AnyMath 文档

RLS 过滤器

用于计算输出、误差和权重的递归最小二乘算法(RLS)。

模块类型: RLSFilter

库中的路径:

/Signal Operations/Filters/Adaptive Filters/RLS Filter

资料描述

座 *RLS 过滤器*递归计算最小化误差所需的FIR滤波器权重的估计值 之间的输出信号 和预期信号 .

有关详细信息,请参阅[algorithms]

港口

输入

# 输入 — 的输入信号
标量,标量 | 列向量

Details

输入信号被指定为标量或列向量。

数据类型

漂浮物32, 漂浮64

复数支持

是的

# 期望的 — 所需的信号
标量,标量 | 列向量

Details

期望的信号,指定为标量或列向量。

所需信号必须具有与*输入*端口上的信号相同的数据类型、复杂度和大小。

数据类型

漂浮物32, 漂浮64

复数支持

是的

输出

# 输出 — 期望信号的评估
标量,标量 | 列向量

Details

期望信号的估计,作为标量或列向量返回。 它具有与输入信号相同的大小和复杂度。

输出信号具有与期望信号相同的数据类型。

数据类型

漂浮物32, 漂浮64

复数支持

是的

# 错误 — 输出和所需信号之间的误差
标量,标量 | 列向量

Details

输出和所需信号之间的误差,作为标量或列向量返回。

误差信号具有与期望信号相同的数据类型。

RLS过滤器的目的是使这个错误减到最小。 该装置调整其系数,以其最佳值为目标,从而产生与所需信号紧密匹配的输出信号。

数据类型

漂浮物32, 漂浮64

复数支持

是的

# 西隧 — 过滤器权重
标量,标量 | 列向量

Details

作为标量或列向量返回的过滤器权重。

输出信号的长度与参数中指定的长度相同 滤波器长度.

在每个步骤中,块输出当前更新的滤波器权重。

数据类型

漂浮物32, 漂浮64

复数支持

是的

参数

基本参数

# 滤波器长度 — FIR滤波器系数向量的长度
Int64 integer

Details

FIR滤波器系数向量的长度 作为正整数。

默认值

32

程序使用名称

FilterLength

可调谐

可计算

# 通过以下方式指定遗忘因子 — 遗忘系数的设定方法
对话框

Details

遗忘的系数。 设置为:

  • 对话框 -使用参数指定遗忘系数 遗忘因子(0到1).

Dialog

默认值

Dialog

程序使用名称

SpecifyForgettingFactorVia

可调谐

可计算

# 遗忘因子(0到1) — rls算法的遗忘因子
Real number

Details

Rls算法的遗忘系数 ,指定为范围内的标量 .

此参数确定筛选器忘记有关先前计数的信息的速度。

任务 这意味着无限的内存,而过滤器调整权重。 作为一项规则, ,在哪里 -过滤器的长度。

默认值

1.0

程序使用名称

ForgettingFactor

可调谐

可计算

# 滤波器权值初值 — 滤波器权重的初始值
Scalar / array of real and/or complex numbers

Details

FIR滤波器的加权系数的初始值 ,指定为标量或向量,长度等于滤波器的长度。

如果值是标量,则块使用标量值来创建滤波器权重的向量。 这个向量的长度等于滤波器的长度,它的所有值都等于一个标量值。

默认值

0.0

程序使用名称

InitialValueOfFilterWeights

可调谐

可计算

# 初始输入方差估计 — 输入数据协方差的初始估计
Real number

Details

用于估计输入信号的协方差的初始值, 的形式:

标量 — —这是对角线元素等于标量值的对角矩阵。 *方阵-矩阵的每个维度都等于参数中的值 *滤波器长度.

初始值 ,值在哪里 在参数中指定 初始输入方差估计.

默认值

0.1

程序使用名称

InitialInputVarianceEstimate

可调谐

可计算

# 复位端口 — 重置端口

Details

启用复位端口*复位*。 设置为 .

None

默认值

None

程序使用名称

ResetPort

可调谐

可计算

算法

Rls滤波器的矩阵表达式:













哪里 是指数加权因子的倒数。

上面的方程中使用了以下变量:

  • -现时时间指数;

  • -每步缓冲输入样本的向量 ;

  • -步骤中的逆协方差矩阵 ;

  • -每步增益向量 ;

  • -步骤中的滤波器系数的估计的向量 ;

  • -步骤中的滤波信号 ;

  • -评估步骤中的错误 ;

  • -步骤中的预期信号 ;

  • -遗忘系数。

通过使用逆协方差矩阵的对称性来优化块中的算法的实现。 . 这将计算总数减少一半。

文学作品

  1. Hayes,M.H. _Statistical Digital Signal Processing and Modeling._纽约:John Wiley&Sons,1996。