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。
过滤输入的每个通道:
创建dsp。RLSFilter
对象并设置其属性。
使用参数调用对象,就像它是一个函数。
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
.使用RLS算法,该系统对象计算给定输入和期望信号的滤波输出,滤波器误差和滤波器权重。
返回一个RLS过滤器系统对象,rlsFilt
= dsp.rlsfilter(len
)rlsFilt
.这个System对象具有长度
属性设置为len
.
使用每个指定属性设置为指定值的RLS过滤系统对象。用单引号括起每个属性名称。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:
发行版(obj)
的dsp。RLSFilter
系统对象,当传统的RLS
,递归计算FIR滤波器权值的最小二乘估计(RLS)。System对象估计滤波器的权重或系数,需要将输入信号转换为所需的信号。输入信号可以是标量或列向量。所需的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滤波器用矩阵形式表示为P(n):
在λ-1为指数加权因子的倒数。变量如下:
变量 | 描述 |
---|---|
n | 当前时间指数 |
u(n) | 缓冲输入样本在步长处的向量n |
P(n) | 阶跃相关逆矩阵的共轭n |
k(n) | 阶跃的增益向量n |
k *(n) | 复杂共轭k |
w(n) | 过滤器点击估计的矢量在步骤n |
y(n) | 过滤的输出在步骤n |
e (n) | 步骤中的估计误差n |
d (n) | 期望的阶跃响应n |
λ | 遗忘因子 |
u,w,k都是列向量。
[1] M海耶斯,统计数字信号处理与建模,纽约:Wiley, 1996。
[2]微积分,自适应滤波器理论,第四版,上鞍河,NJ: Prentice Hall, 2002。
A.A. Rontogiannis和S. Theodoridis,“逆因子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,霍博肯:约翰·威利父子公司,2003。