自适应算法中最经典的就是LMS算法啦,但是鉴于固定的收敛因子,造成高收敛速度和低稳态误差不可兼得,所以一般用NLMS(某种程度上可以看做变步长LMS算法)或者其他的变步长LMS算法比较多。所以在开始复杂的变步长LMS算法和其他的自适应算法之前先进行LMS和NLMS算法的仿真吧~简单的仿真过程体会一下下~
从整体上来看,自适应回声消除输入信号为远端参考信号x(n),期望信号是d(n)=x(n)*h(n)+v(n),其中h(n)是未知声回授空间的冲激响应,w(n)是自适应过程中用来迭代的权值,使得系统的输出y(n)=w(n)*x(n)尽量接近d(n),实现回声对消。
仿真条件:输入信号为高斯白噪声,LMS算法中μ=0.02,NLMS算法中μ=0.5,理想房间冲激响应h(n)= [0.9,0.7,0.7,-0.2](这个数据是拿06年某论文中的数据仿真的,我也不知道为啥要用这几个数)
摸鱼小白向前冲