Matlab2019b中配置最小均方误差滤波器（dsp.LMSFilter）详细设置-程序员宅基地

主动降噪设计中涉及的最小均方误差算法（LMS）2019b版本中AudioToolbox添加的新功能设置

注意：本程序与2016b版本以前不兼容

主动降噪设计中最核心的算法莫过于LMS了，实在是太经典了，目前主流的多为LMS算法演化。后面会介绍LMS function的编写，在这里仅介绍如何快速的建立LMS滤波器并进行仿真设计。

%% Least mean square filter 自适应滤波器工具箱初始化设置
%2020/3/16

lms = dsp.LMSFilter
%% 基本设置
lms.Method='Normalized LMS';%使用方法为普通LMS，（Normalized LMS ; Sign-Data LMS ; Sign-Error LMS ; Sign-Sign LMS)
lms.Length=16;%使用的FIR滤波器长度L，抽头数
lms.StepSizeSource='Property';%'Property'为固定步长方式，如果使用设定步长方式为'Input port'
lms.StepSize=0.1;%步长mu大小,需要为一个非负的标量，可以使用'maxstep'方式来获取最大步长，此方式仅在'Property'模式下激活

%[mumax,mumaxmse] = maxstep(lmsFilt,x);%获取最大步长的方式
lms.LeakageFactor=1;%泄露因子，当值为1是普通LMS，不含有泄露参数，当值在[0,1]之间时为泄露LMS
lms.InitialConditions=[1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 ];%初始权值w设置，长度需要和Length一致，0是初始权值全为0

Flag_updates_weight=lms.AdaptInputPort;%滤波器权值w是否持续更新的标志，当为'true'时，权值在输入值为0时保持原来的值
Flag_Reset_weight=lms.WeightsResetInputPort;%权值w是否复位则标志，当为'true'时，复位控制激活，同时weightsResetCondition可用，复位的权值w根据weightsResetCondition的设置

lms.WeightsResetCondition='Non-zero';%触发权值复位w的条件，上升沿触发'Rising edge', 下降沿触发‘Falling edge'
lms.WeightsOutput='Last'; %输出最后一帧数据计算出来的权值,'All'输出全部权值

%% 定点运算设置
lms.RoundingMethod='Floor';%定点化操作
lms.OverflowAction='Wrap';%数据溢出操作
lms.StepSizeDataType='Same word length as first input';%步长大小类型

%% 使用方法
% [y,err,wts] = lms(x,d,mu,a,r);%输入信号x,期望信号d，步长mu（当StepSizeSource为Input port形式时激活），
                              %自适应控制系数a（当AdaptInputPort='ture'时激活），复位信号r，信号输出为y,误差函数err,自适应权值wts
%% 最大步长
[mumax,mumaxmse] = maxstep(lms,x);%lms为预设好的最小均方误差滤波器，x为输入信号，当为NLMS时mumax=2,mumin=2

%% 预测最小均方误差的误差信号
[mmseemse,meanw,mse,tracek] = msepred(lms,x,d,m);
%返回值mmse
%最小均方误差，这个参数是用维纳滤波器估计的，是为维纳滤波器输出的信号与期望信号之间的均方误差
%较大的均方误差表明自适应滤波器不能准确的跟踪期望信号，最小的均方误差表征了自适应滤波器是最优的。
%将期望信号的特定帧与滤波后的信号之间的最小均方误差计算为两帧信号之间的方差。
%msepred函数输出所有帧的mmse值的平均值。

%返回值emse
%该误差是自适应滤波器引入的均方误差与相应维纳滤波器产生的最小均方误差之差。

%meanw
%系数向量序列表示自适应滤波器在各时刻的瞬时值，以矩阵形式返回。
%该矩阵的列包含LMS自适应滤波系数在每一时刻的平均值的预测。如果抽取因子m = 1，均值的维数为m×n。M是输入信号的帧大小(行数)，
%x. N是FIR滤波器权向量的长度，由lmsFilt系统对象的length属性指定。如果m > 1，均值的维数为m /m×n。

%tracek
%预测LMS自适应滤波器在每一时刻的总系数误差功率，以列向量的形式返回。
%这些值由系数协方差矩阵的迹给出。协方差可以用来衡量两个变量间的相似性.

Copyright  2020 by RichardYang. All rights reserved.
仅供参考，严禁转载，感谢。

如果你需要更加详细的了解每个参数的意义，可以关注我的博客，之后将会详细的写一写主动降噪中的LMS算法以及衍生算法。

本文链接：https://blog.csdn.net/u011442170/article/details/105577186

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

稀疏编码的数学基础与理论分析-程序员宅基地

文章浏览阅读290次，点赞8次，收藏10次。1.背景介绍稀疏编码是一种用于处理稀疏数据的编码技术，其主要应用于信息传输、存储和处理等领域。稀疏数据是指数据中大部分元素为零或近似于零的数据，例如文本、图像、音频、视频等。稀疏编码的核心思想是将稀疏数据表示为非零元素和它们对应的位置信息，从而减少存储空间和计算复杂度。稀疏编码的研究起源于1990年代，随着大数据时代的到来，稀疏编码技术的应用范围和影响力不断扩大。目前，稀疏编码已经成为计算...

EasyGBS国标流媒体服务器GB28181国标方案安装使用文档-程序员宅基地

文章浏览阅读217次。EasyGBS - GB28181 国标方案安装使用文档下载安装包下载，正式使用需商业授权, 功能一致在线演示在线API架构图EasySIPCMSSIP 中心信令服务, 单节点, 自带一个 Redis Server, 随 EasySIPCMS 自启动, 不需要手动运行EasySIPSMSSIP 流媒体服务, 根..._easygbs-windows-2.6.0-23042316使用文档

【Web】记录巅峰极客2023 BabyURL题目复现——Jackson原生链_原生jackson 反序列化链子-程序员宅基地

文章浏览阅读1.2k次，点赞27次，收藏7次。2023巅峰极客 BabyURL之前AliyunCTF Bypassit I这题考查了这样一条链子：其实就是Jackson的原生反序列化利用今天复现的这题也是大同小异，一起来整一下。_原生jackson 反序列化链子

一文搞懂SpringCloud，详解干货，做好笔记_spring cloud-程序员宅基地

文章浏览阅读734次，点赞9次，收藏7次。微服务架构简单的说就是将单体应用进一步拆分，拆分成更小的服务，每个服务都是一个可以独立运行的项目。这么多小服务，如何管理他们？(服务治理注册中心[服务注册发现剔除])这么多小服务，他们之间如何通讯？这么多小服务，客户端怎么访问他们？(网关)这么多小服务，一旦出现问题了，应该如何自处理？(容错)这么多小服务，一旦出现问题了，应该如何排错?(链路追踪)对于上面的问题，是任何一个微服务设计者都不能绕过去的，因此大部分的微服务产品都针对每一个问题提供了相应的组件来解决它们。_spring cloud

Js实现图片点击切换与轮播-程序员宅基地

文章浏览阅读5.9k次，点赞6次，收藏20次。Js实现图片点击切换与轮播图片点击切换<!DOCTYPE html><html> <head> <meta charset="UTF-8"> <title></title> <script type="text/ja..._点击图片进行轮播图切换

tensorflow-gpu版本安装教程（过程详细）_tensorflow gpu版本安装-程序员宅基地

文章浏览阅读10w+次，点赞245次，收藏1.5k次。在开始安装前，如果你的电脑装过tensorflow，请先把他们卸载干净，包括依赖的包（tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing），不然后续安装了tensorflow-gpu可能会出现找不到cuda的问题。cuda、cudnn。..._tensorflow gpu版本安装

随便推点

物联网时代权限滥用漏洞的攻击及防御-程序员宅基地

文章浏览阅读243次。0x00 简介权限滥用漏洞一般归类于逻辑问题，是指服务端功能开放过多或权限限制不严格，导致攻击者可以通过直接或间接调用的方式达到攻击效果。随着物联网时代的到来，这种漏洞已经屡见不鲜，各种漏洞组合利用也是千奇百怪、五花八门，这里总结漏洞是为了更好地应对和预防，如有不妥之处还请业内人士多多指教。0x01 背景2014年4月，在比特币飞涨的时代某网站曾经..._使用物联网漏洞的使用者

Visual Odometry and Depth Calculation--Epipolar Geometry--Direct Method--PnP_normalized plane coordinates-程序员宅基地

文章浏览阅读786次。A. Epipolar geometry and triangulationThe epipolar geometry mainly adopts the feature point method, such as SIFT, SURF and ORB, etc. to obtain the feature points corresponding to two frames of images. As shown in Figure 1, let the first image be and th_normalized plane coordinates

开放信息抽取(OIE)系统（三）-- 第二代开放信息抽取系统(人工规则, rule-based, 先抽取关系)_语义角色增强的关系抽取-程序员宅基地

文章浏览阅读708次，点赞2次，收藏3次。开放信息抽取(OIE)系统（三）-- 第二代开放信息抽取系统(人工规则, rule-based, 先关系再实体)一.第二代开放信息抽取系统背景第一代开放信息抽取系统(Open Information Extraction， OIE， learning-based, 自学习, 先抽取实体)通常抽取大量冗余信息，为了消除这些冗余信息，诞生了第二代开放信息抽取系统。二.第二代开放信息抽取系统历史第二代开放信息抽取系统着眼于解决第一代系统的三大问题: 大量非信息性提取（即省略关键信息的提取）、_语义角色增强的关系抽取