二维最小均方滤波器的matlab实例,自适应滤波之最小均方（LMS）算法以及matlab实现...

使用LMS算法对进行信号分离

clear

close all

clc

a1=-1.6;

a2=0.8;

[x,fs1]=audioread('handel.wav');

[dn,fs2]=audioread('handel_echo.wav');

figure;

subplot(2,1,1);

plot(x);

title('spk参考信号');

subplot(2,1,2);

plot(dn);

title('MICin-期望信号');

n=max(size(x)); % 信号中的时间点个数

P=5; % LMS算法重复运算5次，用于评估五次运算产生的误差的平均水平

e=zeros(1,n); % 用于存放误差

ep=zeros(1,n); % 用于存放五次运算累积的误差

ee=zeros(1,n); % 用于存放平方差

%算法

h=waitbar(0,'计算进度');

steps = P;

for p=1:P

L=100; % 滤波器阶数，考虑到两个信号之间没有延时，且这里只是用来分离出输入的x信号，而且误差不做要求，因此不需要设置太高的阶数

u=0.0022; % 增益常数

wL=zeros(L,n); % 产生一个权向量矩阵

for i=(L+1):n % 计算权向量矩阵中第三组权向量到最后一组权向量相关的变量，根据x和e=x-y求下一个y,没有d(n)

X=x(i-L:1:(i-1)); % 更新滤波器的参考矢量X(n)

y(i)=X'*wL(:,i); % 根据x计算i时刻输出信号

e(i)=dn(i)-y(i); % 计算i时刻误差信号

wL(:,(i+1))=wL(:,i)+2*u*e(i)*X; % 更新i时刻滤波器的权向量

ee(i)=e(i)^2; % 更新平方差

end

ep=ep+ee; % 平方差累积

waitbar(p/steps);

end

close(h);

eq=ep/P; % 五十次重复计算平方差求均值

a1L=-wL(2,1:n); % a1在LMS算法下值的变化，wL矩阵中第一行的1到n个数，权向量矩阵第一行

a2L=-wL(1,1:n); % a2在LMS算法下值的变化 ，wL矩阵中第二行的1到n个数，权向量矩阵第二行

%画图

figure;

subplot(3,2,1);

plot(x);

title('需要采集的声音Voice'); % 根据w产生的随机信号x

subplot(3,2,2);

plot(dn);

title('被回声污染的了Voice，就是MICin'); % 五十次运算误差求均值

subplot(3,2,3);

plot(y);

title('合成回声信号'); % 根据w产生的随机信号x

subplot(3,2,4);

plot(e);

title('误差'); % 五十次运算误差求均值

subplot(3,2,5);

plot(a1L,'r-'); % 权向量矩阵第一行

hold on;

plot(a2L,'k-'); % 权向量矩阵第二行

title('权向量参数的学习过程');

legend('a1L','a2L');

运行后效果