4544139355

4544139355



Tablica 2

Algorytm RLS

Warunki początkowe:

Po = li 7 > 1 fo = 0

Dla kolejnych chwil czasu n obliczamy: e(n|n — 1) = d(n)

P„-lX„

A + xTPn-iXn fn f n—\ + kne(n\n - 1)

Występująca w rekursjach algorytmu RLS macierz Pn o wymiarze dim(Pn) = L x L jest estymatą w chwili n macierzy R 1, odwrotnej do macierzy autokorelacji sygnału wejściowego x(n) filtru adaptacyjnego. Symbol e(n|n — 1) oznacza tu błąd estymacji a priori, w odróżnieniu do wykorzystanego w kryterium minimalizacji (7) błędu a posteriori e(n). Błąd estymacji a posteriori oblicza się wykorzystując aktualny wektor współczynników filtru fn, zaś błąd a priori - korzystając z wektora współczynników filtru fn_ 1 z chwili poprzedniej. Wektor fc„ nazywany jest wektorem wzmocnienia algorytmu lub wektorem wzmocnienia kalmanowskiego. Druga z przytoczonych nazw wektora kn wynika z faktu, że algorytm RLS może być rozpatrywany jako szczególny przypadek filtru Kalmana.

Niedopasowanie algorytmu RLS w przypadku stacjonarności sygnałów x(n) i d(n) opisuje następująca formuła [2]:

Mrls = ^ + yL-    (8)

Ze wzoru (8) wynika, że błąd średniokwadratowy rozwiązań generowanych przez algorytm RLS z nieskończoną ” pamięcią” (A — 1) w przypadku, gdy sygnały x(n) i d(n) są stacjonarne, jest zbieżny do minimalnego błędu średniokwadratowego Jmin- To z kolei oznacza, że algorytm RLS pracujący w określonych wyżej warunkach, jest w stanie zapewnić w stanie ustalonym optymalne rozwiązanie problemu liniowej estymacji średniokwadratowej sygnałów.

3.3 Identyfikacja systemu liniowego za pomocą filtru adaptacyjnego

Część badań eksperymentalnych przeprowadzanych przez studentów podczas niniejszego ćwiczenia, a dokładniej analiza porównawcza szybkości zbieżności algorytmów LMS i RLS oraz ocena zdolności śledzenia systemów niestacjonarnych przez te algorytmy, przeprowadzona zostanie z wykorzystaniem filtru adaptacyjnego w systemie adaptacyjnej identyfikacji nieznanego liniowego, w ogólności niestacjonarnego układu. Schemat takiego systemu przedstawiono na rys. 1. Zadaniem filtru adaptacyjnego jest tu takie przetworzenie sygnału x(n), aby błąd estymacji e(n) był minimalny w sensie pewnego kryterium, które jest zależne od zastosowanego algorytmu. Po osiągnięciu zbieżności, filtr adaptacyjny modeluje z pewną dokładnością nieznany system, z którym równolegle przetwarza sygnał wejściowy x(n). Stopień naszej niewiedzy o identyfikowanym systemie może być różny.

4



Wyszukiwarka

Podobne podstrony:
Warunki początkowe Warunki początkowe muszą być sformułowane dla tych równań różniczkowych
gdzie stalą całkowania A wyznaczamy % warunku początkowego (zgodnie z prawem komutacji dla
skanuj0011 (375) ę --ę0 = -0,10 rad , <p = 0.    (D-13.30> Po podstawieniu waru
skanuj0001 (5) Po podstawieniu warunków początkowych (D-13.30) do równań (D-13.26) i (D-13.27) otrzy
BEZNA~33 Rozwiązanie. Warunki początkowe <l(0) ERi+R ’ «c(0) = RR, + R E Po otwarciu łącznika W o
BEZNA~36 Rozwiązanie. Warunki początkowe «c(0) = RiL(Q) = 2 V W stanie nieustalonym po przełączeniu,
Po wprowadzenia warunków początkowych, zostało jeszcze określenie materiału, z którego wykonana zost
Po wprowadzenia warunków początkowych, zostało jeszcze określenie materiału, z którego wykonany zost
Image23 (24) 44 Po scałkowaniu tego równania, przy warunkach początkowych t = 0, x = 0, y = 0, otrz
Po wprowadzenia warunków początkowych, zostało jeszcze określenie materiału, z którego wykonana zost
mech2 83 16 ! li Z warunku początkowego t = 0 —► v = v O °1 = vo + vr ln “o* v 3 v0 “ Sfc ~ ^ ln (m
mech2 83 16 ! li Z warunku początkowego t = 0 —► v = v O °1 = vo + vr ln “o* v 3 v0 “ Sfc ~ ^ ln (m

więcej podobnych podstron