1
なぜ適応型AR NLMSフィルターをオーバーモデリングすると鋭いスパイクが修正されるのですか？
ホワイトノイズを燃料とする自動回帰2次モデルをシミュレートし、次数1〜4の正規化された最小平均二乗フィルターを使用してパラメーターを推定しました。 一次フィルターはシステムをモデル化しているため、当然、推定は奇妙です。2次フィルターは、いくつかの鋭いジャンプがありますが、適切な推定値を見つけます。これは、NLMSフィルターの性質から予想されるものです。 私を混乱させるのは、3次と4次のフィルターです。次の図に示すように、急激なジャンプが解消されているようです。システムをモデル化するには2次フィルターで十分なので、何を追加するかわかりません。とにかく、冗長パラメーターはを中心に動きます。000 誰かがこの現象を定性的に説明してくれませんか？何が原因で、それは望ましいことですか？ Iは、ステップサイズ用い、10個の4サンプル、およびARモデルX （T ）= E （T ）- 0.9 X （T - 1 ）- 0.2 X （T - 2 ）ここで、E （T ）であるホワイトノイズを分散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) 参考のために、MATLABコード： % 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) …