RLS滤波器

计算输出过滤,过滤错误,对给定的输入和期望信号利用RLS滤波器权重自适应滤波器算法

图书馆

过滤/自适应滤波器

dspadpt3

描述

RLS滤波器块递归地计算最小二乘估计(RLS)的冷杉滤波器权重。块估计滤波器权重或系数,需要将输入信号转换成所需的信号。连接你想过滤信号输入端口。输入信号可以是一个标量或一个列向量。你想模型所需的连接信号端口。所需的信号必须具有相同的数据类型,复杂性,和维度作为输入信号。过滤输入信号的输出端口输出。错误的端口输出的结果减去期望信号的输出信号。

相应的RLS滤波器以矩阵形式表示

$\begin{array}{l} k (n) = \frac{λ^{- 1} P (n - 1) u (n)}{1 + λ^{- 1} u^{H} (n) P (n - 1) u (n)} \\ y (n) = w (n - 1) u (n) \\ e (n) = d (n) - y (n) \\ w (n) = w (n - 1) + k^{H} (n) e (n) \\ P (n) = λ^{- 1} P (n - 1) - λ^{- 1} k (n) u^{H} (n) P (n - 1) \end{array}$

在λ¹表示指数权重因子的倒数。的变量如下

变量	描述
n	当前时间指数
u(n)	缓冲输入样本向量的一步n
P(n)	逆协方差矩阵的步骤n
k(n)	增益向量步骤n
$w (n)$	过滤阀估计向量的一步n
y(n)	过滤输出步骤n
e(n)	一步的估计误差n
d(n)	所需的反应步骤n
λ	遗忘因子

块的实现算法的优化利用逆协方差矩阵的对称性P(n)。这降低了计算总数的两倍。

使用滤波器长度参数指定滤波器权重向量的长度。

的遗忘因子(0,1)对应参数λ的方程。它指定的速度过滤“忘记”过去的样品信息。设置λ=1指定一个无限的记忆。通常情况下, $1 - \frac{1}{2 l} < λ < 1$ ,在那里l是滤波器长度。您可以指定一个遗忘因子使用输入端口,λ,或输入一个值遗忘因子(0,1)参数块参数:RLS过滤器对话框。

输入初始滤波器权重, $\hat{w} (0)$ 作为一个向量或一个标量初始值的权重进行过滤参数。当你进入一个标量,块使用标量值创建一个向量滤波器的权重。这个向量的长度等于过滤器长度和它的所有值都等于标量值。

的初始值P(n)是

$\frac{1}{σ^{2}} 我$

你指定 $σ^{2}$ 在初始输入方差估计参数。

当您选择适应港口复选框,一个适应港口出现在块中。当这个端口的输入是零,阻止不断更新滤波器权重。当这个端口的输入为零,滤波器权重保持在他们当前的值。

当你想过滤权重的值重置为其初始值,使用复位输入参数。块重置滤波器权重时复位复位端口检测到事件。复位信号速率必须相同速率的信号输入的数据。

从复位输入列表中,选择没有一个禁用复位端口。要启用复位端口,选择下列的之一复位输入列表:

前沿——触发复位操作时复位输入下列之一:
- 从负值正数或零
- 从零到一个积极的价值上升,上升不是继续从一个负值上升到零;参见下面的图

下降沿——触发复位操作时复位输入下列之一:
- 瀑布从正数负数或零
- 瀑布从零到一个负值,秋天不是继续从一个积极的价值为零;参见下面的图

要么边缘——触发复位操作时复位输入前沿或下降沿如前所述,
零的样本——在每个样本时触发复位操作复位输入不为零

选择输出滤波器的权重但是复选框来创建一个港口。对于每一次迭代,块输出当前更新滤波器权重从这个港口。

例子

的rlsdemo例子说明了RLS滤波器降噪系统建立在块中。

参数

滤波器长度: 输入数字滤波器权重向量的长度。
指定遗忘因子通过: 选择对话框输入一个值块遗忘因子的参数:RLS过滤器对话框。选择输入端口指定使用Lambda的遗忘因子的输入端口。
遗忘因子(0,1): 进入指数权重因子的范围0≤λ≤1。的值1指定一个无限的记忆。可调(万博1manbetx模型)。
初始值的权重进行过滤: 指定数字滤波器权重的初始值。
初始输入方差估计: 1 / P的初始值(n)。
适应港口: 选中此复选框后,使适应输入端口。
复位输入: 选中此复选框来启用复位输入端口。
输出滤波器的权重: 选中此复选框后,可以导出滤波器的权重Wts港口。

引用

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

万博1manbetx支持的数据类型

双精度浮点
单精度浮点

另请参阅

卡尔曼滤波自适应滤波器(过时的)	DSP系统工具箱
LMS滤波器	DSP系统工具箱
块LMS滤波器	DSP系统工具箱
快块LMS滤波器	DSP系统工具箱