dsp。AdaptiveLatticeFilter
自适应晶格滤波器
描述
的dsp。AdaptiveLatticeFilter系统对象™计算输出，误差和系数使用基于晶格的FIR自适应滤波器。
实现自适应FIR滤波对象:
创建
dsp。AdaptiveLatticeFilter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
使用自适应晶格滤波器的QPSK自适应均衡
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)．
创建QPSK信号和噪声，对其进行滤波以获得接收信号，并对接收信号进行延时以获得所需信号。
D = 16;B = exp(1i*pi/4)*[-0.7 1];A = [1 -0.7];NTR = 1000;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(1,ntr+D) + 1i*randn(1,ntr+D));R = filter(b,a,s) + n;x = r(1+D:ntr+D);D = s(1:ntr);
使用自适应晶格滤波器来计算滤波输出和输入和所需信号的滤波误差。
Lam = 0.995;Del = 1;Alf = dsp。AdaptiveLatticeFilter (“长度”32岁的.．.“ForgettingFactor”林,“InitialPredictionErrorPower”▽);[y,e] = alf(x,d);
绘制期望信号、输出信号和误差信号的同相分量和正交分量。
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）;
绘制接收信号和均衡信号的散点图。
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(“接收信号散点图”）;轴(“广场”）;包含(“真正的[x]”）;ylabel (图像放大[x]”）;网格在；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(“均衡信号散点图”）;轴(“广场”）;包含(“真正的[y]”）;ylabel (图像放大[y]”）;网格在；
基于自适应晶格滤波器的FIR滤波器系统辨识
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)．
Ha = fir1(31,0.5);要识别的FIR系统Fir = dsp。FIRFilter (“分子”,哈);Iir = dsp。IIRFilter (“分子”sqrt (0.75),.．.“分母”-0.5 [1]);X = iir(sign(randn(2000,25)));观测噪声信号%N = 0.1*randn(size(x));%期望信号D = fir(x)+n;过滤器长度%L = 32;%用于分析的抽取因子%和模拟结果M = 5;ha = dsp.AdaptiveLatticeFilter(l);[simmse,meanWsim,Wsim,traceKsim] = msesim(ha,x,d,m);情节(m *(1:长度(simmse)), 10 * log10 (simmse));包含(“迭代”）;ylabel (“MSE (dB)”）;绘制用于的学习曲线自适应晶格滤波器用于系统辨识标题(“学习曲线”）
参考文献
[1] Griffiths, Lloyd J.“一个连续自适应滤波器实现为晶格结构”。IEEE Int论文集。声学、语音与信号处理会议，哈特福德，康涅狄格州，第683-686页，1977。
[2]海金S。自适应滤波理论《上马鞍河》，新泽西州:普伦蒂斯霍尔出版社，1996年版。
扩展功能
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: