Hauptinhalt

Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Adaptive Filter

LMS, RLS, Frequenzdomänen-Filter, Affine-Projection-Filter, adaptive Lattice-Filter

DSP System Toolbox™ umfasst mehrere Varianten der adaptiven LMS- und RLS-FIR-Filteralgorithmen (FIR: Finite Impulse Response). Diese Algorithmen unterscheiden sich im Detail, weisen jedoch einen gemeinsamen operativen Ansatz auf, bei dem die Fehlerdifferenz zwischen der adaptiven Filterausgabe und dem gewünschten Signal minimiert wird. Die MSE-Methode (mittleres Fehlerquadrat) ist die gebräuchlichste Metrik zur Quantifizierung dieses Fehlers. Adaptive Filter werden in zahlreichen Anwendungen eingesetzt, darunter akustische Rauschunterdrückung, Echo-Unterdrückung, Strahlformen, Systemidentifikation, biomedizinische Signalverstärkung, Entzerrung von Kommunikationskanälen usw. Beispiele zu einigen dieser Anwendungen finden Sie unter System Identification of FIR Filter Using LMS Algorithm, Noise Cancellation Using Sign-Data LMS Algorithm und Inverse System Identification Using RLS Algorithm.

Bei farbigen Eingaben bieten die adaptiven Affine-Projection-Filteralgorithmen des dsp.AffineProjectionFilter-Objekts eine erheblich bessere Konvergenzgeschwindigkeit als die LMS-Filtervarianten. Für höheren Rechenaufwand bieten die adaptiven Lattice-Filteralgorithmen des dsp.AdaptiveLatticeFilter-Objekts eine bessere Konvergenz als die LMS- und RLS-Filter. Mithilfe des dsp.FrequencyDomainAdaptiveFilter-Objekts können Sie zudem einen adaptiven FIR-Filter in der Frequenzdomäne implementieren.

Die Konvergenzleistung wird durch die Trajektorie des Ist-MSE festgelegt, ermittelt durch msesim, und die Konvergenz mit dem prognostizierten MSE, ermittelt durch msepred.

Objekte

dsp.BlockLMSFilterCompute output, error, and weights using block least mean squares (LMS) adaptive algorithm
dsp.LMSFilterCompute output, error, and weights of least mean squares (LMS) adaptive filter
dsp.RLSFilterCompute output, error and coefficients using recursive least squares (RLS) algorithm
dsp.AffineProjectionFilterCompute output, error and coefficients using affine projection (AP) Algorithm
dsp.AdaptiveLatticeFilterAdaptive lattice filter
dsp.FastTransversalFilterFast transversal least-squares FIR adaptive filter
dsp.FilteredXLMSFilterFiltered XLMS filter
dsp.FrequencyDomainAdaptiveFilterCompute output, error, and coefficients using frequency-domain FIR adaptive filter

Blöcke

Block LMS FilterCompute output, error, and weights using LMS adaptive algorithm
Fast Block LMS FilterCompute output, error, and weights using least mean squares (LMS) adaptive algorithm
Frequency-Domain Adaptive FilterCompute output, error, and coefficients using frequency domain FIR adaptive filter
Kalman FilterPredict or estimate states of dynamic systems
LMS FilterCompute output, error, and weights using least mean squares (LMS) adaptive algorithm
LMS UpdateEstimate weights of least mean squares (LMS) adaptive filter
RLS FilterCompute filtered output, filter error, and filter weights for given input and desired signal using RLS adaptive filter algorithm

Themen

Enthaltene Beispiele