dsp。FastTransversalFilter
快速横向最小二乘FIR自适应滤波器
描述
这dsp。FastTransversalFilter使用快速横向最小二乘FIR自适应滤波器计算输出，误差和系数。
实现自适应FIR滤波器对象:
创建
dsp。FastTransversalFilter对象并设置其属性。使用参数调用对象，就像调用函数一样。
要了解有关系统对象如何工作的更多信息，请参阅什么是系统对象？
创造
句法
描述
FTF.=dsp.FastTransversalFilterFTF.，这是一种快速横向最小二乘FIR自适应滤波器。此系统对象计算给定输入和所需信号的滤波输出和滤波误差。
FTF.=dsp.FastTransversalFilter（伦恩）dsp.FastTrasversalFilter系统对象长度物业设为伦恩．
FTF.=dsp.FastTransversalFilter（名称，价值）dsp。FastTransversalFilter系统对象，每个指定的属性设置为指定的值。
性质
用法
描述
输入参数
输出参数
对象功能
要使用对象函数，请将System对象指定为第一个输入参数。例如，要发布命名的系统对象的系统资源obj.，使用下面的语法:
释放（obj）
例子
基于快速横向滤波器的FIR滤波器系统辨识
系统识别是使用自适应滤波器识别未知系统的系数的过程。该过程的一般概述显示在系统识别–使用自适应滤波器识别未知系统．涉及的主要组成部分有:
自适应滤波算法。
要适应的未知系统或过程。在本例中，由
fir1是未知的系统。适当的输入数据来练习适应过程。在一般系统辨识模型中，所要求的信号D.（K.)和输入信号X（K.)用来练习适应过程。
自适应滤波器的目标是使自适应滤波器输出之间的误差信号最小y（K.)以及未知系统（或待识别系统）的输出D.（K.）。一旦误差信号最小化，所适应的过滤器就像未知系统。两个滤波器的系数密切匹配。
笔记：如果您使用的是R2016a或更早版本，请将每个对对象的调用替换为等效的调用一步句法。例如，obj（x）变成步骤（obj，x）．
未知的系统
创建一个数字信号处理器对象，该对象表示要标识的系统。使用fir1功能设计滤波器系数。设计的过滤器是10阶低通数字滤波器，截止频率为0.25。
filt = dsp.FIRFilter;filt。为分子= fir1(10日)
filt=dsp.FIRFilter和属性：结构：'Direct form'分子源：'Property'分子：[-0.0039 1.7585e-18 0.0321 0.1167 0.2207 0.2687…]初始条件：0显示所有属性
通过信号X到FIR滤波器。所需的信号D.是未知系统（FIR滤波器）的输出和添加噪声信号的总和N．
X = RANDN（1000,1）;d = filt（x）+ 0.01 * randn（1000,1）;
自适应过滤器
在设计了未知滤波器且所需信号就位后，创建并应用快速横向滤波器对象来识别未知滤波器。
创建一个dsp。FastTransversalFilter对象表示自适应滤波器。设置自适应过滤器的长度为11点，遗忘因子为0.99。
ftf1 = dsp.fasttransversalfilter（11，...“遗忘因子”，0.99）
ftf1=dsp.FastTransversalFilter，具有以下属性：方法：“快速横向最小二乘法”长度：11遗忘因子：0.9900初始预测错误功率：10初始系数：0初始转换因子：1锁定系数：false
传递主输入信号X以及所需的信号D.到快速横向滤波器。运行自适应滤波器以确定未知系统。输出y自适应滤波器的特征是信号收敛到期望信号D.，从而最小化错误E.在两个信号之间。
[y，e] = ftf1（x，d）;w = ftf1.coffients.
w=1×11-0.0043 0.0016 0.0308 0.1171 0.2204 0.2677 0.2210 0.1181 0.0323 0.0013 -0.0037
绘制结果。输出信号与所需信号非常接近，使两者之间的误差接近于零。
次要情节(2,1,1);情节(1:1000 [d, y, e])标题('系统识别冷杉过滤器'）;传奇（'想要'那“输出”那“错误”）;Xlabel（“时间指数”); 伊拉贝尔('信号值'）;
FIR滤波器的系数与适配滤波器的系数非常紧密地匹配，从而确认收敛。
子图（2,1,2）;茎（[filt.numerator; w]。）;传奇（“实际”那“估计”）;Xlabel（“系数#”); 伊拉贝尔(“系数值”）;
参考文献
[1] 海金，西蒙。自适应滤波理论，第四版。新泽西州上鞍河：普伦蒂斯学院，2002年。
扩展能力
也可以看看
对象
您还可以从以下列表中选择网站：
