matlab中lms m,LMS算法仿真(Matlab)

本文通过两个程序展示了Matlab中LMS(Least Mean Squares)算法的实现,包括基本LMS算法和归一化LMS算法。通过统计仿真分析了不同收敛因子下的算法收敛曲线,同时应用LMS算法进行系统辨识,比较了原始信号、经过未知系统后的信号以及经过自适应FIR滤波器处理后的信号频谱。
摘要由CSDN通过智能技术生成

程序1:基本LMS算法

% 该程序实现时域LMS算法,并用统计的方法仿真得出不同步长下的收敛曲线

clear % 清空变量空间

g=100; % 统计仿真次数为g

N=1024; % 输入信号抽样点数N

k=128; % 时域抽头LMS算法滤波器阶数

pp=zeros(g,N-k); % 将每次独立循环的误差结果存于矩阵pp中,以便后

% 面对其平均

u=0.001; % 收敛因子

for

q=1:g

t=1:N;

a=1;

s=a*sin(0.5*pi*t); % 输入单频信号s

figure(1);

plot(t,real(s)); % 信号s时域波形

title('信号s时域波形');

xlabel('n');

ylabel('s');

axis([0,N,-a-1,a+1]);

xn=awgn(s,3);

% 加入均值为零的高斯白噪声,信噪比为3dB

% 设置初值

y=zeros(1,N); % 输出信号y

y(1:k)=xn(1:k); % 将输入信号xn的前k个值作为输出y的前k个值

w=zeros(1,k); % 设置抽头加权初值

e=zeros(1,N); % 误差信号

%

用LMS算法迭代滤波

for

i=(k+1):N

XN=xn((i-k+1):(i));

y

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值