主要内容

dsp.AdaptiveLatticeFilter

自适应网格过滤器

描述

dsp.AdaptiveLatticeFilter系统对象™计算输出,错误,和使用lattice-based冷杉自适应滤波器系数。

实现自适应滤波器对象:

  1. 创建dsp.AdaptiveLatticeFilter对象并设置其属性。

  2. 调用对象的参数,就好像它是一个函数。

了解更多关于系统对象是如何工作的,看到的系统对象是什么?

创建

描述

阿尔夫= dsp.AdaptiveLatticeFilter返回一个lattice-based FIR自适应滤波器系统对象,阿尔夫。这个系统对象计算过滤输出和过滤器错误对于一个给定的输入和期望信号。

例子

阿尔夫= dsp.AdaptiveLatticeFilter (len)返回一个AdaptiveLatticeFilter系统对象的长度属性设置为len

例子

阿尔夫= dsp.AdaptiveLatticeFilter (名称,值)返回一个AdaptiveLatticeFilter与每个指定的系统对象属性设置为指定的值。在单引号附上每个属性的名字。未指定的属性有默认值。

属性

全部展开

属性,除非另有注明nontunable后,这意味着你不能改变它们的值调用对象。对象锁当你叫他们,释放函数打开它们。

如果一个属性可调在任何时候,你可以改变它的值。

改变属性值的更多信息,请参阅系统设计在MATLAB使用系统对象

指定用于计算滤波器系数的方法“最小二乘格”,“QR-decomposition最小二乘格”,“梯度自适应格”。默认值是“最小二乘格”。算法用于实现这三种不同的方法,请参考[1][2]。这个属性是nontunable。

冷杉滤波器系数向量的长度指定为一个正整数的值。这个属性是nontunable。

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

指定最小二乘格忘记积极因素作为标量数值小于或等于1。设置这个值为1表示无限的记忆在适应。

可调:是的

依赖关系

这个属性只适用于如果属性设置为方法“最小二乘格”“QR-decomposition最小二乘格”

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

指定的联合流程步长梯度自适应格过滤器是一个积极的数字标量小于或等于1。

可调:是的

依赖关系

这个属性只适用于如果方法属性设置为“梯度自适应格”

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

指定一个分母的偏移值StepSize标准化术语作为一个非负数字标量。非零偏移有助于避免divide-by-near-zero条件当输入信号幅度很小。

可调:是的

依赖关系

这个属性只适用于如果方法属性设置为“梯度自适应格”

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

指定的反射过程步长梯度自适应格滤波器作为标量数值在0和1之间,包容。默认值是StepSize属性值。

可调:是的

依赖关系

只有在使用这个属性方法属性设置为“梯度自适应格”

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

指定平均系数小于1的正数值标量。使用这个属性来计算指数有窗的向前和向后预测误差系数更新的能力。默认的值是1 - StepSize

可调:是的

依赖关系

这个属性只适用于如果方法属性设置为“梯度自适应格

数据类型:|

预测误差向量的初始值指定为一个标量积极的数字值。

如果方法属性设置为“最小二乘格”“QR-decomposition最小二乘格”默认值是1.0。如果方法属性设置为“梯度自适应格”默认值是0.1

可调:是的

数据类型:|

指定FIR自适应滤波器系数的初始值作为一个标量或矢量的长度等于的价值长度财产。

可调:是的

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

指定是否锁定滤波器系数的值。默认情况下,此属性的值,对象不断更新滤波器系数。如果将此属性设置为真正的,滤波器系数不更新和它们的值保持不变。

可调:是的

依赖关系

这个属性只如果适用方法属性设置为“梯度自适应格”

使用

描述

例子

(y,犯错)=阿尔夫(x,d)过滤器的输入x,使用d期望信号,并返回输出过滤y过滤错误犯错。系统对象估计滤波器权重需要最小化错误输出信号与期望信号。你可以通过访问访问这些系数系数对象的属性。之后才可以调用对象。例如,访问的优化系数阿尔夫过滤器,叫alf.Coefficients在你输入和期望信号传递给对象。

输入参数

全部展开

信号被自适应过滤晶格过滤器。输入,x所需的信号,d,必须有相同的大小和数据类型。

可以适应信号输入。你可以改变的数量列向量中的元素即使对象是锁着的。系统调用对象时对象锁。

数据类型:|
复数的支持:金宝app是的

自适应网格过滤器调整系数误差降到最低,犯错和收敛的输入信号x所需的信号d尽可能密切。

输入,x所需的信号,d,必须有相同的大小和数据类型。

可以适应信号所需的信号。你可以改变的数量列向量中的元素即使对象是锁着的。系统调用对象时对象锁。

数据类型:|
复数的支持:金宝app是的

输出参数

全部展开

过滤输出,作为一个标量或返回一个列向量。对象调整滤波器系数收敛的输入信号x匹配所需的信号d。滤波器输出融合信号。

数据类型:|
复数的支持:金宝app是的

输出信号之间的差异y和所需的信号d,作为一个标量或返回一个列向量。自适应网格过滤器的目标是最小化这个错误。对象调整系数收敛到最优滤波器系数,产生一个相匹配的输出信号与期望信号。访问适应性晶格滤波器系数,电话alf.Coefficients在您输入和期望信号传递给对象的算法。

数据类型:|
复数的支持:金宝app是的

对象的功能

使用一个目标函数,指定系统对象作为第一个输入参数。例如,释放系统资源的系统对象命名obj使用这个语法:

发行版(obj)

全部展开

msesim 自适应滤波器的估计均方误差
一步 运行系统对象算法
释放 释放资源,并允许修改系统对象属性值和输入特征
重置 重置的内部状态系统对象

例子

全部折叠

创建QPSK信号和噪音,过滤得到接收信号,延迟接收到的信号来获取所需的信号。

D = 16;b = exp(1 *π/ 4)* (-0.7 - 1);一个= -0.7 [1];正常= 1000关系;s =符号(randn(1,正常+ D)关系)+ 1我*签署(randn(1,正常+ D)关系);n = 0.1 * (randn(正常+ D关系)+ 1我* randn(1,正常+ D)关系);r =过滤器(b, a, s) + n;x = r (1 + D:正常+ D关系);d = s(1:正常)关系;

使用自适应网格过滤器过滤输出和过滤器错误计算的输入和期望信号。

林= 0.995;德尔= 1;阿尔夫= dsp.AdaptiveLatticeFilter (“长度”32岁的“ForgettingFactor”林,“InitialPredictionErrorPower”▽);[y, e] =阿尔夫(x, d);

情节和同相正交组件所需的输出和错误的信号。

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);

图包含2轴对象。坐标轴对象1与标题同步组件,包含时间指数,ylabel信号值包含3线类型的对象。这些对象代表希望、输出错误。坐标轴对象2与标题正交组件,包含时间指数,ylabel信号值包含3线类型的对象。这些对象代表希望、输出错误。

情节和平衡的信号收到的散点图。

次要情节(2、2、3);情节(x(正常- 100:关系正常)的关系,“。”);轴([3 3 3 3]);标题(“收到信号散点图”);轴(“广场”);包含(“真正的[x]”);ylabel (图像放大[x]”);网格;次要情节(2、2、4);情节(y(正常- 100:关系正常)的关系,“。”);轴([3 3 3 3]);标题(“平衡的信号散点图”);轴(“广场”);包含(“真正的[y]”);ylabel (图像放大[y]”);网格;

图包含4轴对象。坐标轴对象1与标题同步组件,包含时间指数,ylabel信号值包含3线类型的对象。这些对象代表希望、输出错误。坐标轴对象2与标题正交组件,包含时间指数,ylabel信号值包含3线类型的对象。这些对象代表希望、输出错误。坐标轴对象3标题接收信号散点图,包含真正的[x], ylabel图像放大[x]包含一行对象显示它的值只使用标记。坐标轴对象4标题平衡的信号散点图,包含真正的[y], ylabel图像放大[y]包含一行对象显示它的值只使用标记。

0.5公顷= fir1(31日);%冷杉系统识别冷杉= 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;%大量毁灭的因素进行分析%和仿真结果m = 5;哈= dsp.AdaptiveLatticeFilter (l);[simmse, meanWsim Wsim traceKsim] = msesim(哈,x, d, m);情节(m *(1:长度(simmse)), 10 * log10 (simmse));包含(“迭代”);ylabel (“MSE (dB)”);%使用的学习曲线%的自适应网格过滤器用于系统辨识标题(“学习曲线”)

图包含一个坐标轴对象。坐标轴对象与标题的学习曲线,包含迭代,ylabel MSE (dB)包含一个类型的对象。

引用

[1]格里菲斯,劳埃德·j·“连续自适应滤波器实现为一个晶格结构”。声学学报IEEE Int。Conf.,演讲,和信号处理,哈特福德、CT、683 - 686年,1977页。

[2]微积分,S。自适应滤波器理论,4。台北:普伦蒂斯霍尔,1996年。

扩展功能

版本历史

介绍了R2013b