dsp。FilteredXLMSFilter
过滤过的XLMS过滤器
描述
的dsp。FilteredXLMSFilter系统对象™计算输出，误差和系数使用滤波x最小均方FIR自适应滤波器。
实现自适应FIR滤波对象:
创建
dsp。FilteredXLMSFilter对象并设置其属性。使用参数调用对象，就像调用函数一样。
有关系统对象如何工作的详细信息，请参见什么是系统对象?
创建
语法
属性
使用
描述
输入参数
输出参数
对象的功能
要使用对象函数，请将System对象指定为第一个输入参数。例如，释放system对象的系统资源obj，使用这种语法:
发行版(obj)
例子
随机噪声信号的主动噪声控制
请注意:如果您正在使用R2016a或更早的版本，请将对对象的每个调用替换为等效的调用一步语法。例如,obj (x)就变成了步骤(obj, x)．
生成噪声，创建FIR主路径系统模型，生成观测噪声，对添加噪声的主路径系统模型输出进行滤波，创建FIR次路径系统模型。
X = randn(1000,1);G = fir1(47,0.4);N = 0.1*randn(1000,1);D = filter(g,1,x) + n;B = fir1(31,0.5);
使用dsp。FilteredXLMSFilter系统对象™用于计算滤波输出和输入和要取消的信号的滤波误差。
Mu = 0.008;FXLMS = dsp。FilteredXLMSFilter (32,“StepSize”亩,“LeakageFactor”,.．.1，“SecondaryPathCoefficients”, b);[y,e] = fxlms(x,d);
画出结果。
情节(1:1000 d“b”1:1000 e“r”）;标题(随机噪声信号的主动噪声控制）;传奇(“原始”,“减”）;包含(“时间指数”）;ylabel (的信号值）;网格在；
利用经过滤波的XLMS滤波器进行FIR滤波器的系统辨识
通过使用滤波x LMS算法执行主动噪声控制来识别未知系统。自适应滤波器的目标是使自适应滤波器的输出与未知系统(或待识别系统)的输出之间的误差信号最小化。一旦误差信号最小，未知系统就会收敛到自适应滤波器。
请注意:如果您正在使用R2016a或更早的版本，请使用等效的步骤语法替换对对象的每个调用。例如,obj (x)就变成了步骤(obj, x)．
初始化
创建一个dsp。FIRFilter系统对象，表示要标识的系统。传递信号，x，到FIR滤波器。未知系统的输出是期望的信号，d，为未知系统(FIR滤波器)输出与加性噪声信号的和，n．
Num = fir1(31,0.5);Fir = dsp。FIRFilter (“分子”, num);Iir = dsp。IIRFilter (“分子”sqrt (0.75),.．.“分母”-0.5 [1]);X = iir(sign(randn(2000,25)));N = 0.1*randn(size(x));D = fir(x) + n;
自适应滤波器
创建一个dsp。FilteredXLMSFilter对象创建一个使用filter -x LMS算法的自适应过滤器。设置自适应滤波器的长度为32个点，步长为0.008，用于分析和模拟的抽取因子为5。的变量simmse表示未知系统的输出，d，自适应滤波器的输出。
L = 32;Mu = 0.008;M = 5;FXLMS = dsp。FilteredXLMSFilter (l,“StepSize”μ);[simmse,meanWsim,Wsim,traceKsim] = msesim(fxlms,x,d,m);情节(m *(1:长度(simmse)), 10 * log10 (simmse))包含(“迭代”) ylabel (“MSE (dB)”）绘制filter -x LMS filter的学习曲线用于系统标识标题(“学习曲线”）
随着每一次迭代的适应，价值的提升simmse减小到最小值，表明未知系统已经收敛到自适应滤波器。
参考文献
[1]郭S.M.和摩根D.R.有源噪声控制系统:算法与DSP实现．纽约:John Wiley & Sons出版社，1996年。
[2] Widrow, B. and Stearns, S.D.自适应信号处理．新泽西州上马鞍河:Prentice Hall, 1985。
版本历史
在R2013b中引入
您也可以从以下列表中选择一个网站: