主要内容

通过自适应滤波的时滞信道估计

此示例使用：

开放式

该示例显示了如何使用LMS自适应FIR算法自适应地估计噪声输入信号的时间延迟。

假设信号$ s [n] = a [n] + w [n] $在哪里$ w [n] $是一个白色的高斯过程和$ a [n] $是确定性的。用回声测量信号$ m $样品和衰减$ \ Alpha $（两者都是未知的），导致总体测量：

$$ x [n] = s [n] + \ alpha s [n-m] $$

目标是估算延迟$ m $和回声衰减$ \ Alpha $。可以通过解决过滤器识别问题来确定这些参数$ x = h * s $为了$ h $，结合先前的$ h [n] = \ delta [n] + \ alpha s [n-m] $。只要过滤器$ h $可以从测量信号识别$ x $和原始信号$ s $，一个人可以派生$ \ Alpha $和$ m $

这种滤波器识别问题可以根据自适应LTI滤波构成。参考信号是$ d [n] = x [n] $，输入馈送是$ s [n] $，和自适应滤波器是$ w $。显然，如果适应过程结束$ w \ to h $然后是错误信号$ x - w * s =（h-w）* x $消失。

有许多自适应滤波算法。对于这种孤羽问题设置和信号模型，归一化的LMS算法适合，可用LMS过滤器堵塞。

运行模拟。滤波器传染媒介中的峰值表示时间延迟估计。在这种情况下$ m = 8 $和$ \ alpha = \ frac {1} {2} $。

有关详细信息，请参阅S. Haykin，自适应滤波理论，第三次。，Prentice-Hall 1996号。

DSP系统工具箱文档

金宝app

尝试matlab，sim金宝appulink等产品下载188bet金宝搏

立即获得试用