Files
matlab/common/flms3.m
T
jens b31f3e7435 - added
git-svn-id: http://moon:8086/svn/matlab/trunk@153 801c6759-fa7c-4059-a304-17956f83a07c
2021-03-22 20:28:22 +00:00

109 lines
3.2 KiB
Matlab
Executable File

%===================================================================
%-------------------------------------------------------------------
%
% Adaptive Filter
%
% Simulationen
%
% [ee,w,dd,calc,Px]=flms2(mu,N,C,L,x,d,w_start)
%
% FLMS-Algorithmus
%
% ee = Fehlersignal
% w = Filterkoeffizienten am Ende der Adaption
% dd = Filterausgang, Schaetzung von d
% calc = Rechenzeit
% Px = Schaetzung des Leistungsdichtespektrums vom x
% mu = Schrittweite
% N = Anz. Filterkoeffizienten = Filterordnung+1
% X = Filtereingang x[.]
% d = erwuenschtes Signal d[.]
% w_start = Startwerte Filterkoeffizienten
%
%-------------------------------------------------------------------
%
% author: Markus Hofbauer
% ISI, ETH Zuerich (Switzerland)
%
% created: 7/2000
%
%
%-------------------------------------------------------------------
%
% File : flms2.m
%
% Startfile: sim5.m
%
%-------------------------------------------------------------------
%===================================================================
function [ee,w,dd,calc,PX,u]=flms2(mu,N,C,L,x,d,w_start)
% Initialisierungen
ee=zeros(lge(x),1); % Fehlervektor
dd=zeros(lge(x),1); % Filterausgang, Schaetzung von d
WS = zeros(C,1); % Gewichtsvektor im Frequenzbereich
w = zeros(C,1); % Gewichtsvektor im Zeitbereich
PX = zeros(C,1); % Schaetzung des Leistungsdichtespektrums
X = zeros(C,1); % Eingangsvektor im Frequenzbereich
u = zeros(C,1);
%% FLMS Parameter
numblk = floor(lge(x)/L); % Anzahl Verarbeitungsbloecke
begin=ceil(C/L)-1; % erster Blockindex
gamma = 0.97; % Vergessensfaktor
alpha = 1.0; % 0 < alpha < 1
tic; % Stopuhr laeuft
dspMul = C
dspShift = log2(dspMul)
%-------------------------------------------------------------------
% FLMS Update Loop
%-------------------------------------------------------------------
for j = begin: numblk-1
% DFT von x, Laenge C
X = dspfft(x((j+1)*L-C+1:(j+1)*L),C); % aktuellster Wert
% des Blockes: (j+1)*L
% Filterung im Frequenzbereich
YS = ((X*dspMul) .* (WS*dspMul));
ys = real(dspifft(YS,C)); % IDFT, Filterausgang im Zeitbereich
% Fehlersignal im Zeitbereich
ee(j*L+1:(j+1)*L) = d(j*L+1:(j+1)*L) - ys(C-L+1:C);
% Overlap-Save-Verfahren: nur die letzten L Werte von ys
% werden verwendet um eine lineare Faltung zu erhalten
% Fehlersignal im Frequenzbereich
E = dspfft([zeros(C-L,1); ee(j*L+1:(j+1)*L)],C);
% Update von PX
PX=abs((1-gamma)*conj(X).*X*dspMul + gamma * PX);
% umax = alpha
u = (alpha*mu/dspMul) ./(PX+mu/dspMul);
% Update von WS
WS = WS + u .* conj(X).* E ; % Adaption von WS
% Projektion (letzten L-1 Werte von w zu Null setzten)
w = real(dspifft(WS,C));
WS = dspfft(w(1:C-L+1),C);
dd(j*L+1:(j+1)*L) = ys(C-L+1:C); % Abspeichern der Schaetzung
end;
calc=toc; % Stopuhr angehalten
w = [w(1:C-L+1) ; zeros(L-1,1)]; % Filterkoeffizienten am Ende der Adaption