Paginas con los códigos

Paginas con los códigos:

-LMS-NLMS-RLS/demo3.m at master · L7O7/-LMS-NLMS-RLS · GitHub

Echo and Noise cancellation in MATLAB - MATLAB Answers - MATLAB Central (mathworks.com)

Compute output, error, and weights of LMS adaptive filter - MATLAB - MathWorks América Latina

Mean Opinion Score (MOS) test script - File Exchange - MATLAB Central (mathworks.com)

Estimated mean squared error for adaptive filters - MATLAB msesim - MathWorks América Latina

(PDF) ALGORITMOS LMS DE FILTRADO ADAPTATIVO PARA CANCELACIÓN DE ECO ACÚSTICO EN SISTEMAS DE TELECOMUNICACIONES (researchgate.net)

DESARROLLO:

Para la implementación del algoritmo de filtro adaptativo del Cancelador de Eco se empleó el filtro RLS y el modelo de cancelador como se muestra a continuación:

[pic 1]

De forma que en la primera parte se diseñó el código para capturar una señal de entrada mediante la función implementada en Matlab denominada “audiorecorder”, la cual recibe como parámetros la frecuencia de muestreo, para nuestro caso 22050 Hz, el numero de bit y el numero de canales. Luego la pasamos a un variable y mediante “getaudiodata” obtenemos las datos de la señal, de igual manera la pasamos a una variable y al final con la función “sound” reproducimos la señal grabada. El mismo proceso recibe la señal de eco si queremos capturar una, o de otro modo podemos modelarlo con la siguiente formula:

[pic 2]

La cual es una copia de la señal original retardada por delta muestras y atenuada por un factor Alpha, para este caso especificamos un desfase temporal de 0.23 segundos y un factor de atenuación de 0.5.

[pic 3]

O de otra forma podemos leer los archivo tipo “.wav” de una señal y una con su eco,  mediante “audioread” simplemente especificando el nombre del archivo, en donde obtenemos los datos y la frecuencia. Y si no se encuentra a la frecuencia especificada, aplicamos un cambio de la tasa de muestreo por medio de las funciones “upsample” y “downsample”.

[pic 4]

después de definir los parámetros de entradas, entonces procedemos a desarrollar el filtro adaptativo RLS, primero definiendo los parámetros tales como:

[pic 5]

Y mediante un ciclo procesamos la señal de entrada, calculando el error, los coeficientes de filtro y la actualización de estos, para obtener los coeficientes del filtro y la señal filtrada.

[pic 6]

Luego por medio de las funciones “subplot”, graficamos las señales de entrada, la señal deseada, el error y la señal filtrada.

[pic 7]

Para el cálculo de la velocidad de convergencia y la estabilidad, se lo realiza con el índice de muestreo a la que se logra el error cuadrático mínimo dividida por la longitud total de la señal de error. El desajuste mediante la comparación de una señal con ruido. El costo computacional por medio del número de operaciones de suma, resta, multiplicaciones y divisiones, multiplicado por la longitud de la señal de entrada.

Para ello primero definimos e inicializamos algunos parámetros:

...