ADAPTIVNÍ SYSTÉMY - cvičení 5
Modelování systémů pomocí LMS
Úloha 5.1
Je dán neznámý lineární systém, např. IIR filtr. Tento neznámý systém bude aproximován (modelován) FIR filtrem M-tého řádu.
Hledaný FIR model i neznámý systém jsou zapojeny paralelně a buzeny stejným vstupním signálem x[n]. Chybový signál e[n] je rozdílem výstupního signálu neznámého systému d[n] a výstupního signálu modelu y[n].
, kde M je řád filtru.
Koeficienty filtru jsou aktualizovány tak, aby byl minimalizován tento rozdíl
, kde k = 0, 1 ... M.
Výstupní signál adaptivního filtru potom bude aproximovat výstupní signál neznámého systému.
a) Generujte signál x[n] jako bílý šum s normálním rozdělením hustoty pravděpodobnosti.
b) Jako příklad neznámého systému použijte IIR filtr z úlohy 4.1 s přenosovou funkcí:
Signál d[n] je výstupním signálem tohoto filtru.
c) Upravte funkci pro výpočet koeficientů adaptivního filtru metodou LMS z úlohy 4.4 pro použití při modelování systémů.
Úloha 5.2
a) Sledujte chování LMS algoritmu z úlohy 5.1 a zobrazte signály x[n], d[n], y[n] a e[n]. Délku signálu x[n] zvolte např. 1000 vzorku; porovnání signálů proveďte rovněž na kratších úsecích. Volte různé řády modelu a ruzné parametry konvergence.
b) Zobrazte a porovnejte kmitočtovou modulovou charakteristiku přenosové funkce IIR filtru z úlohy 5.1 b) s kmitočtovou modulovou charakteristikou FIR filtru, jehož koeficienty byly nalezeny LMS algoritmem v posledním iteračním kroku.
c) Zobrazte a porovnejte impulsní odezvy IIR a FIR filtru podobně jako v případě b).
d) Zobrazte Z-roviny obou (IIR a FIR) filtru.
%%%%%%%%%%%%%%%%%%%%%%%%%%%
%L M S %
%%%%%%%%%%%%%%%%%%%%%%%%%%%
function [b,y,e]=lms(x,d,beta,M)
x=x(:)';
N=length(x);
b(N,M+1)=0;
for n=M+1:N
y(n)=x(n:-1:n-M)*b(n,:)';
e(n)=d(n)-y(n);
b(n+1,:)=b(n,:)+beta*e(n)*x(n:-1:n-M);
end
a) bily sum x[n]
b) signal d[n] neznameho filtru
c) aproximovany vystup y[n]
d) chybovy signal e[n]=d[n]-e[n]
e) koeficienty FIR filtru
a) kmitoctova charakteristika neznameho filtru
b) kmitoctova charakteristika FIR filtru
c) impusni odezva neznameho filtru
d) impulsni odezva FIR filtru
e) Z - rovina IIR filtru
f) Z - rovina FIR filtru
a) bily sum x[n]
b) signal d[n] neznameho filtru
c) aproximovany vystup y[n]
d) chybovy signal e[n]=d[n]-e[n]