Main Content

Filtres adaptatifs

Filtres LMS, RLS, de domaine fréquentiel, de projection affine et adaptatifs en treillis

DSP System Toolbox™ propose plusieurs variantes des algorithmes de filtres adaptatifs à réponse impulsionnelle finie (FIR) LMS ET RLS. Bien qu’ils diffèrent par leurs détails, ces algorithmes utilisent tous la même approche opérationnelle consistant à minimiser la différence d’erreur entre la sortie du filtre adaptatif et le signal souhaité. La métrique la plus souvent utilisée pour quantifier cette erreur est l’erreur quadratique moyenne (MSE). Les filtres adaptatifs sont largement utilisés dans diverses applications comme la suppression du bruit acoustique ou des échos, le beamforming, l’identification de systèmes, l’amélioration des signaux biomédicaux, l’égalisation des canaux de communication, etc. Pour des exemples illustrant certaines de ces applications, veuillez consulter System Identification of FIR Filter Using LMS Algorithm, Noise Cancellation Using Sign-Data LMS Algorithm et Inverse System Identification Using RLS Algorithm.

Lorsque les entrées sont colorées, les algorithmes de filtres adaptatifs de projection affine disponibles avec l’objet dsp.AffineProjectionFilter accélèrent considérablement la convergence par rapport aux variantes LMS. Pour un coût de calcul plus élevé, l’algorithme de filtre adaptatif en treillis disponible avec l’objet dsp.AdaptiveLatticeFilter peut offrir une meilleure convergence que ses homologues LMS et RLS. Il est également possible d’implémenter un filtre FIR adaptatif dans le domaine fréquentiel avec l’objet dsp.FrequencyDomainAdaptiveFilter.

La performance de la convergence dépend de la trajectoire de la MSE déterminée par msesim ainsi que de la façon dont elle converge vers la MSE prédite, déterminée par msepred.

Objets

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

Blocs

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

Rubriques