dsp.AdaptiveLatticeFilter
自适应网格过滤器
描述
的dsp.AdaptiveLatticeFilterSystem object™使用基于网格的FIR自适应滤波器计算输出、错误和系数。
为了实现自适应FIR滤波器对象：
创建
dsp.AdaptiveLatticeFilter对象并设置其属性。使用参数调用对象，就好像它是一个函数一样。
有关系统对象如何工作的更多信息，请参见什么是系统对象?(MATLAB)。
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，请将系统对象指定为第一个输入参数。例如，释放系统对象的系统资源obj，使用此语法：
发行版(obj)
例子
QPSK自适应均衡使用自适应晶格滤波器
请注意:如果您正在使用R2016a或更早的版本，请将对该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，对它们进行过滤以获得接收信号，并延迟接收信号以获得所需的信号。
D = 16;b = exp(1i*pi/4)*[-0.7 1];a = [1 -0.7];正常= 1000关系;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 =滤波器(b,a,s) + n;x = r (1 + D:正常+ D关系);d = s(1:正常)关系;
使用自适应晶格滤波器计算滤波后的输出和输入信号的滤波误差。
林= 0.995;德尔= 1;阿尔夫= dsp.AdaptiveLatticeFilter (“长度”32岁的...“ForgettingFactor”林,“InitialPredictionErrorPower”▽);[y, e] =阿尔夫(x, d);
绘制所需输出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);传说（“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”);传说（“想要的”,“输出”,“错误”);包含(“时间指数”);ylabel (的信号值);
绘制接收和均衡的信号散点图。
副区（2,2,3）;积（X（NTR-100：NTR），“。”);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;
利用自适应格子滤波器辨识FIR滤波器的系统
请注意:如果您正在使用R2016a或更早的版本，请将对该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)。
0.5公顷= fir1(31日);冷杉= dsp.FIRFilter (“分子”,哈);% FIR系统待识别iir = dsp.IIRFilter (“分子”sqrt (0.75),...“分母”-0.5 [1]);x = iir(标志(randn(2000年25)));n = 0.1 * randn(大小(x));观测噪声信号d =冷杉(x) + n;%期望信号l = 32;%滤波器长度m = 5;%抽取因子分析%及仿真结果哈= dsp.AdaptiveLatticeFilter (l);[simmse, meanWsim Wsim traceKsim] = msesim(哈,x, d, m);情节(m *(1:长度(simmse)), 10 * log10 (simmse));包含(“迭代”);ylabel (“MSE (dB)”);标题(“用于系统辨识的自适应晶格滤波器的学习曲线”)
参考
一个连续自适应滤波器被实现为一个点阵结构。IEEE Int的诉讼。CONF。声学，语音和信号处理，哈特福德，CT，第683-686页，1977。
[2]微积分,S。自适应滤波器理论《上马鞍河》，新泽西:普伦蒂斯霍尔出版社，1996年版。
扩展功能
另请参阅
对象
介绍了R2013b
你也可以从以下列表中选择一个网站:
