RLS Filter | Engee 文档

说明

块 RLS Filter 递归计算 FIR 滤波器权重的估计值，以最小化输出信号与预期信号之间的误差。

更多信息，请参见第……节。附加功能.

港口

输入

# 输入 — 输入信号
scalar | vector-column

Details

以标量或列向量形式指定的输入信号。

数据类型	`Single` \| `Float64`。
复数支持	是

# 期望 — 所需信号
scalar | vector-column

Details

指定为标量或矢量列的所需信号。

所需信号的数据类型、复杂度和尺寸必须与*输入*端口上的信号相同。

数据类型	`Single` \| `Float64`。
复数支持	是

输出

# 输出 — 预期信号估计
scalar | vector-column

Details

以标量或矢量列形式返回的所需信号估计值。它的大小和复杂度与输入信号相同。

输出信号的数据类型与预期信号相同。

数据类型	`Single` \| `Float64`。
复数支持	是

# 错误 — 输出信号与预期信号之间的误差
scalar | vector-column

Details

输出信号和预期信号之间的误差，以标量或列向量形式返回。

误差信号的数据类型与预期信号相同。

RLS 滤波器的目标就是最小化这一误差。滤波器块会调整其系数，使其达到最佳值，从而使输出信号与预期信号非常接近。

数据类型	`Single` \| `Float64`.
复数支持	是

# Wts — 过滤器重量
scalar | vector-column

Details

过滤以标量或向量列形式返回的权重。

输出信号的长度与 Filter length 参数中指定的长度相同。

在每一步中，程序块都会输出当前更新的滤波器权重。

数据类型	`Single` \| `Float64`.
复数支持	是

参数

主页

# Filter length — FIR 滤波器系数矢量的长度
Int64 integer

Details

FIR 滤波系数矢量长度为正整数。

默认值	`32`
程序使用名称	`FilterLength`
可调谐	无
可计算	是

# Specify forgetting factor via — 设定遗忘率的方法
Dialog

Details

遗忘率。定义为

Dialog - 遗忘因子通过 Forgetting factor (0 to 1) 参数指定。

值	`Dialog`
默认值	`Dialog`
程序使用名称	`SpecifyForgettingFactorVia`
可调谐	无
可计算	无

# Forgetting factor (0 to 1) — RLS 算法的遗忘因子
Real number

Details

RLS 算法遗忘因子 , 指定为范围在内的标量。

该参数定义了滤波器遗忘上一次计数信息的速度。

设置意味着无限记忆，滤波器会调整加权系数。通常情况下，，其中是滤波器的长度。

默认值	`1.0`
程序使用名称	`ForgettingFactor`
可调谐	是
可计算	是

# Initial value of filter weights — 滤波器权重的初始值
Scalar / array of real and/or complex numbers

Details

FIR 滤波器权重系数的初始值，以标量或矢量形式给出，长度等于滤波器长度。

如果是标量值，程序块会使用标量值创建一个滤波器权重系数矢量。该向量的长度等于滤波器长度，其所有值都等于标量值。

默认值	`0.0`
程序使用名称	`InitialValueOfFilterWeights`
可调谐	无
可计算	是

# Initial input variance estimate — 输入数据协方差的初始估计值
Real number

Details

输入协方差估计的初始值 1/P(n)，格式为

标量 - P(n)是一个对角矩阵，对角元素等于标量值。
正方形矩阵 - 矩阵的每个维度都等于 Filter length 参数中的值。

初始值 P(n)= ，其中的值在*初始输入方差估计*参数中指定。

默认值	`0.1`
程序使用名称	`InitialInputVarianceEstimate`
可调谐	无
可计算	是

# Reset port — 重置端口
None

Details

启用 Reset 复位端口。定义为

无。

值	`None`
默认值	`None`
程序使用名称	`ResetPort`
可调谐	无
可计算	无

附加功能

*算法

RLS 滤波器的矩阵表达式

其中是指数加权系数的倒数。

变量值见下表：

变量

说明

当前时间索引

步长缓冲输入样本向量

步长的逆协方差矩阵

步长增益向量

某一步滤波系数估计值向量

某一步的滤波信号

步长的误差估计值

步长的预期信号

遗忘系数

利用逆协方差矩阵 P(n)的对称性，优化了分块算法的实施。这将计算总数减少了一半。

文献

Hayes, M.H.."Statistical Digital Signal Processing and Modeling." New York: John Wiley & Sons, 1996.

参见

LMS Filter