最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

再帰的最小二乗を使用した非定常チャネル推定

この例では、再帰的最小二乗 (RLS) アルゴリズムを使用して、非定常チャネルの時間で変動する重みを追跡する方法を示します。

チャネルは、時変 5 次 FIR フィルターを使用してモデル化されます。RLS フィルターと未知の非定常チャネルは、同じ入力信号を処理します。ノイズが追加されたチャネルの出力が目的の信号です。この信号から、RLS フィルターはチャネルを示す FIR 係数を推定しようとします。既知の情報は FIR の長さのみです。

モデルを実行すると、プロットは経時変化する各重みで作成され、"真の" フィルターの重みは黄色、その重みの推定値はマゼンタでそれぞれ描画されます。5 つの各重みは、異なる軸上にプロットされます。

例の検証

RLS は、アルゴリズムが適切に初期化されている場合に、チャネルの FIR 係数の有効な推定値に収束する効果的で再帰的なアルゴリズムです。RLS Filter ブロックの調整可能な [忘却係数] パラメーターの値を試してみます。適切な初期推定値は (2N-1)/2N です。ここで、N は重みの数を表します。[忘却係数] は、アルゴリズムが前のサンプルを "忘却する" 速度を示すのに使用されます。値が 1 の場合は、無限大に記憶します。値が小さいほど、アルゴリズムは重みの変化をより高速で追跡できます。ただし、値が小さすぎると、推定値はチャネル ノイズの影響を大きく受けます。

参考文献

再帰的最小二乗アルゴリズムの詳細は、S. Haykin, Adaptive Filter Theory, 3rd Ed., Prentice Hall, 1996 を参照してください。