自适应噪声抑制算法LMSmatlab源码

最新推荐文章于 2024-08-20 16:07:15 发布

fpga和matlab

最新推荐文章于 2024-08-20 16:07:15 发布

阅读量9.4k

点赞数 1

分类专栏： MATLAB 板块1:通信与信号处理

本文链接：https://blog.csdn.net/ccsss22/article/details/112055020

版权

MATLAB 同时被 2 个专栏收录

1613 篇文章 1651 订阅

订阅专栏

板块1:通信与信号处理

625 篇文章 378 订阅

订阅专栏

本文介绍了一种利用LMS（Least Mean Squares）算法实现的数字信号滤波器，通过M阶滤波器处理带有噪声的信号，展示了从输入信号到滤波输出及误差信号的逐步过程，重点在于噪声抑制和信号质量改善。

摘要由CSDN通过智能技术生成

% filter parameters
M=20; % number of taps
mu=0.05; % step-size parameter
e_max=200; % maximum #of epochs

% constants
pi=3.14;
Fs=0.02; % signal frequency
Fn=0.05; % noise frequency

% initialize
w=(randn(1,M)-randn(1,M))/100;
d=zeros(1,M);
u=zeros(1,M);
u_out=zeros(1,e_max-M);
f_out=zeros(1,e_max-M);

% Generate desires signal and input(signal+noise)
for t=1:M-1
d(t)=sin(2*pi*Fs*t);
u(t)=d(t)+0.5*sin(2*pi*Fn*t)+randn;
end
t=M;
epoch=0;

while epoch<e_max
epoch
% generate new input
input=sin(2*pi*Fs*t);
% shift new input into array
for i=2:M
d(M-i+2)=d(M-i+1);
u(M-i+2)=u(M-i+1);
end
d(1)=input;
% add undesired freq & random noise
u(1)=input+0.5*sin(2*pi*Fn*t)+0.09*randn;
u_out(t-M+1)=u(1);

% compute filteroutput
output=dot(w,u);
f_out(t-M+1)=output;

% LMS algorithm
% compute error
e=d(1)-output;

% update weights
for n=1:M
w(n)=w(n)+mu*u(n)*e;
end

%
in(t-M+1)=u(1);
out(t-M+1)=output;
err(t-M+1)=e;

t=t+1;
epoch=epoch+1;

% plot noise and filtered signal
figure(1)
subplot(211);
plot(t,u(1));axis([0 e_max -2.5 2.5]);
title('滤波器输入')';
hold on;
subplot(212);
plot(t,d(1));axis([0 e_max -2.5 2.5]);
title('滤波器输出')';
hold on;
figure(2)
subplot(211);
plot(t,output);axis([0 e_max -2.5 2.5]);
title('滤波输出信号')';
hold on;
subplot(212);
plot(t,e);axis([0 e_max -2.5 2.5]);
title('误差信号')';
hold on;
end