msepredgydF4y2Ba

LMS自适应滤波器的预测均方误差gydF4y2Ba

语法gydF4y2Ba

[mmseemse] = msepred(lmsFilt,x,d)gydF4y2Ba

[mmseemse,meanw,mse,tracek] = msepred(lmsFilt,x,d)gydF4y2Ba

[mmseemse,meanw,mse,tracek] = msepred(lmsFilt,x,d,m)gydF4y2Ba

描述gydF4y2Ba

［gydF4y2Ba患者的gydF4y2BaemsegydF4y2Ba= msepred(gydF4y2BalmsFiltgydF4y2Ba，gydF4y2BaxgydF4y2Ba，gydF4y2BadgydF4y2Ba）gydF4y2Ba预测最小均方误差收敛时的稳态值，gydF4y2Ba患者的gydF4y2Ba，剩余均方误差，gydF4y2BaemsegydF4y2Ba，给定输入和所需的响应信号序列gydF4y2BaxgydF4y2Ba而且gydF4y2BadgydF4y2Ba这些量gydF4y2Badsp。l米SFilter系统对象™,gydF4y2BalmsFiltgydF4y2Ba．gydF4y2Ba

例子gydF4y2Ba

［gydF4y2Ba患者的gydF4y2BaemsegydF4y2Ba，gydF4y2BameanwgydF4y2Ba，gydF4y2Ba均方误差gydF4y2Ba，gydF4y2BatracekgydF4y2Ba= msepred(gydF4y2BalmsFiltgydF4y2Ba，gydF4y2BaxgydF4y2Ba，gydF4y2BadgydF4y2Ba）gydF4y2Ba也计算gydF4y2BameanwgydF4y2Ba，系数向量的均值序列，gydF4y2Ba均方误差gydF4y2Ba，均方误差序列，和gydF4y2BatracekgydF4y2Ba，为总系数误差幂的序列。gydF4y2Ba

例子gydF4y2Ba

［gydF4y2Ba患者的gydF4y2BaemsegydF4y2Ba，gydF4y2BameanwgydF4y2Ba，gydF4y2Ba均方误差gydF4y2Ba，gydF4y2BatracekgydF4y2Ba= msepred(gydF4y2BalmsFiltgydF4y2Ba，gydF4y2BaxgydF4y2Ba，gydF4y2BadgydF4y2Ba，gydF4y2Ba米gydF4y2Ba）gydF4y2Ba指定用于计算的可选抽取因子gydF4y2BameanwgydF4y2Ba，gydF4y2Ba均方误差gydF4y2Ba,gydF4y2BatracekgydF4y2Ba．如果gydF4y2Ba米gydF4y2Ba> 1，每gydF4y2Ba米gydF4y2Ba^thgydF4y2Ba每个序列的预测值被保存。如果省略，的值gydF4y2Ba米gydF4y2Ba是默认值，即1。gydF4y2Ba

例子gydF4y2Ba

全部折叠gydF4y2Ba

预测LMS滤波器的均方误差gydF4y2Ba

打开实时脚本gydF4y2Ba

均方误差(MSE)测量自适应滤波器的期望信号和主要输入信号之间误差平方的平均值。减少这个误差可以将主要输入收敛到所需的信号。确定各时刻的MSE预测值和模拟MSE值gydF4y2BamsepredgydF4y2Ba而且gydF4y2BamsesimgydF4y2Ba功能。将这些MSE值相互比较，并相对于最小MSE值和稳态MSE值进行比较。此外，计算由系数协方差矩阵的迹所给出的系数误差的平方和。gydF4y2Ba

请注意gydF4y2Ba: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,gydF4y2Baobj (x)gydF4y2Ba就变成了gydF4y2Ba步骤(obj, x)gydF4y2Ba．gydF4y2Ba

初始化gydF4y2Ba

创建一个gydF4y2Badsp。FIRFiltergydF4y2Ba表示未知系统的系统对象™。传递信号，gydF4y2BaxgydF4y2Ba，gydF4y2Ba到FIR滤波器。未知系统的输出是期望的信号，gydF4y2BadgydF4y2Ba，为未知系统(FIR滤波器)输出与加性噪声信号的和，gydF4y2BangydF4y2Ba．gydF4y2Ba

Num = fir1(31,0.5);Fir = dsp。FIRFilter (gydF4y2Ba“分子”gydF4y2Ba, num);Iir = dsp。IIRFilter (gydF4y2Ba“分子”gydF4y2Basqrt (0.75),gydF4y2Ba.．.gydF4y2Ba“分母”gydF4y2Ba-0.5 [1]);X = iir(sign(randn(2000,25)));N = 0.1*randn(size(x));D = fir(x) + n;gydF4y2Ba

LMS滤波器gydF4y2Ba

创建一个gydF4y2Badsp。l米SFilter对象来创建一个滤波器，以适应输出所需的信号。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gydF4y2BasimmsegydF4y2Ba表示未知系统输出之间的模拟MSE，gydF4y2BadgydF4y2Ba，自适应滤波器的输出。的变量gydF4y2Ba均方误差gydF4y2Ba给出相应的预测值。gydF4y2Ba

L = 32;Mu = 0.008;M = 5;LMS = dsp。LMSFilter (gydF4y2Ba“长度”gydF4y2Bal,gydF4y2Ba“StepSize”gydF4y2Baμ);[mmse,emse,meanW,mse,traceK] = msepred(lms,x,d,m);[simmse,meanWsim,Wsim,traceKsim] = msesim(lms,x,d,m);gydF4y2Ba

绘制MSE结果gydF4y2Ba

比较模拟MSE、预测MSE、最小MSE和最终MSE的值。最终的均方误差值由最小均方误差和最大均方误差之和给出。gydF4y2Ba

Nn = m:m:size(x,1);simmse semilogy (nn,大小(x, 1) [0], [(emse + mmse)gydF4y2Ba.．.gydF4y2Ba(emse + mmse)], nn, mse,大小(x, 1) [0], [mmse mmse])标题(gydF4y2Ba“均方误差性能”gydF4y2Ba(0 size(x,1) 0.001 10])gydF4y2Ba“MSE (Sim)。”gydF4y2Ba，gydF4y2Ba“最后的MSE”gydF4y2Ba，gydF4y2BaMSE的gydF4y2Ba，gydF4y2Ba“最小MSE。”gydF4y2Ba)包含(gydF4y2Ba“时间指数”gydF4y2Ba) ylabel (gydF4y2Ba平方误差值gydF4y2Ba）gydF4y2Ba

图中包含一个轴对象。标题为Mean Squared Error Performance的axis对象包含4个类型为line的对象。这些对象表示均方误差(Sim.)、最终均方误差、均方误差、最小均方误差。gydF4y2Ba

预测的MSE与模拟的MSE遵循相同的轨迹。这两个轨迹都收敛于稳态(最终)MSE。gydF4y2Ba

画出系数轨迹gydF4y2Ba

meanWsimgydF4y2Ba模拟系数的平均值是否为gydF4y2BamsesimgydF4y2Ba．gydF4y2BameanWgydF4y2Ba预测系数的平均值是否为gydF4y2BamsepredgydF4y2Ba．gydF4y2Ba

比较LMS滤波器系数12、13、14和15的模拟和预测平均值。gydF4y2Ba

情节(nn meanWsim (: 12),gydF4y2Ba“b”gydF4y2Ba、神经网络、meanW (: 12),gydF4y2Ba“r”gydF4y2Ba神经网络,gydF4y2Ba.．.gydF4y2BameanWsim (:, 13:15),gydF4y2Ba“b”gydF4y2Ba、神经网络、meanW (:, 13:15),gydF4y2Ba“r”gydF4y2Ba) PlotTitle ={gydF4y2Ba的平均系数轨迹gydF4y2Ba；gydF4y2Ba.．.gydF4y2Ba'W(12)， W(13)， W(14)， W(15)'gydF4y2Ba｝gydF4y2Ba

PlotTitle =gydF4y2Ba2 x1细胞gydF4y2Ba{'} {'W(12)， W(13)， W(14)和W(15)'}的平均系数轨迹gydF4y2Ba

标题(PlotTitle)传说(gydF4y2Ba“模拟”gydF4y2Ba，gydF4y2Ba“理论”gydF4y2Ba)包含(gydF4y2Ba“时间指数”gydF4y2Ba) ylabel (gydF4y2Ba的系数值gydF4y2Ba）gydF4y2Ba

图中包含一个轴对象。标题为W(12)、W(13)、W(14)和W(15)的轴对象包含8个类型为line的对象。这些对象代表模拟、理论。gydF4y2Ba

在稳态下，两条轨迹都收敛。gydF4y2Ba

平方系数误差之和gydF4y2Ba

比较所给出的系数误差平方和gydF4y2BamsepredgydF4y2Ba而且gydF4y2BamsesimgydF4y2Ba．这些值由系数协方差矩阵的迹给出。gydF4y2Ba

traceK traceKsim semilogy(神经网络,神经网络,gydF4y2Ba“r”gydF4y2Ba)标题(gydF4y2Ba“平方和系数误差”gydF4y2Ba)轴([0 size(x,1) 0.0001])gydF4y2Ba“模拟”gydF4y2Ba，gydF4y2Ba“理论”gydF4y2Ba)包含(gydF4y2Ba“时间指数”gydF4y2Ba) ylabel (gydF4y2Ba平方误差值gydF4y2Ba）gydF4y2Ba

图中包含一个轴对象。标题为Sum-of-Squared Coefficient Errors的axis对象包含2个类型为line的对象。这些对象代表模拟、理论。gydF4y2Ba

输入参数gydF4y2Ba

全部折叠gydF4y2Ba

`lmsFiltgydF4y2Ba`- - - - - -gydF4y2BaLMS adaptive filter系统对象gydF4y2Ba
`dsp。l米SFilter`

LMS自适应滤波器，指定为gydF4y2Badsp。l米SFilter系统对象。gydF4y2Ba

`xgydF4y2Ba`- - - - - -gydF4y2Ba输入信号gydF4y2Ba
标量gydF4y2Ba|gydF4y2Ba列向量gydF4y2Ba|gydF4y2Ba矩阵gydF4y2Ba

输入信号，指定为标量、列向量或矩阵。矩阵的列gydF4y2BaxgydF4y2Ba包含单独的输入信号序列。输入,gydF4y2BaxgydF4y2Ba，和期望信号，gydF4y2BadgydF4y2Ba，必须具有相同的大小、数据类型和复杂性。gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

`dgydF4y2Ba`- - - - - -gydF4y2Ba期望信号gydF4y2Ba
标量gydF4y2Ba|gydF4y2Ba列向量gydF4y2Ba|gydF4y2Ba矩阵gydF4y2Ba

期望的响应信号，指定为标量、列向量或矩阵。矩阵的列gydF4y2BadgydF4y2Ba包含个别所需的信号序列。输入,gydF4y2BaxgydF4y2Ba，和期望信号，gydF4y2BadgydF4y2Ba，必须具有相同的大小、数据类型和复杂性。gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

`米gydF4y2Ba`- - - - - -gydF4y2Ba大量毁灭的因素gydF4y2Ba
`1gydF4y2Ba`(默认)|gydF4y2Ba积极的标量gydF4y2Ba

抽取因子，指定为正标量。每一个gydF4y2Ba米gydF4y2Ba第3、4、5个预测序列输出的第Th个预测值保存到相应的输出参数中，gydF4y2BameanwgydF4y2Ba，gydF4y2Ba均方误差gydF4y2Ba,gydF4y2BatracekgydF4y2Ba．如果gydF4y2Ba米gydF4y2Ba等于1时，这些序列的每一个值都被保存。gydF4y2Ba

米gydF4y2Ba必须是输入帧大小的一个因素。gydF4y2Ba

输出参数gydF4y2Ba

全部折叠gydF4y2Ba

`患者的gydF4y2Ba`-最小均方误差gydF4y2Ba
标量gydF4y2Ba

最小均方误差(mmse)，作为标量返回。这个参数是用维纳滤波器估计的。该维纳滤波器使所需信号与经维纳滤波器滤波的输入信号之间的均方误差最小化。均方误差较大表明自适应滤波器不能准确地跟踪期望的信号。均方误差的最小值确保自适应滤波器是最优的。所需信号的特定帧与滤波信号之间的最小均方误差计算为信号的两帧之间的方差。的gydF4y2BamsepredgydF4y2Ba函数输出所有帧的mmse值的平均值。有关如何计算此参数的详细信息，请参见gydF4y2Ba算法gydF4y2Ba．gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

`emsegydF4y2Ba`-稳态超额均方误差gydF4y2Ba
标量gydF4y2Ba

超额均方误差，作为标量返回。该误差是自适应滤波器引入的均方误差与对应维纳滤波器产生的最小均方误差之差。具体计算方法请参见gydF4y2Ba算法gydF4y2Ba．gydF4y2Ba

数据类型:gydF4y2Ba单gydF4y2Ba|gydF4y2Ba双gydF4y2Ba

`meanwgydF4y2Ba`-系数向量均值序列gydF4y2Ba
矩阵gydF4y2Ba

自适应滤波器各时刻的系数向量均值序列，以矩阵形式返回。该矩阵的列包含LMS自适应滤波器系数在每个时刻的平均值的预测。如果是抽取因子，gydF4y2Ba米gydF4y2Ba等于1，的维数gydF4y2BameanwgydF4y2Ba是gydF4y2Ba米gydF4y2Ba——- - - - - -gydF4y2BaNgydF4y2Ba．gydF4y2Ba米gydF4y2Ba是输入信号的帧大小(行数)，gydF4y2BaxgydF4y2Ba．gydF4y2BaNgydF4y2Ba是FIR滤波器权重向量的长度，由gydF4y2Ba长度gydF4y2Ba的属性gydF4y2BalmsFiltgydF4y2Ba系统对象。如果gydF4y2Ba米gydF4y2Ba> 1，的维数gydF4y2BameanwgydF4y2Ba是gydF4y2Ba米gydF4y2Ba/gydF4y2Ba米gydF4y2Ba——- - - - - -gydF4y2BaNgydF4y2Ba．gydF4y2Ba

具体计算方法请参见gydF4y2Ba算法gydF4y2Ba．gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

`均方误差gydF4y2Ba`-均方误差序列gydF4y2Ba
列向量gydF4y2Ba

LMS自适应滤波器在每个时刻的均方误差预测，作为列向量返回。如果是抽取因子，gydF4y2Ba米gydF4y2Ba等于1，的长度gydF4y2Ba均方误差gydF4y2Ba等于输入信号的帧大小(行数)，gydF4y2Ba米gydF4y2Ba．如果gydF4y2Ba米gydF4y2Ba> 1，的长度gydF4y2Ba均方误差gydF4y2Ba=gydF4y2Ba米gydF4y2Ba/gydF4y2Ba米gydF4y2Ba．gydF4y2Ba

具体计算方法请参见gydF4y2Ba算法gydF4y2Ba．gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

`tracekgydF4y2Ba`-总系数误差幂的序列gydF4y2Ba
列向量gydF4y2Ba

LMS自适应滤波器在每个时刻的总系数误差功率的预测，作为列向量返回。如果是抽取因子，gydF4y2Ba米gydF4y2Ba等于1，的长度gydF4y2BatracekgydF4y2Ba等于输入信号的帧大小(行数)，由size(gydF4y2BaxgydF4y2Ba, 1)。如果gydF4y2Ba米gydF4y2Ba> 1，的长度gydF4y2BatracekgydF4y2Ba等于输入帧大小与抽取因子的比值，gydF4y2Ba米gydF4y2Ba．gydF4y2Ba

具体计算方法请参见gydF4y2Ba算法gydF4y2Ba．gydF4y2Ba

数据类型:gydF4y2Ba双gydF4y2Ba

算法gydF4y2Ba

全部折叠gydF4y2Ba

最小均方误差(mmse)gydF4y2Ba

的gydF4y2BamsepredgydF4y2Ba函数使用以下公式计算最小均方误差(mmse):gydF4y2Ba

$米gydF4y2Ba 米gydF4y2Ba 年代gydF4y2Ba egydF4y2Ba ＝gydF4y2Ba \frac{{\sumgydF4y2Ba}_{我gydF4y2Ba ＝gydF4y2Ba 1gydF4y2Ba}^{NgydF4y2Ba} vargydF4y2Ba （gydF4y2Ba {dgydF4y2Ba}_{我gydF4y2Ba} -gydF4y2Ba WgydF4y2Ba （gydF4y2Ba {xgydF4y2Ba}_{我gydF4y2Ba} ）gydF4y2Ba ）gydF4y2Ba}{NgydF4y2Ba}$

在那里,gydF4y2Ba

NgydF4y2Ba——输入信号的帧数，gydF4y2BaxgydF4y2Ba．gydF4y2Ba
dgydF4y2Ba_我gydF4y2Ba- - -gydF4y2Ba我gydF4y2Ba所期望信号的帧(列)。gydF4y2Ba
xgydF4y2Ba_我gydF4y2Ba- - -gydF4y2Ba我gydF4y2Ba输入信号的帧(列)。gydF4y2Ba
W (xgydF4y2Ba_我gydF4y2Ba）gydF4y2Ba——维纳滤波器的输出。gydF4y2Ba
vargydF4y2Ba——方差gydF4y2Ba

超额均方误差(emse)gydF4y2Ba

的gydF4y2BamsepredgydF4y2Ba函数使用以下公式计算稳态超额均方误差:gydF4y2Ba

$\begin{array}{l} egydF4y2Ba 米gydF4y2Ba 年代gydF4y2Ba egydF4y2Ba ＝gydF4y2Ba KgydF4y2Ba λgydF4y2Ba ，gydF4y2Ba \\ KgydF4y2Ba ＝gydF4y2Ba \frac{BgydF4y2Ba}{我gydF4y2Ba （gydF4y2Ba lgydF4y2Ba ）gydF4y2Ba -gydF4y2Ba 一个gydF4y2Ba} ，gydF4y2Ba \\ BgydF4y2Ba ＝gydF4y2Ba {μgydF4y2Ba}^{2gydF4y2Ba} ．gydF4y2Ba 米gydF4y2Ba 米gydF4y2Ba 年代gydF4y2Ba egydF4y2Ba ．gydF4y2Ba λgydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba \\ 一个gydF4y2Ba ＝gydF4y2Ba 我gydF4y2Ba （gydF4y2Ba lgydF4y2Ba ）gydF4y2Ba -gydF4y2Ba 2gydF4y2Ba μgydF4y2Ba lgydF4y2Ba 一个gydF4y2Ba 米gydF4y2Ba +gydF4y2Ba {μgydF4y2Ba}^{2gydF4y2Ba} （gydF4y2Ba lgydF4y2Ba 一个gydF4y2Ba {米gydF4y2Ba}^{2gydF4y2Ba} （gydF4y2Ba kgydF4y2Ba ugydF4y2Ba rgydF4y2Ba tgydF4y2Ba +gydF4y2Ba 2gydF4y2Ba ）gydF4y2Ba +gydF4y2Ba λgydF4y2Ba λgydF4y2Ba ＇gydF4y2Ba ）gydF4y2Ba ．gydF4y2Ba \end{array}$

在那里,gydF4y2Ba

KgydF4y2Ba——变换后的方差系数的最终值。gydF4y2Ba
λgydF4y2Ba——包含输入自相关矩阵特征值的列向量。gydF4y2Ba
λ的gydF4y2Ba——转置gydF4y2BaλgydF4y2Ba．gydF4y2Ba
BgydF4y2Ba——MSE分析驱动项。gydF4y2Ba
lgydF4y2Ba——FIR自适应滤波器的长度，由gydF4y2BalmsFilt。长度gydF4y2Ba．gydF4y2Ba
我(左)gydF4y2Ba- - -gydF4y2BalgydF4y2Ba——- - - - - -gydF4y2BalgydF4y2Ba单位矩阵。gydF4y2Ba
一个gydF4y2Ba——MSE分析转换矩阵。gydF4y2Ba
μgydF4y2Ba步长为gydF4y2BalmsFilt。StepSizegydF4y2Ba．gydF4y2Ba
林gydF4y2Ba——包含特征值的对角矩阵。gydF4y2Ba
库尔特gydF4y2Ba——特征向量滤波信号的平均峰度值。gydF4y2Ba

向量均值(mean)gydF4y2Ba

的gydF4y2BamsepredgydF4y2Ba函数使用以下公式计算系数向量均值序列中的每个元素:gydF4y2Ba

$\begin{array}{l} 米gydF4y2Ba egydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba wgydF4y2Ba ＝gydF4y2Ba 米gydF4y2Ba egydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba wgydF4y2Ba ．gydF4y2Ba TgydF4y2Ba ．gydF4y2Ba DgydF4y2Ba ，gydF4y2Ba \\ TgydF4y2Ba ＝gydF4y2Ba 我gydF4y2Ba （gydF4y2Ba lgydF4y2Ba ）gydF4y2Ba -gydF4y2Ba μgydF4y2Ba RgydF4y2Ba ，gydF4y2Ba \\ DgydF4y2Ba ＝gydF4y2Ba μgydF4y2Ba PgydF4y2Ba ．gydF4y2Ba \end{array}$

在那里,gydF4y2Ba

meanwgydF4y2Ba的初始值gydF4y2BameanwgydF4y2Ba是由gydF4y2BalmsFilt。我n我t我一个lConditions．gydF4y2Ba
TgydF4y2Ba——用于平均系数分析的转换矩阵。gydF4y2Ba
我(左)gydF4y2Ba- - -gydF4y2BalgydF4y2Ba——- - - - - -gydF4y2BalgydF4y2Ba单位矩阵。gydF4y2Ba
μgydF4y2Ba步长为gydF4y2BalmsFilt。StepSizegydF4y2Ba．gydF4y2Ba
RgydF4y2Ba——输入大小的自相关矩阵gydF4y2BalgydF4y2Ba——- - - - - -gydF4y2BalgydF4y2Ba．gydF4y2Ba
DgydF4y2Ba——平均系数分析驱动项。gydF4y2Ba
PgydF4y2Ba——大小为1 × -的互相关向量gydF4y2BalgydF4y2Ba．gydF4y2Ba
库尔特gydF4y2Ba——特征向量滤波信号的平均峰度值。gydF4y2Ba

均方误差(mse)gydF4y2Ba

的gydF4y2BamsepredgydF4y2Ba函数使用以下公式计算均方误差序列的每个元素:gydF4y2Ba

$\begin{array}{l} 米gydF4y2Ba 年代gydF4y2Ba egydF4y2Ba ＝gydF4y2Ba 米gydF4y2Ba 米gydF4y2Ba 年代gydF4y2Ba egydF4y2Ba +gydF4y2Ba dgydF4y2Ba kgydF4y2Ba ．gydF4y2Ba λgydF4y2Ba ，gydF4y2Ba \\ dgydF4y2Ba kgydF4y2Ba ＝gydF4y2Ba dgydF4y2Ba kgydF4y2Ba \circgydF4y2Ba dgydF4y2Ba 我gydF4y2Ba 一个gydF4y2Ba ggydF4y2Ba 一个gydF4y2Ba +gydF4y2Ba 米gydF4y2Ba 年代gydF4y2Ba egydF4y2Ba ．gydF4y2Ba DgydF4y2Ba ，gydF4y2Ba \\ dgydF4y2Ba 我gydF4y2Ba 一个gydF4y2Ba ggydF4y2Ba 一个gydF4y2Ba ＝gydF4y2Ba （gydF4y2Ba 1gydF4y2Ba -gydF4y2Ba 2gydF4y2Ba μgydF4y2Ba λgydF4y2Ba +gydF4y2Ba {μgydF4y2Ba}^{2gydF4y2Ba} （gydF4y2Ba kgydF4y2Ba ugydF4y2Ba rgydF4y2Ba tgydF4y2Ba +gydF4y2Ba 2gydF4y2Ba ）gydF4y2Ba {λgydF4y2Ba}^{\circgydF4y2Ba 2gydF4y2Ba} ）gydF4y2Ba ＇gydF4y2Ba ，gydF4y2Ba \\ DgydF4y2Ba ＝gydF4y2Ba {μgydF4y2Ba}^{2gydF4y2Ba} λgydF4y2Ba ＇gydF4y2Ba ．gydF4y2Ba \end{array}$

在那里,gydF4y2Ba

患者的gydF4y2Ba——最小均方误差。gydF4y2Ba
dkgydF4y2Ba——系数协方差矩阵对角线项。的初始值gydF4y2BadkgydF4y2Ba是由gydF4y2Ba $dgydF4y2Ba kgydF4y2Ba ＝gydF4y2Ba {（gydF4y2Ba （gydF4y2Ba 米gydF4y2Ba egydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba wgydF4y2Ba -gydF4y2Ba WgydF4y2Ba ogydF4y2Ba pgydF4y2Ba tgydF4y2Ba ）gydF4y2Ba 问gydF4y2Ba ）gydF4y2Ba}^{\circgydF4y2Ba 2gydF4y2Ba}$ ．gydF4y2Ba
meanwgydF4y2Ba——系数向量的意思是gydF4y2BalmsFilt。我n我t我一个lConditions．gydF4y2Ba
WoptgydF4y2Ba——最佳维纳滤波系数。gydF4y2Ba
问gydF4y2Ba- - -gydF4y2BalgydF4y2Ba——- - - - - -gydF4y2BalgydF4y2Ba列为输入自相关矩阵的特征向量的矩阵，gydF4y2BaRgydF4y2Ba，所以gydF4y2BaRgydF4y2Ba问gydF4y2Ba＝gydF4y2Ba问gydF4y2Ba林gydF4y2Ba．gydF4y2Ba林gydF4y2Ba是包含相应特征值的对角矩阵。gydF4y2Ba
diagAgydF4y2Ba——部分MSE分析转换矩阵。gydF4y2Ba
dkgydF4y2Ba◦gydF4y2BadiagAgydF4y2Ba——阿达玛尔或入口产品gydF4y2BadkgydF4y2Ba而且gydF4y2BadiagAgydF4y2Ba．gydF4y2Ba
λgydF4y2Ba——包含输入自相关矩阵特征值的列向量，gydF4y2BaRgydF4y2Ba．gydF4y2Ba
μgydF4y2Ba步长为gydF4y2BalmsFilt。StepSizegydF4y2Ba．gydF4y2Ba
库尔特gydF4y2Ba——特征向量滤波信号的平均峰度值。gydF4y2Ba
λgydF4y2Ba^{◦2gydF4y2Ba}——包含特征值的列向量的阿达玛或入口幂。gydF4y2Ba
DgydF4y2Ba——MSE分析的驱动项。gydF4y2Ba

总系数误差功率(tracek)gydF4y2Ba

的gydF4y2BamsepredgydF4y2Ba函数计算总系数误差幂序列的每个元素。这些值由系数协方差矩阵的迹给出。系数协方差矩阵的对角线项由gydF4y2BadkgydF4y2Ba下式中:gydF4y2Ba

系数协方差矩阵的迹由下式给出:gydF4y2Ba

$tgydF4y2Ba rgydF4y2Ba 一个gydF4y2Ba cgydF4y2Ba egydF4y2Ba kgydF4y2Ba ＝gydF4y2Ba 年代gydF4y2Ba ugydF4y2Ba 米gydF4y2Ba （gydF4y2Ba dgydF4y2Ba kgydF4y2Ba ）gydF4y2Ba ．gydF4y2Ba$