누락 된 주요 개념은 입력 및 출력 신호의 차이를 최소화하는 것이 아니라는 것입니다. 오류는 종종 두 번째 입력에서 계산됩니다. ECG와 관련된 Wikipedia 예를 살펴보십시오 .
이 예에서 필터 계수는 메인 신호로부터 추출 된 주파수에 따라 노치 필터의 노치 주파수를 변경하도록 재 계산된다. 정적 노치 필터를 사용할 수 있지만, 주 주파수의 변동성을 수용하기 위해 더 넓은 범위의 주파수를 거부해야합니다. 적응 형 필터는 주 주파수를 따르므로 정지 대역이 훨씬 좁아 질 수 있으므로 유용한 ECG 정보가 더 많이 유지됩니다.
편집하다:
나는 이것을 다시 보았고 나는 당신의 질문을 조금 더 잘 이해한다고 생각합니다. 필터 계수를 업데이트하려면 LMS 알고리즘에 오류 항이 필요합니다. 위에서 설명한 ECG 예제에서 오류 용어를 주 전압의 두 번째 입력으로 제공합니다. "나는 왜 신호 플러스 잡음에서 잡음을 빼서 신호를 남기지 않는가?" 이것은 간단한 선형 에서 잘 작동합니다체계. 더 나쁜 것은 온라인에서 제공되는 대부분의 예제는 오류 신호가 원하는 신호와 적응 형 필터의 출력 간의 차이로부터 계산된다는 것을 (올바르지 만 혼란스럽게) 알려줍니다. 이것은 합리적인 사람이 "원하는 신호를 이미 가지고 있다면 왜이 일을 하는가?"라고 생각하게합니다. 이로 인해 독자는 적응 형 필터의 수학적 설명을 읽고 이해할 동기를 갖지 못할 수 있습니다. 그러나이 키는 Digital Signal Processing Handbook , Ed 의 섹션 18.4에 있습니다. Vijay K. Madisetti와 Douglas B. William.
어디:
- x = 입력 신호,
- y = 필터에서 출력
- W = 필터 계수
- d = 원하는 출력,
- e = 오류
실제로, 관심 수량이 항상 d는 아닙니다. d. x에 포함 된 d의 특정 구성 요소를 나중에 나타내거나 x에 포함되지 않은 오류 e 내에서 d의 구성 요소를 분리하는 것이 바람직합니다. 또는 W의 매개 변수 값에만 관심이있을 수 있으며 x, y 또는 d 자체에 대해서는 신경 쓰지 않아도됩니다. 이러한 각 시나리오의 실제 예는이 장의 뒷부분에서 제공됩니다.
d를 항상 사용할 수없는 상황이 있습니다. 이러한 상황에서 적응은 일반적으로 d가 사용 가능한 경우에만 발생합니다. d를 사용할 수없는 경우 일반적으로 가장 최근의 파라미터 추정값을 사용하여 원하는 응답 신호 d를 추정하기 위해 y를 계산합니다.
d를 사용할 수없는 실제 상황이 있습니다. 그러한 경우에, 예측 된 통계적 행동 또는 진폭 특성과 같은 "가설 적"d의 특성에 대한 추가 정보를 사용하여 적응 형 필터에 이용 가능한 신호로부터 d의 적절한 추정치를 형성 할 수있다. 이러한 방법을 집합 적으로 블라인드 적응 알고리즘이라고합니다. 이러한 체계가 작동한다는 사실은 알고리즘 개발자의 독창성과 적응 형 필터링 필드의 기술적 성숙도에 대한 찬사입니다.
ECG 예제를 개선하기 위해 시간이되면이 답변을 계속 작성하겠습니다.
이 강의 노트 세트가 특히 우수하다는 것을 알았습니다. 고급 신호 처리 적응 추정 및 적응 필터 -Danilo Mandic