Để tiến hành chạy mô phỏng mô hình trên ta bấm vào nút Play trên thanh công cụ (hay nhấn Ctr+T) Sau đó click vào khối Scope để xem kết quả Khối Switch
3.5 SO SÁNH VÀ NHẬN XÉT CHUNG:
So sánh về gánh nặng tính toán LMS, RLS Và FLMS:
Quay trở lại mô hình simulink tín hiệu thực của 2 thuật toán LMS và RLS, sử dụng chức năng Profiler của Simulink lần lượt chạy hai mô hình trong thời gian mô phỏng là 10 giây, ta thu được kết quả sau :
LMS RLS FLMS
Thời gian thực hiện 11.97 s 106.61 s 8.97 s
Số phương pháp khối 11 41 55
Số phương thức bên trong 4 4 4
Số phương thức mô hình 2 2 2
Số phương pháp con 0 4 3
Chu kỳ chính xác 0.00000005 s 0.00000005 s 0.00000005 s
Tốc độ xung clock 2000 MHz 2000 MHz 2000 MHz
Trang 36
Trong cùng một khoảng thời gian mô phỏng định trước ta thấy thuật toán RLS chạy chậm hơn LMS tới gần 9 lần, độ chênh lệch này càng lớn khi M càng lớn. (M trong mô phỏng là 16). Thông số thời gian có thể thay đổi đôi chút tùy thuộc tốc độ của máy mô phỏng. Từ bảng trên có thể thấy được thời gian đáp ứng của FLMS là tốt nhất.
Để có thể thấy rõ ràng hơn ta sử dụng hàm lỗi trung bình bình phương để vẽ MSE (hay còn gọi là đường learning curve ) ta lấy trung bình của làm lỗi bình phương e2(n) trên K lần thử khác nhau.Ngõ vào ta sử dụng là tín hiệu ngẫu nhiên, khác nhau ở mỗi lần thử.
Ta vẽ hàm sau, chia tỉ lệ trục tung theo logarith:
2 1 1 , 0,.., 1. K k k J n n n N K
K là số lần thử. k( )n là lỗi ước lượng ở thời điểm n tại lần thử thứ k. N là số mẫu. Đường MSE của 3 thuật toán FLMS(µ=0.05), LMS và RLS(µ=0.001). Số lần thử K=10000
Trang 37
Dựa vào hình 3.17 ta thấy độ ổn định, tốc độ hội tụ và độ lệch của RLS đều tốt hơn LMS và FLMS. Tuy nhiên xét về tốc độ thực hiện thuật toán Fast LMS cho đáp ứng nhanh nhất.
Qua tìm hiểu ở trên chúng ta biết được các giải thuật quan trọng của bộ lọc thích nghi. Giải thuật LMS cổ điển thì đơn giản, dễ thực hiện cho các ứng dụng khử nhiễu trên máy tính không đòi hỏi thời gian thực. Loại RLS thì có cơ sở toán học chặt chẽ hơn, nhưng vì yêu cầu phải tính toán nhiều hơn và độ chính xác cao hơn nên phức tạp hơn và xử lý tốn thời gian hơn, ít được áp dụng so với LMS. Fast LMS thì được phát triển dựa trên LMS nhằm tối ưu khả năng tính toán, giảm gánh nặng xử lý nhờ thực hiện thích nghi trên vùng tần số thông qua các phép chuyển đổi FFT, IFFT. Nhờ ưu thế về khối lượng tính toán ít nên Fast LMS thường là lựa chọn cho các ứng dụng thời gian thực. Do đó ta sẽ lựa chọn thuật toán FLMS để phát triển trên KIT DSP.
Trang 38
Chƣơng 4