主要内容

通过自适应滤波延时信道估计

这个示例使用:

开放模式

这个例子显示了如何自适应地估计噪声输入信号的时间延迟使用LMS自适应冷杉算法。

假设一个信号$ s [n] = [n] + w美元[n]在哪里w [n]美元是白高斯过程一个[n]美元是确定的。信号测量的回声M美元样品和衰减\α美元(都是未知的),导致整体的测量:

$ $ x [n] = [n] + \α年代(n - m) $ $

我们的目标是估计延迟M美元和回声衰减\α美元。这些参数可以确定一个解决过滤识别问题$ x = h * s $为h美元,加上之前$ h [n] =δ\ [n] +α\ s [n - m]美元。提供的过滤器h美元从测量信号可以确定吗x美元和原始信号年代美元,一个可以推出\α美元和M美元

这种滤波器构成的自适应识别问题可以LTI过滤。参考信号$ d [n] = x美元[n],输入提要美元$ s [n],自适应滤波器w美元。显然,如果适应过程结尾w \ h美元然后误差信号$ x - w * s = (h-w) * x美元就消失了。

有许多自适应滤波算法。对于这个paricular的问题设置和信号模型,归一化LMS算法是合适的,是可用的LMS滤波器块。

运行仿真。滤波器的峰值水龙头向量表示时滞估计。在这种情况下M = 8美元和美元\α= \压裂{1}{2}$。

,微积分,自适应滤波器理论,3日Ed新世纪1996。

相关的话题