From f48b0575dcea1871bb043b3a6a7ddee256cc8e17 Mon Sep 17 00:00:00 2001
From: gurkenhabicht <34342412+gurkenhabicht@users.noreply.github.com>
Date: Thu, 24 May 2018 17:36:16 +0200
Subject: [PATCH 1/3] Update Makefile

---
 src/ansi_c_implementation/Makefile | 3 +++
 1 file changed, 3 insertions(+)

diff --git a/src/ansi_c_implementation/Makefile b/src/ansi_c_implementation/Makefile
index 03f4af7..ff1ac74 100644
--- a/src/ansi_c_implementation/Makefile
+++ b/src/ansi_c_implementation/Makefile
@@ -5,5 +5,8 @@ all: NLMSvariants.c
 win: NLMSvariants.c
 	gcc -o lms NLMSvariants.c
 
+gdb: NLMSvariants.c
+	gcc -Wall -Wextra -pedantic -ggdb NLMSvariants.c
+
 clean:
 	$(RM) lms

From 5f900080d17b13f9e296a059ff05dac1190c6009 Mon Sep 17 00:00:00 2001
From: gurkenhabicht <34342412+gurkenhabicht@users.noreply.github.com>
Date: Thu, 24 May 2018 17:39:36 +0200
Subject: [PATCH 2/3] Delete Aufgabenstellung.md

---
 Aufgabenstellung.md | 131 --------------------------------------------
 1 file changed, 131 deletions(-)
 delete mode 100644 Aufgabenstellung.md

diff --git a/Aufgabenstellung.md b/Aufgabenstellung.md
deleted file mode 100644
index acecc6d..0000000
--- a/Aufgabenstellung.md
+++ /dev/null
@@ -1,131 +0,0 @@
-# Aufgabenstellung
-
-Aus der PDF entnommen mit der Auswahl an PVL-Themen
-
-### "Vergleich von linearen Prädiktionsstrategien (NLMSvariants)"
-
-Das Voraussagen von Signalwerten ist ein Schlüsselelement in modernen Kompressionssystemen.
-Aber auch in anderen Anwendungsgebieten ist die Prädiktion von Ereignissen erforderlich.
-Aufgabe ist es, ein Matlab/SciLab/Octave/C-Programm zu schreiben, das Varianten eines bestimmten
-Prädiktionsverfahrens miteinander vergleicht.
-Adaptive Prädiktionsfilter passen sich der Charakteristik der Signale an und gehören somit in den
-Bereich des maschinellen Lernens. So genannte Least-Mean-Square-Filter (LMS) sind adaptive
-Filter mit einer vergleichsweisen geringen Komplexität. Im Wesentlichen werden M vorangegangene
-Signalwerte gewichtet überlagert, um einen Schätzwert für die aktuelle Position zu generieren.
-
-Xˉ [𝑛] = �𝑎𝑗[𝑛] ∙ 𝑥[𝑛 − 𝑗]
-
-Der Prädiktionsfehler lautet: e[𝑛] = 𝑥[𝑛] − 𝑥'[𝑛]. Um die Prädiktionsfehlerenergie zu minimieren
-müssen die Filterkoeffizienten nachgeführt (aktualisiert) werden
-
-𝑎𝑗[𝑛 + 1] = 𝑎𝑗[𝑛] + 𝜇 * 𝑒[𝑛] * 𝑥[𝑛−𝑗]
- 
-||𝐱[𝑛]||
-2 mit ||𝐱[𝑛]||
-2 = ∑ (𝑥[𝑛 − 𝑗]) 𝑀 2
-𝑗=1
-
-während 0 < 𝜇 ≤ 1 die Lernrate ist.
-Leider funktioniert das nur gut, wenn der Mittelwert von x[n] gleich Null ist. Für Bilder und auch
-teilweise für Sprachsignale ist das nicht gegeben. Als Lösung kommen drei Varianten in Frage,
-welche die obigen Formeln leicht abwandeln:
-
-1. lokalen Mittelwert abziehen
- 
- 𝑥
-�[𝑛] = 𝑥̅[𝑛] + ∑ 𝑎𝑗[𝑛] ∙ (𝑥[𝑛 − 𝑗] − 𝑥̅[𝑛]) 𝑀
-𝑗=1 mit 𝑥̅[𝑛] = 1
-𝑀 ∑ 𝑥[𝑛 − 𝑗] 𝑀
-𝑗=1
-und
- 𝑎𝑗[𝑛 + 1] = 𝑎𝑗[𝑛] + 𝜇 ∙ 𝑒[𝑛] ∙
-𝑥[𝑛−𝑗]−𝑥̅[𝑛]
-||𝐱[𝑛]||
-2 mit ||𝐱[𝑛]||
-2 = ∑ (𝑥[𝑛 − 𝑗] − 𝑥�[𝑛]) 𝑀 2
-𝑗=1
-
-2. Bezug auf direkten Vorgänger nehmen
-
-𝑥
-�[𝑛] = 𝑥[𝑛 − 1] + ∑ 𝑎𝑗[𝑛] ∙ (𝑥[𝑛 − 1] − 𝑥[𝑛 − 𝑗 − 1]) 𝑀
-𝑗=1
-und
-𝑎𝑗[𝑛 + 1] = 𝑎𝑗[𝑛] + 𝜇 ∙ 𝑒[𝑛] ∙
-𝑥[𝑛−1]−𝑥[𝑛−𝑗−1]
-||𝐱[𝑛]||
-2 mit ||𝐱[𝑛]||
-2 = ∑ (𝑥[𝑛 − 1] − 𝑥[𝑛 − 𝑗 − 1]) 𝑀 2
-𝑗=1
-
-3. differentiellen Bezug auf Vorgänger nehmen
-
-𝑥
-�[𝑛] = 𝑥[𝑛 − 1] + ∑ 𝑎𝑗[𝑛] ∙ (𝑥[𝑛 − 𝑗] − 𝑥[𝑛 − 𝑗 − 1]) 𝑀
-𝑗=1
-und
-𝑎𝑗[𝑛 + 1] = 𝑎𝑗[𝑛] + 𝜇 ∙ 𝑒[𝑛] ∙
-𝑥[𝑛−𝑗]−𝑥[𝑛−𝑗−1]
-||𝐱[𝑛]||
-2 mit ||𝐱[𝑛]||
-2 = ∑ (𝑥[𝑛 − 𝑗] − 𝑥[𝑛 − 𝑗 − 1]) 𝑀 2
-𝑗=1
-
-Das originale Verfahren und die drei Varianten sind zu implementieren und mit verschiedenen
-Testsignalen (synthetisierte und reale, N>= 500) und verschiedene M zu prüfen. Als Gütekriterium
-ist die mittlere Energie des Schätzfehlers 𝐸 = 1
-𝑁
-
-� ∑ (𝑒[𝑛]) 𝑁 2 𝑛=1 heranzuziehen. Bei selbstgenerierten
-Signalen könnte auch die Konvergenz der Filterkoeffizienten zu den richtigen Werten
-untersucht werden.
-
-Weitere Unterstützung wird bei Bedarf gegeben. Alle Untersuchungen sind schriftlich zu dokumentieren.
-Neben der schriftlichen Arbeit sind alle Quellen (Programmcode, Texte, Testsignale)
-und Tools abzugeben, damit eine Reproduktion der Ergebnisse möglich ist.
-
-Teilaufgaben:
-* Koordination
-* Recherche
-* Programmierung
-* Dokumentation (Grundlagen, Methode, Änderungen am Quellcode, Kompressionsergebnisse)
-
-
-## E-Mail Ergänzung zur Aufgabenstellung:
-
-Sehr geehrte Studierende,
-
-danke für die Wahl des Themas.
-
-Zur Themenstellung möchte ich Folgendes ergänzen:
-Die drei Varianten sind jeweils in einer Schleife über alle 
-verfügbaren Signalwerte abzuarbeiten, wobei typischer Weise mit 
-Filterkoeffizienten a_j = 0 angefangen wird.
-Abweichend davon ist es evtl. sinnvoll, a_1=1 zusetzen.
-
-Testsignale können Sie sich selbst generieren, wobei wir uns 
-hierüber noch abstimmen sollten.
-Man könnte verschiedene Zeilen aus verschiedenen Bildern nehmen, 
-Sprachsignale aufzeichnen oder Signale synthetisch generieren:
-
-z.B.
-x[0] = x[1] = x[2] =..= x[M] = 100;
-for n = M+1: N-1
-   x[n] = a_1 * x[n-1] + a_2 * x[n-2] + ..+ a_M *x[n-M] + 
-randn(1,1)*5;
-end     
-
-Die Koeffizienten des LMS-Filters müssten dann gegen die bei der 
-Synthese verwendeten Koeffizienten konvergieren
-Achtung: bei Matlab beginnt das Indizieren mit 1 (statt 0).
-
-Bitte fangen Sie zeitnah an.
-Falls es Unklarheiten zum Ablauf oder der Verfahrensweise gibt, 
-bitte per Email bei mir melden.
-Da es gewisse Freiheitsgrade in der Bearbeitung gibt, wäre es sehr 
-sinnvoll, wenn Sie mir regelmäßig über den Stand der PVL berichten 
-und wir uns ggf. austauschen können.
-
-Mit freundlichen Grüßen
-T.Strutz
-

From 6d8b553d8dd03db382af6abfeb88cdb65fa43dda Mon Sep 17 00:00:00 2001
From: gurkenhabicht <34342412+gurkenhabicht@users.noreply.github.com>
Date: Thu, 24 May 2018 17:40:08 +0200
Subject: [PATCH 3/3] Update README.md

---
 README.md | 1 -
 1 file changed, 1 deletion(-)

diff --git a/README.md b/README.md
index ffa3a6a..d1d6514 100644
--- a/README.md
+++ b/README.md
@@ -12,7 +12,6 @@ More information can be found inside the according folders.
 
 # Structure
 ```
-│   Aufgabenstellung.md
 │   README.md
 │
 ├───bin