FILTRY ADAPTACYJNE
Są to filtry cyfrowe posiadające zdolność do automatycznego doboru swoich
parametrów w oparciu o minimalizację pewnego sygnału błędu (np. różnicy
pomiędzy pożądanym a rzeczywistym sygnałem wyjściowym) - ich
charakterystyki są zmienne w czasie.
Podstawowe parametry algorytmów adaptacyjnych:
1. Współczynnik konwergencji – określa ilość iteracji po których
parametry są wyliczone „wystarczająco dokładnie”
2. Błąd końcowy – uśredniona wartość końcowego błędu średnio-
kwadratowego
3. Zdolność śledzenia – zmiana parametrów filtru w wyniku zmiany
sygnału wejściowego (lub fluktuacji algorytmu).
4. Odporność – zdolność do poprawnego działania w przypadku zakłócenia
sygnału
5. Wymagania obliczeniowe – ilość operacji arytmetycznych, rozmiar
pamięci itp.
6. Struktura – modułowość, równoległość (możliwość implementacji
sprzętowej)
7. Własności numeryczne – błędy kwanyzacji, stabilność, wymagana
dokładność obliczeniowa
Metody adaptacji dla filtrów Wienera (sygnały stacjonarne) – minimalizacja
błędu.
1. Metoda największego spadku (LMS) – prosta, powolna konwergencja,
wrażliwy na zakłócenia, powolne śledzenie
2. Metoda gradientowa kratowa (GAL) – modułowa, wykorzystuje filtr w
postaci kratowej
Metody adaptacji dla filtrów Kalmana (sygnały niestacjonarne)– układ opisany
jest przez wektor stanu i wektor błędów pomiarowych – modyfikacja
parametrów odbywa się na drodze rekursywnej lub blokowo
1. rekursywna metoda najmniejszych kwadratów (RLS)
2. rekursywna metoda najmniejszych kwadratów z dekompozycją QR (QR-
RLS)
3. algorytmy szybkie
a. szybki filtr transwersalny (FTF)
b. rekursywny najmniejszych kwadratów – kratowy (RLSL)
c. najmniejszych kwadratów z dekompozycją QR – kratowy (QR-
LSL)
