使用递归最小二乘(RLS)算法计算输出、误差和系数
的dsp。RLSFilter
系统对象™使用RLS过滤器实现对输入的每个通道进行过滤。
要过滤输入的每个通道,请执行以下操作:
创建dsp。RLSFilter
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?
返回自适应RLS滤波器系统对象,rlsFilt
= dsp。RLSFilterrlsFilt
。此系统对象使用RLS算法计算给定输入和期望信号的滤波输出、滤波误差和滤波器权重。
返回RLS筛选器系统对象,rlsFilt
=dsp.RLSFilter(伦恩
)rlsFilt
.这个System对象具有长度
属性设置为伦恩
.
返回每个指定属性都设置为指定值的RLS筛选器系统对象。将每个属性名称用单引号括起来。未指定的属性具有默认值。rlsFilt
=dsp.RLSFilter(名称,值
)
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:
释放(obj)
的dsp。RLSFilter
系统对象,当传统的RLS
选择后,递归计算最小二乘估计(RLS)FIR滤波器权重的。系统对象估计将输入信号转换为所需信号所需的滤波器权重或系数。输入信号可以是标量或列向量。所需信号必须具有与输入信号相同的数据类型、复杂性和维数。相应的RLS滤波器以ma表示trix表格asP(n) :
在λ-1表示指数加权因子的倒数。变量如下:
变量 | 描述 |
---|---|
n | 当前时间索引 |
u(n) | 步骤中缓冲输入样本的向量n |
P(n) | 阶跃逆相关矩阵的共轭n |
k(n) | 步进增益矢量n |
k*(n) | 复共轭k |
w(n) | 阶跃滤波器抽头估计向量n |
y(n) | 步骤中的过滤输出n |
e(n) | 阶跃估计误差n |
d (n) | 期望的阶跃响应n |
λ | 遗忘因子 |
u,w和k都是列向量。
[1] 我是海斯,统计数字信号处理与建模,纽约:威利,1996年。
[2] 海金,自适应滤波理论,第四版,上鞍河,NJ: Prentice Hall, 2002。
[3] A.A.Rontogiannis和S.Theodoridis,“逆因式分解自适应最小二乘算法,”信号处理号,第52卷。1,第35-47页,1996年7月。
[4] S.C. Douglas,“数字稳健的O(N)2使用最小二乘预白化的RLS算法声学、语音和信号处理,土耳其伊斯坦布尔,vol. I, pp. 412-415, 2000年6月。
A. H.赛义德,自适应滤波的基础,新泽西州霍博肯:约翰·威利父子公司,2003年。