1
为什么对自适应AR NLMS滤波器进行过建模可以解决尖峰？
我只是模拟了由白噪声激发的自回归二阶模型，并使用1-4阶的标准化最小均方滤波器估计了参数。 由于一阶滤波器对系统建模不足，因此估计当然很奇怪。尽管二阶滤波器有一些急剧的跳跃，但它找到了很好的估计。从NLMS过滤器的性质可以预期到这一点。 使我困惑的是三阶和四阶滤波器。如下图所示，它们似乎消除了急剧的跳跃。我看不到它们会添加什么，因为二阶滤波器足以对系统建模。冗余参数始终在附近徘徊。000 有人可以定性地为我解释这种现象吗？是什么原因造成的，它是可取的吗？ 我用步长，的样品，并且AR模型其中是白色差异噪声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) MATLAB代码，供参考： % 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) + (mu/(phi'*phi+eps)) * residue; end % main.m y = filter( [1], [1 0.9 0.2], randn(1,10000) )'; plot( ar_nlms( y, …