महत्वपूर्ण अवधारणा जो आप याद कर रहे हैं वह यह है कि आप इनपुट और आउटपुट सिग्नल के बीच के अंतर को कम नहीं कर रहे हैं। त्रुटि की गणना अक्सर 2 इनपुट से की जाती है। केवल ईसीजी से संबंधित विकिपीडिया उदाहरण देखें ।
इस उदाहरण में फ़िल्टर गुणांक को मुख्य संकेत से निकाले गए आवृत्ति के अनुसार एक पायदान फिल्टर के पायस आवृत्ति को बदलने के लिए पुनर्गणना किया जाता है। एक स्थिर पायदान फिल्टर का उपयोग कर सकता है, लेकिन आपको मुख्य आवृत्ति में परिवर्तनशीलता को समायोजित करने के लिए आवृत्तियों की एक विस्तृत श्रृंखला को अस्वीकार करना होगा। एडाप्टिव फिल्टर मुख्य आवृत्ति का अनुसरण करता है और इसलिए स्टॉप बैंड बहुत अधिक संकीर्ण हो सकता है, इस प्रकार उपयोगी ईसीजी जानकारी को अधिक बनाए रखता है।
संपादित करें:
मैंने इसे फिर से देखा है और मुझे लगता है कि मैं आपके प्रश्न को थोड़ा बेहतर समझता हूं। फ़िल्टर गुणांक को अद्यतन करने के लिए LMS एल्गोरिथ्म में एक त्रुटि शब्द की आवश्यकता होती है। ईसीजी उदाहरण में कि मैं ऊपर पैराफेरेस करता हूं, मैं एक मेस वोल्टेज से दूसरे इनपुट के रूप में त्रुटि शब्द देता हूं। अब मैं अनुमान लगा रहा हूं कि आप सोच रहे हैं, "सिग्नल छोड़ने के लिए सिग्नल-प्लस-शोर से शोर को क्यों न घटाएं?" यह एक साधारण रैखिक में ठीक काम करेगाप्रणाली। इससे भी बदतर, ऑनलाइन दिए गए अधिकांश उदाहरण आपको बताते हैं (सही ढंग से लेकिन भ्रामक रूप से) कि त्रुटि शब्द की गणना वांछित संकेत और अनुकूली फिल्टर के आउटपुट के बीच के अंतर से की जाती है। यह किसी भी उचित व्यक्ति को यह सोचने में छोड़ देता है कि "यदि आपके पास पहले से ही वांछित संकेत है, तो इस में से किसी को करने में परेशान क्यों हो !?"। यह पाठक को अनुकूली फिल्टर के गणितीय विवरणों को पढ़ने और समझने के लिए प्रेरणा की कमी छोड़ सकता है। हालाँकि, कुंजी डिजिटल सिग्नल प्रोसेसिंग हैंडबुक , एड की धारा 18.4 में है । विजय के। मदिसेट्टी और डगलस बी। विलियम
कहाँ पे:
- x = इनपुट संकेत,
- y = फ़िल्टर से आउटपुट,
- डब्ल्यू = फिल्टर गुणांक,
- डी = वांछित उत्पादन,
- ई = त्रुटि
व्यवहार में, ब्याज की मात्रा हमेशा घ नहीं होती है। हमारी इच्छा x में निहित d के कुछ निश्चित घटक का प्रतिनिधित्व करने की हो सकती है, या यह त्रुटि के भीतर d के एक घटक को अलग करने के लिए हो सकता है जो x में निहित नहीं है। वैकल्पिक रूप से, हम डब्ल्यू में मापदंडों के मूल्यों में पूरी तरह से दिलचस्पी ले सकते हैं और एक्स, वाई, या स्वयं के बारे में कोई चिंता नहीं है। इनमें से प्रत्येक परिदृश्य के व्यावहारिक उदाहरण इस अध्याय में बाद में दिए गए हैं।
ऐसी परिस्थितियां हैं जिनमें घ हर समय उपलब्ध नहीं है। ऐसी स्थितियों में, अनुकूलन आमतौर पर केवल तब होता है जब डी उपलब्ध होता है। जब डी अनुपलब्ध है, तो हम आम तौर पर वांछित प्रतिक्रिया सिग्नल डी का अनुमान लगाने के प्रयास में y की गणना करने के लिए हमारे सबसे हाल के पैरामीटर अनुमानों का उपयोग करते हैं।
वास्तविक दुनिया में ऐसी स्थितियाँ हैं जिनमें d कभी भी उपलब्ध नहीं है। ऐसे मामलों में, एक "काल्पनिक" डी की विशेषताओं के बारे में अतिरिक्त जानकारी का उपयोग कर सकता है, जैसे कि इसकी अनुमानित सांख्यिकीय व्यवहार या आयाम विशेषताओं, अनुकूली। लेटर के लिए उपलब्ध संकेतों से डी के उपयुक्त अनुमान बनाने के लिए। इस तरह के तरीकों को सामूहिक रूप से अंधा अनुकूलन एल्गोरिदम कहा जाता है। तथ्य यह है कि इस तरह की योजनाएं भी काम करती हैं, दोनों ही एल्गोरिदम के डेवलपर्स की सरलता और अनुकूली of लेटरिंग of एल्डर की तकनीकी परिपक्वता के लिए एक श्रद्धांजलि है।
ईसीजी उदाहरण में सुधार करने के प्रयास में, जब मुझे समय मिलेगा, मैं इस उत्तर पर निर्माण करता रहूंगा।
मुझे लेक्चर नोट्स का यह सेट विशेष रूप से अच्छा लगा: एडवांस्ड सिग्नल प्रोसेसिंग एडेप्टिव एस्टीमेशन और एडेप्टिव फिल्टर्स - डैनिलो मैंडिक