dsp.FastTransversalFilter
快速横向最小二乘FIR自适应滤波器
描述
的dsp.FastTransversalFilter计算输出,错误和使用快速横向最小二乘FIR自适应滤波器系数。
实现自适应滤波器对象:
创建
dsp.FastTransversalFilter对象并设置其属性。调用对象的参数,就好像它是一个函数。
了解更多关于系统对象是如何工作的,看到的系统对象是什么?
创建
语法
描述
“保障未来粮食供给”= dsp.FastTransversalFilter“保障未来粮食供给”,这是一个快速横向,最小二乘FIR自适应滤波器。这个系统对象计算过滤输出和过滤器错误对于一个给定的输入和期望信号。
“保障未来粮食供给”= dsp.FastTransversalFilter (len)dsp.FastTrasversalFilter系统对象的长度属性设置为len。
“保障未来粮食供给”= dsp.FastTransversalFilter (名称,值)dsp.FastTransversalFilter与每个指定的系统对象属性设置为指定的值。
属性
使用
输入参数
输出参数
对象的功能
使用一个目标函数,指定系统对象作为第一个输入参数。例如,释放系统资源的系统对象命名obj使用这个语法:
发行版(obj)
例子
系统辨识的冷杉过滤器使用快速横向滤波器
系统识别是一个过程,确定一个未知的系统使用一个自适应滤波器的系数。显示了流程的概述系统识别——使用一个自适应滤波器来确定一个未知的系统。涉及的主要部件有:
自适应滤波器算法。
一个未知的系统或过程适应。在这个例子中,设计的滤波器
fir1是未知的系统。适当的输入数据来锻炼适应过程。在一个通用的系统辨识模型,所需的信号d(k)和输入信号x(k)用于运动适应的过程。
自适应滤波器的目标是最小化之间的误差信号自适应滤波器的输出y(k)和未知系统的输出(或系统被识别)d(k)。一旦最小化误差信号,调整过滤器就像未知的系统。的系数过滤器密切匹配。
请注意:如果您使用的是R2016a或更早,用等效替换每个调用对象一步语法。例如,obj (x)就变成了步骤(obj, x)。
未知的系统
创建一个dsp.FIRFilter对象代表了系统识别。使用fir1函数来设计滤波器系数。设计的过滤器是一个十阶低通数字滤波器的截止频率0.25。
filt = dsp.FIRFilter;filt。为分子= fir1(10日)
filt = dsp。FIRFilter属性:结构:“直接形式”NumeratorSource:“财产”分子:e-18 [-0.0039 1.7585 0.0321 0.1167 0.2207 0.2687……]InitialConditions: 0显示所有属性
通过信号x冷杉的过滤器。所需的信号d是未知的系统的输出的总和(冷杉过滤器)和添加剂噪声信号n。
x = randn (1000 1);d = filt (x) + 0.01 * randn (1000 1);
自适应滤波器
与未知的滤波器设计和所需的信号,创建和应用快速横向滤波器对象识别未知的过滤器。
创建一个dsp.FastTransversalFilter对象代表一个自适应滤波器。自适应滤波器的长度设置为11水龙头和遗忘因子为0.99。
ftf1 = dsp.FastTransversalFilter(11日…“ForgettingFactor”,0.99)
ftf1 = dsp。FastTransversalFilter属性:方法:快速横向最小二乘的长度:11 ForgettingFactor: 0.9900 InitialPredictionErrorPower: 10 InitialCoefficients: 0 InitialConversionFactor: 1 LockCoefficients:假的
通过主要的输入信号x和所需的信号d快速横向滤波器。自适应滤波器来确定未知的系统运行。输出y自适应滤波器的信号融合到所需的信号d,从而减少错误e在两个信号之间。
[y, e] = ftf1 (x, d);w = ftf1.Coefficients
w =1×11-0.0043 0.0016 0.0308 0.1171 0.2204 0.2677 0.2210 0.1181 0.0323 0.0013 -0.0037
策划的结果。输出信号与期望信号密切使两者之间的误差接近于零。
次要情节(2,1,1);情节(1:1000 [d, y, e])标题(“一个冷杉过滤器的系统标识”);传奇(“想要的”,“输出”,“错误”);包含(“时间指数”);ylabel (的信号值);
数字滤波器的系数匹配密切适应滤波器的系数,从而证实了收敛。
次要情节(2,1,2);茎([filt.Numerator;w]。');传奇(“实际”,“估计”);包含(“系数#”);ylabel (的系数值);
引用
[1]微积分,西蒙。自适应滤波器理论,4。台北:普伦蒂斯霍尔,2002年。
