1
ทำไมการสร้างแบบจำลองมากเกินไปตัวกรอง AR NLMS ที่ปรับเปลี่ยนได้จึงทำให้แหลมคมชัด
ฉันเพิ่งจำลองโมเดลลำดับที่สองแบบย้อนกลับอัตโนมัติที่เติมด้วยสัญญาณรบกวนสีขาวและประมาณค่าพารามิเตอร์ด้วยตัวกรองคำสั่งมาตรฐานกำลังสองน้อยที่สุดที่มีค่าเฉลี่ยกำลังสองมาตรฐาน ในฐานะที่เป็นตัวกรองลำดับที่หนึ่งภายใต้โมเดลระบบแน่นอนการประมาณค่านั้นแปลก ตัวกรองลำดับที่สองพบการประมาณที่ดีแม้ว่าจะมีการกระโดดที่คมชัดสองครั้ง สิ่งนี้คาดหวังได้จากธรรมชาติของตัวกรอง NLMS สิ่งที่ทำให้ฉันสับสนคือตัวกรองลำดับที่สามและสี่ พวกเขาดูเหมือนจะกำจัดการกระโดดที่คมชัดดังที่เห็นในภาพด้านล่าง ฉันไม่เห็นสิ่งที่พวกเขาจะเพิ่มเนื่องจากตัวกรองลำดับที่สองนั้นเพียงพอที่จะสร้างแบบจำลองระบบ พารามิเตอร์ที่ซ้ำซ้อนจะอยู่ที่ประมาณต่อไป000 ใครช่วยอธิบายปรากฏการณ์นี้ให้ฉันในเชิงคุณภาพได้ไหม อะไรเป็นสาเหตุของมันและเป็นที่พึงปรารถนา? ฉันใช้ขนาด step ,ตัวอย่างและโมเดล ARโดยที่เป็นสีขาว เสียงรบกวนที่มีความแปรปรวน 1.μ=0.01μ=0.01\mu=0.0110410410^4x(t)=e(t)−0.9x(t−1)−0.2x(t−2)x(t)=e(t)−0.9x(t−1)−0.2x(t−2)x(t)=e(t)-0.9x(t-1)-0.2x(t-2)e(t)e(t)e(t) รหัส MATLAB สำหรับการอ้างอิง: % ar_nlms.m function th=ar_nlms(y,order,mu) N=length(y); th=zeros(order,N); % estimated parameters for t=na+1:N phi = -y( t-1:-1:t-na, : ); residue = phi*( y(t)-phi'*th(:,t-1) ); th(:,t) = th(:,t-1) + (mu/(phi'*phi+eps)) * residue; end …