
- •Раздел I. Линейные системы. Цифровые фильтры
- •Системы хранения медиаданных
- •Скорости и интерфейсы
- •Расчет аналогового нормированного фильтра нижних частот Баттерворта
- •Df 1. Введение в адаптивные фильтры
- •1.1. Адаптивная обработка данных
- •1.1.1 Адаптивные фильтры
- •1.1.2 Принцип действия адаптивного фильтра
- •1.4 Адаптивные фильтры
- •1.4.1 Адаптивные фильтры с бесконечной импульсной характеристикой
- •1.4.2 Адаптивные фильтры с конечной импульсной характеристикой
- •1.4.3 Адаптивные фильтры, основанные на методах преобразования сигнала
- •3 Адаптивные алгоритмы для фильтров с конечной импульсной характеристикой
- •3.1. Введение
- •4. Адаптивные алгоритмы для фильтров с бесконечной импульсной характеристикой
- •4.1. Введение
- •4.1.1 Общий обзор
- •2.3 Оптимальное рекурсивное калмановское оценивание
- •2.3.1 Скалярный фильтр Калмана
- •2.3.2. Вывод коэффициента фильтра Калмана
- •2.4. Векторный фильтр Калмана
- •2.4.1. Векторный фильтр Калмана в качестве устройства коррекции канала
- •Требования к вейвлетам
- •Свойства вейвлет преобразования
- •Непрерывное вейвлет-преобразование
- •Дискретное вейвлет-преобразование
- •Графическое представление
- •Применение
- •Примечания
- •Чирплет
- •Аналогия с другими преобразованиями
- •Чирплеты и чирплет-преобразование
- •Приложения
- •Систематика чирплет-преобразования
- •Df Глава 1. Постановка задачи и обзор моделей прогнозирования временных рядов
- •1.1. Содержательная постановка задачи
- •1.2. Формальная постановка задачи
- •1.3. Обзор моделей прогнозирования
- •1.3.1. Регрессионные модели
- •1.3.2. Авторегрессионные модели
- •1.3.3. Модели экспоненциального сглаживания
- •1.3.4. Нейросетевые модели
- •1.3.5. Модели на базе цепей Маркова
- •1.3.6. Модели на базе классификационно-регрессионных деревьев
- •1.1.1. Другие модели и методы прогнозирования
- •1.4. Сравнение моделей прогнозирования
- •1.4.1. Достоинства и недостатки моделей
- •1.4.2. Комбинированные модели
- •1.5. Выводы
- •Тема 15. Регрессия
- •Введение
- •15.1. Постановка задачи регрессии
- •15.2. Линейная регрессия [25]
- •15.3. Полиномиальная регрессия [25]
- •15.4. Нелинейная регрессия [25]
- •15.5. Сглаживание данных [25]
- •15.6. Предсказание зависимостей [25]
- •Df Линейная регрессия
- •8. Регрессия
- •8.1. Детерминированные и статистические зависимости
- •8.2. Корреляция и коэффициент корреляции
- •8.3. Уравнения регрессии
- •8.3.1. Линейная регрессия
- •8.3.2. Полиномиальная регрессия
- •8.3.3. Нелинейная регрессия
- •8.4. Сглаживание данных
- •8.5. Предсказание зависимостей
- •Параболическая и экспоненциальная регрессия.
- •Аппроксимация. Параболическая регрессия
- •Интерполяция
- •[Править]Определения
- •[Править]Пример
- •[Править]Способы интерполяции [править]Интерполяция методом ближайшего соседа
- •[Править]Интерполяция многочленами
- •[Править]Определение и история
- •[Править]Классификация сплайнов
- •Интерполяционный сплайн
- •1.4. Линейные операторы
- •Фильтр Гаусса
- •Фильтр Лапласа
- •Компьтерное зрение. Оператор Собеля Среда, Февраль 10th, 2010 | Программирование (10 голосов, средний: 4.60 из 5)
- •Быстрое размытие по Гауссу
Df 1. Введение в адаптивные фильтры
Питер М. Грант и Колин Ф.Н. Коуэн
1.1. Адаптивная обработка данных
Традиционные системы обработки сигналов, предназначенные для извлечения информации из поступающего сигнала, например, согласованные фильтры, работают по принципу разомкнутого контура, т. е. на данном интервале времени для обработки сигнала используется тот же метод, что и на предшествующем интервале, независимо от результата, полученного на последнем. Иначе говоря, в основу традиционных методов обработки сигнала положено допущение о том, что искажение сигнала является известным и инвариантным во времени.
Адаптивные
же устройства обработки сигнала [221,
342] действуют по принципу замкнутого
контура (обратной связи). Входной сигнал
фильтруется
или взвешивается в программируемом
фильтре для получения выходного сигнала
,
который затем сравнивается с полезным,
стандартным или обучающим сигналом
для
нахождения сигнала ошибки
.
Затем этот сигнал ошибки используется
для корректировки весовых параметров
процессора (обычно итеративным методом),
с целью постепенной минимизации ошибки
(т. е. сигнал на выходе обрабатывающего
устройства – процессора - вплотную
приближается к величине обучающего
сигнала). Такие процессоры разделяются
на два больших класса: адаптивные фильтры
(рис. 1.1) и адаптивные антенны [112, 155, 232,
299].
Адаптивные фильтры – тема данной книги: в них используется программируемый фильтр, частотная характеристика или передаточная функция которого изменяется, или адаптируется таким образом, чтобы пропустить без искажения полезные составляющие сигнала и ослабить нежелательные сигналы или помехи, т. е. уменьшить любые искажения входного сигнала. В адаптивных антеннах осуществляется пространственная обработка сигнала с помощью антенной решетки, и на диаграмме создается главный максимум в направлении прихода сигнала и происходит генерация нулей в направлениях источников помех. При этом для подавления помех используются те же методы пространственной обработки сигнала.
Рис. 1.1 Блок-схема адаптивного фильтра
В адаптивной системе необходим минимальный объем исходной информации о поступающем сигнале. Адаптивный фильтр действует по принципу оценивания статистических параметров поступающего сигнала и подстройки собственной переходной характеристики таким образом, чтобы минимизировать некоторую функцию стоимости. Эту функцию стоимости можно получить рядом способов, в зависимости от предполагаемой области применения, но обычно ее вывод производится с помощью источника второго сигнала на задающем входе, как показано на рис. 1.1. Вторичный входной сигнал можно рассматривать как полезный сигнал на выходе фильтра; задача адаптивного алгоритма – подстройка весов в программируемом фильтрующем устройстве таким образом, чтобы свести к минимуму разность, или ошибку, между сигналами на выходе и входе фильтра. Такие адаптивные фильтры часто используются для восстановления на выходах каналов сигналов с изменяющимися во времени характеристиками.
Все системы, рассмотренные в данной книге, являются системами обработки импульсных (дискретных по времени) сигналов. Поэтому, для удобства изложения индекс, обозначающий определенный момент времени, исключен из всех математических выражений.