主要内容

dsp。AdaptiveLatticeFilter

自适应晶格过滤器

描述

dsp。AdaptiveLatticeFilter系统对象™使用基于格的FIR自适应滤波器计算输出、误差和系数。

实现自适应FIR滤波器对象:

  1. 创建dsp。AdaptiveLatticeFilter对象并设置其属性。

  2. 用参数调用对象,就像它是一个函数一样。

要了解更多关于System对象如何工作的信息,请参见什么是系统对象?

创建

描述

阿尔夫= dsp。AdaptiveLatticeFilter返回一个基于格的FIR自适应滤波器阿尔夫.此系统对象计算给定输入和期望信号的滤波器输出和滤波器错误。

例子

阿尔夫= dsp.adaptivelatticefilter(Len.返回一个AdaptiveLatticeFilter系统对象长度属性设置为Len.

例子

阿尔夫= dsp.adaptivelatticefilter(名称,值返回一个AdaptiveLatticeFilter系统对象,每个指定的属性设置为指定的值。将每个属性名用单引号括起来。未指定的属性具有默认值。

特性

展开全部

除非另有说明,否则属性是nontunable,这意味着您不能在调用对象之后更改它们的值。对象在调用时锁定,而释放功能解锁它们。

如果属性是调节,您可以随时更改它的值。

有关更改属性值的详细信息,请参阅在MATLAB中使用系统对象进行系统设计

指定用于计算滤波系数的方法为“最小二乘格”'QR-分解最不正方形格子'“梯度自适应格”.默认值为“最小二乘格”.对于用于实现这三种不同方法的算法,请参阅[1][2].此属性是难以置信的。

将FIR滤波器系数向量的长度指定为正整数值。此属性是难以置信的。

数据类型:单身的|双倍的|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32.|UINT64

指定最小二乘晶格遗忘因子为小于或等于1的标量正数值。将该值设置为1表示适配期间内存无限。

可调:是的

依赖性

仅当方法属性设置为时,此属性仅适用于“最小二乘格”或者'QR-分解最不正方形格子'

数据类型:单身的|双倍的|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32.|UINT64

将梯度自适应晶格滤波器的关节处理步长,作为小于或等于1的正值标量。

可调:是的

依赖性

该属性仅在方法属性设置为“梯度自适应格”

数据类型:单身的|双倍的|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32.|UINT64|逻辑

属性的分母指定偏移值一步的大小作为非负数值标量的标准化项。当输入信号振幅很小时,非零偏移有助于避免接近零的情况。

可调:是的

依赖性

该属性仅在方法属性设置为“梯度自适应格”

数据类型:单身的|双倍的|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32.|UINT64

将梯度自适应晶格滤波器的反射处理步长指定为0到1之间的标量数值,既可以包含。默认值是一步的大小适当的价值。

可调:是的

依赖性

仅当方法属性设置为“梯度自适应格”

数据类型:单身的|双倍的|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32.|UINT64|逻辑

将平均因子指定为小于1的正数值标量。利用这个性质计算系数更新的指数加窗前向和后向预测误差幂。默认值为1 - 步骤化

可调:是的

依赖性

该属性仅在方法属性设置为'渐变自适应格子

数据类型:单身的|双倍的

将预测误差向量的初始值指定为标量正数值。

如果方法属性设置为“最小二乘格”或者'QR-分解最不正方形格子',默认值为1.0.如果方法属性设置为“梯度自适应格”,默认值为0.1

可调:是的

数据类型:单身的|双倍的

将FIR自适应滤波器系数的初始值指定为标量或长度的向量等于值长度财产。

可调:是的

数据类型:单身的|双倍的|INT8.|int16|int32|INT64.|uint8.|uint16|UINT32.|UINT64

指定是否锁定过滤系数值。默认情况下,此属性的值为,对象不断更新滤波系数。如果此属性设置为真的时,过滤系数不更新,其值保持不变。

可调:是的

依赖性

此属性仅适用于方法属性设置为“梯度自适应格”

使用

描述

例子

y犯错] = ALF(xd过滤器的输入x,使用d作为所需的信号,并返回滤波后的输出y滤波器出现了错误犯错.系统对象估计最小化输出信号与所需信号之间的误差所需的滤波器权重。您可以通过访问此系数访问这些系数系数物体的财产。这可以在调用对象后才完成。例如,用于访问优化的系数阿尔夫过滤器,叫alf.coefficents在您将输入和所需的信号传递给对象之后。

输入参数

展开全部

用自适应格子滤波器滤波的信号。输入,x,以及所需的信号,d,必须具有相同的大小和数据类型。

输入可以是可变大小的信号。即使对象被锁定,也可以更改列向量中的元素数。当您调用System对象时,该对象将被锁定。

数据类型:单身的|双倍的
复数的支持:万博1manbetx是的

自适应格子滤波器通过调整其系数来减小误差,犯错,收敛输入信号x到所要求的信号d尽可能仔细。

输入,x,以及所需的信号,d,必须具有相同的大小和数据类型。

所需要的信号可以是可变大小的信号。即使对象被锁定,也可以更改列向量中的元素数。当您调用System对象时,该对象将被锁定。

数据类型:单身的|双倍的
复数的支持:万博1manbetx是的

输出参数

展开全部

过滤输出,返回标量或列向量。该对象适应其滤波器系数以收敛输入信号x以匹配所需的信号d.滤波器输出收敛信号。

数据类型:单身的|双倍的
复数的支持:万博1manbetx是的

输出信号之间的差异y和所需的信号d,作为标量或列向量返回。自适应格滤波器的目标是使该误差最小化。该对象调整其系数,使其收敛到最优滤波器系数,以产生与所需信号密切匹配的输出信号。要访问自适应格滤系数,调用alf.coefficents将输入和所需信号传递给对象算法后。

数据类型:单身的|双倍的
复数的支持:万博1manbetx是的

对象的功能

要使用对象函数,请指定System对象作为第一个输入参数。例如,释放名为system的对象的系统资源obj,使用下面的语法:

发行版(obj)

展开全部

msesim 适应性滤波器的估计平均平方误差
系统对象算法
释放 释放资源并允许更改系统对象属性值和输入特征
重置 使内部状态复位系统对象

例子

全部折叠

请注意:如果你正在使用R2016a或更早的版本,将每个对对象的调用替换为等价的语法。例如,obj(x)成为步骤(obj,x)

创建QPSK信号和噪声,过滤它们以获得接收信号,并延迟接收的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 = filter(b,a,s) + n;x = r (1 + D:正常+ D关系);d = s(1:正常)关系;

使用自适应格子滤波器来计算输入信号和期望信号的滤波输出和滤波误差。

林= 0.995;德尔= 1;阿尔夫= dsp。AdaptiveLatticeFilter ('长度'32,......“ForgettingFactor”林,“InitialPredictionErrorPower”▽);[y, e] =阿尔夫(x, d);

绘制所需,输出和误差信号的同相和正交组件。

子图(2,2,1);情节(1:NTR,Real([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);子图(2,2,2);绘图(1:NTR,IMAG([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);

图包含2个轴对象。轴对象1具有标题同步组件包含3个类型线的对象。这些对象表示所需,输出,错误。轴对象2具有标题正交组件包含3个类型的类型。这些对象表示所需,输出,错误。

绘制接收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]);标题(“接收信号散点图”);轴('正方形');包含(“真正的[x]”);ylabel(图像放大[x]”);网格;次要情节(2、2、4);情节(y(正常- 100:关系正常)的关系,“。”);轴([-3 3 -3]);标题(“均衡信号散点图”);轴('正方形');包含(“真正的[y]”);ylabel(图像放大[y]”);网格

图包含4个轴对象。轴对象1具有标题同步组件包含3个类型线的对象。这些对象表示所需,输出,错误。轴对象2具有标题正交组件包含3个类型的类型。这些对象表示所需,输出,错误。轴对象3具有标题接收信号散点图包含类型线的对象。轴对象4具有标题均衡信号散点图包含类型线的对象。

请注意:如果你正在使用R2016a或更早的版本,将每个对对象的调用替换为等价的语法。例如,obj(x)成为步骤(obj,x)

0.5公顷= fir1(31日);需识别的FIR系统fir = dsp.firfilter(“分子”,哈);iir = dsp。IIRFilter (“分子”,sqrt(0.75),......“分母”-0.5 [1]);x = iir(标志(randn(2000年25)));观测噪声信号n = 0.1 * randn(大小(x));%期望信号d =冷杉(x) + n;%过滤器长度l = 32;分析%抽取因子%和模拟结果m = 5;ha = dsp.adaptivelatticefilter(l);[Simmse,Meanwsim,WSIM,Traceksim] = MSesim(HA,X,D,M);绘图(m *(1:length(simmse)),10 * log10(simmse));包含(“迭代”);ylabel(“MSE (dB)”);绘制用于的学习曲线%用于系统辨识的自适应格子滤波器标题(“学习曲线”

图中包含一个轴对象。具有标题学习曲线的轴对象包含一个类型为line的对象。

参考文献

[1] Griffiths,Lloyd J。“作为晶格结构实现的连续自适应过滤器”。IEEE国际标准会议论文集。声学,语音和信号处理,哈特福德,CT,PP。683-686,1977。

[2] Haykin,S。自适应滤波器理论上鞍河,新泽西:普伦蒂斯霍尔,1996。

扩展能力

介绍了R2013b