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自适应有限脉冲响应(FIR)滤波器算法的几种变体。虽然这些算法在细节上有所不同，但它们有一个共同的操作方法，即最小化自适应滤波器输出与所需信号之间的误差差。均方误差(MSE)是最常用的量化这种误差的度量。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提供dsp。AffineProjectionFilter对象显著提高了LMS变化下的收敛速度。为增加计算成本，提出了自适应格滤波算法dsp。AdaptiveLatticeFilter对象可以提供比LMS和RLS更好的收敛性。方法还可以在频域实现自适应FIR滤波器dsp。FrequencyDomainAdaptiveFilter对象。

收敛性能是由轨迹的实际MSE决定的，由msesim，以及如何收敛于预测的MSE，由msepred．

Oggetti

`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

Blocchi

块LMS滤波器	使用LMS自适应算法计算输出、误差和权重
快速块LMS过滤器	使用LMS自适应算法计算输出、误差和权重
频域自适应滤波器	计算输出，误差和系数使用频域FIR自适应滤波器
卡尔曼滤波器	预测或估计动态系统的状态
LMS滤波器	使用LMS自适应算法计算输出、误差和权重
LMS更新	LMS自适应滤波器权值估计
RLS滤波器	使用RLS自适应滤波算法计算给定输入和期望信号的滤波输出、滤波误差和滤波权重

Argomenti

自适应滤波器及其应用概述
一般讨论自适应滤波器如何工作，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
用标准化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
通过信号增强应用介绍自适应滤波器。
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执行逆系统识别。
Rimozione del rumore a bassa frequenza in Simulink利用unfiltro adattivo LMS归一化
Progettare e utilizzare un filter adattivo LMS normalizzato per rimuoveril rumore a bassa frequenza in Simulink^®．
基于归一化LMS自适应滤波器的Simulink噪声消除
去除有色噪声产生的声音环境，使用标准化LMS自适应滤波器。
可变大小信号支持DSP系统对象
DSP系统工具箱中支持可变大小信号的系统对象列表。