收敛，从而产生一系列算法，可以在计算复杂度和收敛速度之间进行权衡［2］．

下面的公式描述了设计AP过滤器时使用的概念算法:

$\begin{array}{l} U 一个 p （ n ）＝（ \begin{matrix} u {（ n ）}_{} & ．.. & u （ n - l ） \\ ⋮ & ⋱ & ⋮ \\ u {（ n - N ）}_{} & \dots & u （ n - l - N ） \end{matrix} ）＝（ \begin{matrix} u （ n ） & u （ n - 1 ） & \dots \begin{matrix} u （ n - l ） \end{matrix} \end{matrix} ） \\ y 一个 p （ n ）＝ U^{T} 一个 p （ n ） w （ n ）＝（ \begin{matrix} y （ n ） \\ \cdot \\ \cdot \\ \cdot \\ y （ n - l ） \end{matrix} ） \\ d 一个 p （ n ）＝（ \begin{matrix} d （ n ） \\ \cdot \\ \cdot \\ \cdot \\ d （ n - l ） \end{matrix} ） \\ e 一个 p （ n ）＝ d 一个 p （ n ） - y 一个 p （ n ）＝（ \begin{matrix} e （ n ） \\ \cdot \\ \cdot \\ \cdot \\ e （ n - l ） \end{matrix} ） \\ w （ n ）＝ w （ n - 1 ） + μ U 一个 p （ n ）（^{U 一个 p^{H} （ n ） U 一个 p （ n ） + C ） - 1} e 一个 p \end{array}$

在哪里C要么是ε我如果初始偏移协方差是标量ε，或R如果初始偏移协方差是一个矩阵R．变量如下:

变量	描述
n	当前时间指数
u (n)	步骤的输入样本n
U_美联社(n)	最后的矩阵l+1输入信号向量
w(n)	自适应滤波系数向量
y (n)	自适应滤波器输出
d (n)	所需的信号
e (n)	步长误差n
l	投影的顺序
N	过滤顺序(例如，过滤长度=N+ 1)
μ	步长

参考文献

[1]“基于正交投影到仿射子空间的自适应滤波算法及其性质”，电子。Commun。日本。67-A(5)， 1984年5月，第19-27页。

保罗·s·r·迪尼兹，自适应滤波:算法与实践，第二版。波士顿:克鲁尔学术出版社，2002年。

扩展功能

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用注意事项及限制:

看到系统对象在MATLAB代码生成(MATLAB编码器)．

另请参阅

对象

dsp。FIRFilter|dsp。lMSFilter|dsp。RlSFilter

介绍了R2013a

DSP系统工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在

dsp。AffineProjectionFilter

描述

创建

语法

描述

属性

方法- - - - - -计算滤波系数的方法直接矩阵求逆(默认)|递归矩阵更新|块直接矩阵反演

长度- - - - - -滤波器系数向量的长度32(默认)|正整数

ProjectionOrder- - - - - -仿射投影算法的投影顺序2(默认)|正整数

StepSize- - - - - -仿射投影步长1(默认)|负的标量

InitialCoefficients- - - - - -滤波器初始系数0(默认)|标量|向量

InitialOffsetCovariance- - - - - -偏移输入协方差矩阵的初值1(默认)|标量|方阵

依赖关系

InitialInverseOffsetCovariance- - - - - -偏置输入协方差矩阵的逆初值20.(默认)|标量|方阵

依赖关系

InitialCorrelationCoefficients- - - - - -最初的相关系数0(默认)|标量|向量

依赖关系

LockCoefficients- - - - - -锁系数更新假(默认)|真正的

使用

语法

描述

输入参数

x- - - - - -数据输入标量|列向量

d- - - - - -期望信号标量|列向量

输出参数

y——过滤输出标量|列向量

犯错-输出与期望信号之间的差异标量|列向量

对象的功能

特定于dsp。AffineProjectionFilter

所有系统对象都是通用的

例子

正交相移编码自适应均衡

基于仿射投影滤波器的FIR滤波器系统辨识

算法

参考文献

扩展功能

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

另请参阅

对象

DSP系统工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

`方法`- - - - - -计算滤波系数的方法
`直接矩阵求逆`(默认)|`递归矩阵更新`|`块直接矩阵反演`

`长度`- - - - - -滤波器系数向量的长度
`32`(默认)|正整数

`ProjectionOrder`- - - - - -仿射投影算法的投影顺序
`2`(默认)|正整数

`StepSize`- - - - - -仿射投影步长
`1`(默认)|负的标量

`InitialCoefficients`- - - - - -滤波器初始系数
`0`(默认)|标量|向量

`InitialOffsetCovariance`- - - - - -偏移输入协方差矩阵的初值
`1`(默认)|标量|方阵

`InitialInverseOffsetCovariance`- - - - - -偏置输入协方差矩阵的逆初值
`20.`(默认)|标量|方阵

`InitialCorrelationCoefficients`- - - - - -最初的相关系数
`0`(默认)|标量|向量

`LockCoefficients`- - - - - -锁系数更新
`假`(默认)|`真正的`

`x`- - - - - -数据输入
标量|列向量

`d`- - - - - -期望信号
标量|列向量

`y`——过滤输出
标量|列向量

`犯错`-输出与期望信号之间的差异
标量|列向量

特定于`dsp。AffineProjectionFilter`

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。