主要内容

maxstep

最大的步长LMS自适应滤波器的收敛

描述

例子

mumax= maxstep (lmsFilt,x)预测一定步长为收敛的自适应滤波器的系数的平均值,lmsFilt

例子

(mumax,mumaxmse)= maxstep (lmsFilt,x)预测一个束缚,在均方意义上,自适应滤波器的收敛步长提供的自适应滤波器系数。

例子

全部折叠

maxstep函数计算的最大步长自适应滤波器。这步长保持滤波器稳定在最大程度的收敛速度。创建主输入信号,x,通过签署了IIR滤波器的随机信号。信号x每一帧包含50帧2000样品。创建一个LMS滤波器与32个水龙头和步长为0.1。

50 x = 0 (2000);IIRFilter = dsp.IIRFilter (“分子”sqrt (0.75),“分母”-0.5 [1]);k = 1:尺寸(x, 2) x (:, k) = IIRFilter(标志(randn(大小(x, 1), 1)));结束μ= 0.1;LMSFilter = dsp.LMSFilter (“长度”32岁的“StepSize”μ);

计算出最大适应步长和最大的步长在均方意义上使用maxstep函数。

[mumax, mumaxmse] = maxstep (LMSFilter, x)
mumax = 0.0625
mumaxmse = 0.0536

输入参数

全部折叠

LMS自适应滤波器,指定为一个dsp.LMSFilter系统对象或dsp.BlockLMSFilter系统对象。

矩阵的列x包含单个输入信号序列。假定信号设置零均值或接近于零的意思。

数据类型:||int8|int16|int32|uint8|uint16|uint32|逻辑
复数的支持:万博1manbetx是的

输出参数

全部折叠

最大的步长值,作为一个标量返回。这是自适应滤波器的步长可以指定不导致过滤器变得不稳定。这个参数是如何计算出来的细节,请参阅算法

数据类型:

最大的自适应滤波器提供收敛步长LMS自适应滤波器系数的均方意义上,作为一个标量返回。这个参数是如何计算出来的细节,请参阅算法

数据类型:

算法

全部折叠

的步长自适应滤波器必须满足以下方程的自适应滤波器是稳定的:

0 < μ < μ 马克斯

在那里,μ马克斯是规模最大的一步。

的价值μ马克斯取决于LMS滤波器系统对象和对象使用自适应滤波器算法。

dsp.LMSFilter

LMS

方法财产的dsp.LMSFilter对象设置为“LMS”、最大步长μ马克斯使用下面的公式计算:

μ 马克斯 = 2 的意思是 ( x t x t ) l

在那里,

  • xt——连接列的输入矩阵,x(:)。

  • xtxt——阿达玛或entrywise两个向量的产物。

  • l——滤波器系数的长度。

最大的步长在均方意义上,μmaxMSE计算使用以下方程:

μ maxMSE = 2 λ 马克斯 ( K u r t + 2 ) + 总和 ( λ )

在那里,

  • 总和(λ)——输入汽车相关矩阵的特征值之和。

  • λ马克斯——输入汽车相关矩阵的最大特征值。

  • 库尔特——平均eigenvector-filtered信号的峰度值。

归一化LMS

方法财产的dsp.LMSFilter系统对象设置为“归一化LMS”:

  • 最大的步长,μ马克斯= 2。

  • 最大的步骤大小在均方意义上,μmaxMSE= 2。

对于其他方法

对于所有其他方法等Sign-Data LMS,符号误差LMS,Sign-Sign LMS:

  • μ马克斯=∞。

  • μmaxMSE=∞。

dsp.BlockLMSFilter

最大的步长dsp.BlockLMSFilter计算使用以下方程:

μ 马克斯 = 2 的意思是 ( x t x t ) l

在那里,

  • xt——连接列的输入矩阵,x(:)。

  • xtxt——阿达玛或entrywise两个向量的产物。

  • l——滤波器系数的长度。

最大的步长在均方意义上,μmaxMSE计算使用以下方程:

μ maxMSE = μ 马克斯 3

引用

[1]海耶斯,M.H.统计数字信号处理和建模。纽约:约翰·威利& Sons, 1996。

介绍了R2012a