THMMY.gr

Ανέβηκε η εκφώνηση της 4ης εργασίας στο elearning.
Καταληκτική ημερομηνία: Τέλος Εξεταστικής

Αντιμετωπίζω το εξής πρόβλημα. Η συνάρτηση του RLS λειτουργεί μια χαρά για σχετικά μικρά n και M (100000 και 100 αντίστοιχα), αλλά στα δεδομένα του γ ερωτήματος τρώει τα μούτρα του. Τη στιγμή που γράφω αυτό πλησιάζει τις 15 ώρες τρέξιμο και ακόμα τίποτα. ξέρω πως ο έλεγχος του προγράμματος βρίκσκεται μεσα στην συνάρτηση λόγω μηνυμάτων που έχω βαλλει να τυπώνονται. Αυτό που υποθέτω πως συμβαίνει είναι πως τελειώνει η μνήμη και κάνει swap στον σκληρό, πράγμα λογικό με τα μεγέθη που παίζουν.
Οπότε, αυτό που θέλω να ρωτήσω είναι τα εξής: Απαιτούνται όντως 6600 παράμετροι στο φίλτρο ή είναι υπερβολή; Γϊνεται η δουλειά με λιγότερους; Θα ήταν κομπλέ να τρέξουμε τον αλγόριθμο προσαρμογής για ένα υποσύνολο των δεδομένων και μετά να φιλτράρουμε και τα υπόλοιπα με τους συντελεστές που προέκυψαν; Εσείς πως το ξεπεράσατε το πρόβλημα με την μνήμη εν τέλει;

edit: με εναν πρόχειρο υπολογισμό, απαιτούνται τουλάχιστον 32.636.928 byte μόνο για τα τρία βασικά σήματα (u, d, e)

@Aristos
Από παλιότερα post είδα ότι υπήρχε αυτό το πρόβλημα και δεν δίνεται και από κάποιον κάποια απάντηση αν τελικά μπορούμε να κάνουμε κάτι,εγώ προσωπικά παίζοντας λίγο με τον αριθμό των συντελεστώ και των δεδομένων είδα ότι μετά από κάποιο σημείο ξεφεύγει το πράγμα όσον αφορά το χρόνο,εξάλλου είναι γνωστό ότι ο RLS έχει αρκετά μεγάλη πολυπλοκότητα λόγο της μορφής του και των δεκαδικών αριθμών που χρησιμοποιεί.Κοίτα προφανώς μιλάμε για το κομμάτι με τους ήχους γιατί στο πρώτο κομμάτι απλά βάζεις μικρό αριθμό δεδομένων και βγάζεις αποτελέσματα.Εγώ προσωπικά δοκίμασα τους άλλους αλγόριθμους για να δω τι αποτελέσματα θα πάρω από το φιλτράρισμα της ηχώ και στο κομμάτι του RLS απλά έφτιαξα τον κώδικα με την ίδια λογική και απλά δεν πήρα κάποιο αποτέλεσμα ήχου αφού πιστεύω είναι περισσότερο θέμα υπολογιστή και όχι υλοποίησης. Τώρα σχετικά με τις υπόλοιπες ερωτήσεις σου θα έλεγα αρχικά ότι όντως χρειάζεσαι τουλάχιστον 6600 συντελεστές αλλιώς είναι σαν να αφήνεις τμήματα από το σήμα της ηχώ μέσα στο σήμα του ομιλητή και όντως και από τους άλλους αλγόριθμους από ότι είδα δεν είναι τόσο καλά τα αποτελέσματα,δεύτερον δεν θα πάρεις καλά αποτελέσματα αν τρέξεις το πρόγραμμα και βρεις τα w για κάποιο αριθμό δεδομένων γιατί στην ουσία το σήμα του πρώτου ομιλητή που είναι στην ουσία η ηχώ μετά από κάποιο αριθμό χρονικών στιγμών έχει αυτοσυσχέτιση μηδέν,είναι σαν να λες αν φιλτράρω 5-10 λέξη του ομιλητή Α και μετά θα μπορώ να φιλτράρω ότι και να λέει,το φίλτρο είναι προσαρμοστικό και αλλάζει συνέχεια τους συντελεστές του,δεν υπάρχει μία βέλτιστη λύση Wiener,καθώς προχωράμε στο χρόνο και αλλάζει η αυτοσυσχέτιση(και όποια ετεροσυσχέτιση υπάρχει)  αλλάζουν και οι συντελεστές.

Λοιπόν, δεν έχω ιδέα για την εργασία σας, αλλά και πέρυσι υπήρχε το ίδιο πρόβλημα με τον RLS, δηλαδή δεν μπορούσε να ολοκληρώσει την εκτέλεση για τα δεδομένα του προβλήματος. Τότε ο Δημήτρης είχε πει απλά να το γράψουμε ως έχει και απλά να το τρέξουμε για μικρότερα μεγέθη να δούμε ότι όντως δουλεύει.

Η ηχώ απαλείφεται εντελώς σε εσάς; .. γιατί σε μένα ακόμη και στο φίλτρο wiener παρουσιάζει μία πολύ μικρή βελτίωση με συνέπεια να μην ακούγεται καλά ο ομιλητής Β;;;

 Τι εντελώς σχεδόν καθόλου δεν μου απαλείφεται (με lms nlms). Wiener δεν δοκίμασα.

απλά διάβασα σε κάτι παλαιότερα ποστ ότι με wiener παίρνουν πολύ καλό αποτέλεσμα

με wiener εγώ παίρνω πολύ καλό αποτέλεσμα. με lms και normalised lms είναι λίγο γτπ αλλά καλύτερα από το αρχικό. βοήθησε αρκετά η μεταβολή των βηματων των δύο αλγορίθμων

το rls το παράτησα μετά από 36+ ώρες στις οποίες το laptop έψηνε και μπριζόλα

πηγα να cheatαρω ως προς το χρονο εκτελεσης με fast lms, σχεδον καμια βελτιωση.
βασικα βαριεμαι να περιμενω το pc μου να τρεξει για οτιδηποτε αλλο, το wiener δε θα κανει κατι αιωνες?

τα διανύσματα αυτοσυσχέτισης και ετεροσυσχέτισης με έτοιμες συναρτήσεις από το ματλαμπ δεν τα παίρνεις;