[Ψηφιακά Φίλτρα] Απορίες σε ασκήσεις 2019

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[dinis]

Εγω μια φορά το δοκίμασα βγάζοντας τα if αλλά δε μου το πήρε σωστό... Βέβαια ποιος ξέρει, ίσως έκανα κάποια άλλη βλακεια και δεν το κατάλαβα... Παίζει να μου έχει μείνει μόνο μια προσπάθεια και φοβάμαι να το επιχειρισω πάλι

Δηλαδή αν βγάλουμε το if και αφήσουμε μόνο τον κώδικα που ήταν μέσα στο else θα τρέξει? (ρωτάω γιατί δεν έχω άλλες προσπάθειες να δοκιμάσω)

Στην ουσία αυτό που ζητάει η εκφώνηση και εκεί την πατήσαμε πολλοί είναι ότι θέλει να κάνεις προσαρμογή από την πρώτη χρονική στιγμή υποθέτοντας όλες τις υπόλοιπες ότι είναι ίσες με μηδέν. Στην άσκηση δύο μας έλεγε συγκεκριμένα ότι μέχρι να έχουμε αρκετές χρονικές στιγμές (δηλαδή m σε πλήθος) να θέτουμε την έξοδο ίση με το u και για αυτό παίρναμε τις περιπτώσεις if length(u)<m. Τώρα δεν χρειάζονται οι If γιατί αρχικοποιείς τον u_steam με m μηδενικά όπως το ζητάει στην εκφώνηση.  Άρα εκεί που κάνεις Initialize τον w πρέπει να κάνεις και τον u_stream με τον ίδιο τρόπο. Με τον ίδιο τρόπο σου ζητάει να ξεκινάς και στα υπόλοιπα (nlms, rls). Αλλά και πάλι θα στην παίρνει μερικώς σωστή την άσκηση και δεν ξέρω γιατί. Εκεί έχουμε κολλήσει όλοι.

[achariso]

Παιδιά, εμένα μου παίρνει σωστή την wiener(), 0.13 στην lms() και στην nlms() ωστόσο δεν μου δίνει τίποτα στην rls().
O κώδικας είναι αυτός και όταν τον τρέχω στο Matlab μου δίνει κοντινά μεν με μεγάλη διακύμανση δε αποτελέσματα με την wiener():

Code:

function [y,w_out] = rls(u, d, m, lambda, delta)
% LMS - RLS adaptation
%   
  
    persistent w u_stream P
    if isempty( u_stream )
        
        P = delta * eye( m );
        w = zeros( m, 1 );
        u_stream = [ u; zeros( (m - 1),1 ) ];
        
    else
        
        u_stream = [ u; u_stream( 1 : ( m - 1 ) ) ];
        
    end    
    
    %% LMS Part
    y = w' * u_stream;      % filter input
    e = d - y;            % compute error
    
    %% RLS Part
    k = 1 / lambda * P * u_stream / (1 + 1 / lambda * u_stream' * P * u_stream);
    P = 1 / lambda * P - ( 1 / lambda ) * k * u_stream.' * P;
    w = w + k * e;          % get next Wiener approximation
    
    w_out = w;
  
end

Παίζει να βλέπει κανείς που μπορεί να είναι το λάθος;

[apooreapo]

Θέλει 1/delta * eye, οχι delta*eye

[annaTZ]

Στην ουσία αυτό που ζητάει η εκφώνηση και εκεί την πατήσαμε πολλοί είναι ότι θέλει να κάνεις προσαρμογή από την πρώτη χρονική στιγμή υποθέτοντας όλες τις υπόλοιπες ότι είναι ίσες με μηδέν. Στην άσκηση δύο μας έλεγε συγκεκριμένα ότι μέχρι να έχουμε αρκετές χρονικές στιγμές (δηλαδή m σε πλήθος) να θέτουμε την έξοδο ίση με το u και για αυτό παίρναμε τις περιπτώσεις if length(u)<m. Τώρα δεν χρειάζονται οι If γιατί αρχικοποιείς τον u_steam με m μηδενικά όπως το ζητάει στην εκφώνηση.  Άρα εκεί που κάνεις Initialize τον w πρέπει να κάνεις και τον u_stream με τον ίδιο τρόπο. Με τον ίδιο τρόπο σου ζητάει να ξεκινάς και στα υπόλοιπα (nlms, rls). Αλλά και πάλι θα στην παίρνει μερικώς σωστή την άσκηση και δεν ξέρω γιατί. Εκεί έχουμε κολλήσει όλοι.

Ευχαριστούμε! Στο 0.63 έχουν κολλήσει όλοι?

[annaTZ]

Εδώ είναι η λύση που έβαλα τελικά εγω.

Code:

function [R,p,w_o] = wiener( a, b, c, sigma_v1, sigma_v2 )
 
    a = [1; a(:)];

    A = [a(1) a(2) a(3) a(4); a(2) a(1)+a(3) a(4) 0; a(3) a(2)+a(4) a(1) 0; a(4) a(3) a(2) a(1)];
    
    B = [sigma_v1; 0; 0; 0];
    
    r = A \ B;
    R = toeplitz(r);
    
    p = R * (-b');
    
    w_o = R \ p;
  
end


function [y,w_out] = lms(u, d, m, mu)
% LMS - Least Mean Square adaptation
%   
 
  persistent w
  persistent u_stream
  
  
  % initialize 
  if isempty(w)
    w = zeros( m, 1 );
    u_stream = zeros(m,1);
  end
  
  u_stream(end+1, 1) = u;
                           
    
    % compute output
    y = w' * u_stream(end:-1:end-m+1);
    
    % get error
    e = d - y;
    
                     
    
      % update weights
      w = w + mu * e * u_stream( end:-1:end-m+1 );

  

  if nargout > 1
    w_out = w;
  end
  
  
end


function [y,w_out] = nlms(u, d, m, mu, alpha)
% LMS - Least Mean Square adaptation
%   
  
  persistent w
  persistent u_stream
  
  
  % initialize 
  if isempty(w)
    w = zeros( m, 1 );
    u_stream = zeros(m,1);
  end
  
  u_stream(end+1, 1) = u;

  
                        
    
    % compute output
    y = w' * u_stream(end:-1:end-m+1);
    
    % get error
    e = d - y;

      % update weights
      w = w + mu * e * u_stream( end:-1:end-m+1 )/ (alpha + u_stream( end:-1:end-m+1 )' * u_stream( end:-1:end-m+1 ));
      

    


  if nargout > 1
    w_out = w;
  end
 
  
end



function [y,w_out] = rls(u, d, m, lambda, delta)
% LMS - RLS adaptation
%   
    
  persistent w
  persistent u_stream
  persistent P
  
  
  % initialize 
  if isempty(w)
    w = zeros( m, 1 );
    u_stream = zeros(m,1);
  P = (1 / delta) * eye(m, m);
      
  end
  
  u_stream(end+1, 1) = u;

                         
    
    % compute output
    y = w' * u_stream(end:-1:end-m+1);
    
    % get error
    e = d - y;
    
 
      %compute k
      k = ((lambda^-1) * P * u_stream( end:-1:end-m+1 ) / (1 + (lambda^-1) * u_stream( end:-1:end-m+1 )'* P * u_stream( end:-1:end-m+1 )));

                               
                                 
      % update weights
      w = w + k * e;
      
      %compute P
      P = (lambda^-1) * P - (lambda^-1) * k * u_stream( end:-1:end-m+1 )' * P;
      


  if nargout > 1
    w_out = w;
  end
 
  
end

Όποιος θέλει το παίρνει. Ο βαθμός του είναι 0.63.

[menelaos619]

Καλησπέρα,

επειδή δεν είχα κάνει την 1η άσκηση, μπορεί κάποιος να στείλει την εκφώνηση της (ίσως και την λύση της) μια screenshot;

Ευχαριστώ

[koukoutek]

Καλησπέρα,

επειδή δεν είχα κάνει την 1η άσκηση, μπορεί κάποιος να στείλει την εκφώνηση της (ίσως και την λύση της) μια screenshot;

Ευχαριστώ

[menelaos619]

Σε ευχαριστώ συνάδελφε