ewan-xu / pyaec Goto Github PK

Why does your Volterra return the error signal instead of a filtered one?

def svf(x, d, M=128, L=10, mu1=0.2, mu2=0.2): nIters = min(len(x),len(d)) - M L2=int(L*(L+1)/2) u = np.zeros(M) u2 = np.zeros((M,L2)) w = np.zeros(M) h2 = np.zeros(L2) e = np.zeros(nIters) for n in range(nIters): u[1:] = u[:-1] u[0] = x[n] u2_n = np.outer(u[:L],u[:L]) u2_n = u2_n[np.triu_indices_from(u2_n)] u2[1:] = u2[:-1] u2[0] = u2_n x2 = np.dot(u2,h2) g = u + x2 y = np.dot(w, g.T) e_n = d[n] - y w = w + mu1*e_n*g/(np.dot(g,g)+1e-3) grad_2 = np.dot(u2.T,w) h2 = h2 + mu2*e_n*grad_2/(np.dot(grad_2,grad_2)+1e-3) e[n] = e_n return e

非常感谢，这个工程真的很棒。
关于卡尔曼滤波中需要的 observation noise variance 和 process noise variance 在实际场景中有没有比较的好估算方式？
时域，频域 和 分块频域的估计方式是一样的吗？

你好，假如我要使用“nlms”进行实时处理，每次输入大小为512，那么在nlms中参数N应该修改为多大？

请问博主，在频域分块kalman算法里，更新滤波器系数时，对于constrain matrix GL您在代码里好像没有体现出来啊，另外，为啥计算X(k)P(k)XH(k)时候先计算X2之后要按行求和啊，X2 = np.sum(np.abs(self.X) ** 2, axis=0)
Re = 0.5 * self.Rm * X2 + np.abs(E) ** 2 / self.N