自适应滤波器
LMS, RLS，频域滤波器，仿射投影滤波器，自适应晶格滤波器
DSP系统工具箱™提供了LMS和RLS自适应有限冲击响应(FIR)滤波算法的几种变体。虽然这些算法在细节上有所不同，但它们都有一个共同的操作方法，即最小化自适应滤波器输出与期望信号之间的误差差。均方误差(MSE)是最常用的度量来量化这种误差。自适应滤波器广泛应用于声学噪声消除、回波消除、波束形成、系统识别、生物医学信号增强、通信信道均衡等领域。有关说明其中一些应用程序的示例，请参见基于LMS算法的FIR滤波器系统辨识，基于符号数据LMS算法的噪声消除,基于RLS算法的逆系统辨识．
当输入是彩色的，仿射投影自适应滤波算法dsp。AffineProjectionFilter对象显著提高了LMS变化下的收敛速度。为提高计算成本，提出了自适应格点滤波算法dsp。AdaptiveLatticeFilter对象可以提供比LMS和RLS更好的收敛性。函数还可以在频域中实现自适应FIR滤波器dsp。FrequencyDomainAdaptiveFilter对象。
对象
dsp。BlockLMSFilter |
使用块LMS自适应算法计算输出、误差和权重 |
dsp。LMSFilter |
计算LMS自适应滤波器的输出、误差和权重 |
dsp。RLSFilter |
使用递归最小二乘(RLS)算法计算输出、误差和系数 |
dsp。AffineProjectionFilter |
使用仿射投影(AP)算法计算输出、误差和系数 |
dsp。AdaptiveLatticeFilter |
自适应晶格滤波器 |
dsp。FastTransversalFilter |
快速横向最小二乘FIR自适应滤波器 |
dsp。FilteredXLMSFilter |
过滤过的XLMS过滤器 |
dsp。FrequencyDomainAdaptiveFilter |
使用频域FIR自适应滤波器计算输出，误差和系数 |
块
主题
- 自适应滤波器及其应用概述
关于自适应滤波器如何工作的一般性讨论，DSP系统工具箱中的自适应滤波器算法列表，收敛性能，以及一些常见应用的细节。
- 基于LMS算法的FIR滤波器系统辨识
利用LMS算法识别未知系统。
- 基于归一化LMS算法的FIR滤波器系统辨识
用归一化LMS算法识别未知系统。
- 比较LMS算法与归一化LMS算法的收敛性能
比较自适应滤波算法收敛的速度。
- 使用LMS和NLMS算法的信号增强
通过信号增强应用引入自适应滤波器。
- 基于符号数据LMS算法的噪声消除
使用符号数据LMS算法进行噪声消除。
- 比较RLS和LMS自适应滤波算法
RLS和LMS自适应滤波算法的比较。
- 基于RLS算法的逆系统辨识
使用dsp.RLSFilter执行反向系统识别。
- 用归一化LMS自适应滤波器在Simulink中去除低频噪声
设计了一种归一化LMS自适应滤波器，并在Simulink中用于去除低频噪声®．
- 基于归一化LMS自适应滤波器的Simulink噪声消除
使用归一化LMS自适应滤波器去除声学环境中产生的有色噪声。
- 可变尺寸信号支持DSP系统对象
在DSP系统工具箱中支持可变大小信号的系统对象列表。
相关信息
特色的例子
您也可以从以下列表中选择网站: