一、基本原理
实验中测得一个观测信号u(t),得到一个再由这个信号的基本特征(如频谱分析中带通滤波或者小波变换)重建出一个期望信号d(t)。由u(t)与d(t)之间进行一系列运算之后得到输出的滤波后信号y(t)。
基本步骤如下:
- 初始化:给定初始权重系数w(0),迭代步长 μ \mu μ
- 计算输出:$y(t) = w ( t ) ⊺ u ( t ) w(t) ^ \intercal u(t) w(t)⊺u(t)
- 误差计算: e ( t ) = d ( t ) − y ( t ) e(t)=d(t)-y(t) e(t)=d(t)−y(t)
- 权重更新: w ( t + 1 ) = w ( t ) + μ e ( t ) u ( t ) w(t+1)=w(t)+\mu e(t)u(t) w(t+1)=w(t)+μe(t)u(t)
二、算法过程
def lms_algo(xn, dn, M, mu):
iteration = len(xn)
en = np.zeros((iteration, 1))
W = np.zeros((M, iteration))
for k in range(M, iteration):
x = xn[k:k-M:-1]
y = np.dot(W[:, k - 1], x)
en[k] = dn[k] - y
W[:, k] = W[:, k - 1] + 2*mu * en[k] * x
yn = np.empty_like(xn)
for k in range(M, len(xn)):
x = xn[k:k - M:-1]
yn[k] = np.dot(W[:, -2], x)
return yn, W, en
在我看来,LMS算法的核心在于期望信号的选取。
参考文章:https://zhuanlan.zhihu.com/p/358236441