基于LMS 算法自适应滤波器MATLAB 仿真.docVIP

. . 　　 本文档下载自 HYPERLINK / 文库下载网，内容可能不完整，您可以点击以下网址继续阅读或下载：  HYPERLINK /doc/fa2af3f1ba0d4a7302763ace.html /doc/fa2af3f1ba0d4a7302763ace.html 基于LMS算法的自适应滤波器的MATLAB仿真 基于LMS算法的自适应滤波器的MATLAB仿真 《西藏科技》２００８年６期（总第１８３期） 信息技术 基于ＬＭＳ算法的自适应滤波器的ＭＡＴＬＡＢ仿真 姜军严李强 （西藏大学工学院，西藏拉萨 王朝霞 ８５００００） （西藏大学学工处，西藏拉萨８５００００） 摘要：本文介绍了基于最小均方（ＬＭｓ）算法的自适应滤波器的原理和结构，并以ｕｕＳ算法实现了一个ＦＩＲ结构的自适应滤波器，给出了实际输出值和估计输出值以及误差曲线，并画出了２０次实验的误差平方的收敛曲线。 关键词：自适应滤波器ＬＭＳ误差曲线中图分类号：ＴＮ７１３ １ 引言 在一个实际的通信系统中，基带传输系统不可能 变特性，可以根据信道响应自动调整抽头系数，我们 称这种可以自动调整滤波器抽头系数的滤波器为自适 应滤波器。 完全满足理想的波形传输无失真条件，因而串扰几乎是不可避免的。当串扰造成严重影响时，必须对整个系统的传递函数进行校正，使其接近无失真传输条件。 这种校正可以采用串接一个滤波器的方法，以补偿整 个系统的幅频和相频特性。如果这种校正是在频域进行的，称为频域滤波；如果校正是在时域里进行，即直接校正系统的冲激响应，则称为时域滤波。随着数字信号处理理论和超大规模集成电路的发展，时域滤波正成为如今高速数据传输中所使用的主要方法。 ３ 图ｌ横向滤波器 ＬＭＳ算法仿真实现 ＬＭｓ算法的判据是最小均方误差，即理想信号ｄ ２系统构成及工作原理 目前时域滤波的最常用方法是在基带信号接收滤 波器之后插入一个横向滤波器，它由一条带抽头的延时线构成，抽头间隔等于码元周期，每个抽头的延时信 （ｎ）与滤波器输出ｙ（ｎ）之差ｅ（ｎ）的平方值的期望 值最小，并且根据这个判据来修改权系数ｗ‰、，所以被称为最小均方算法（ＬＭＳ）。令Ｎ阶ＦＩＲ滤波/doc/fa2af3f1ba0d4a7302763ace.html器的抽头系数为ｗｉ（ｎ），滤波器的输入和输出分别为ｘ（ｎ）和ｙ（ｎ），则ＦＩＲ横向滤波器方程可表示为： ｎ 号经加权送到一个相加电路汇总后输出，其形式与有 限冲激响应滤波器（兀Ｒ）相同，如图１所示。横向滤波器的相加输出经抽样送往判决电路。每个抽头的加权系数分别为ｗ一。，ｗ一。＋∽．．，ｗ。输入波形的抽样值序列为｛ｘ。｝，输出波形的抽样值序列为｛Ｙ。｝，则 Ｙｋ＝乏ｗ；ｘｋ－ｉ，ｋ＝一２Ｎ…．，２Ｎ。横向滤波器的特 ｙ（ｎ）＝∑Ｗｉ（ｎ）ｘ（ｎ—ｉ） 误差信号：ｅ（ｎ）＝ｄ（ｎ）一ｙ（ｎ） 可以利用最优化方法中的最速下降法求最佳权系数向量的近似值。最速下降法，即“下一时刻”权系数向量ｗ（。＋１）应该等于“现时刻”权系数向量ｗ（。）加上 征完全取决于各抽头系数，而抽头系数的调整有两种方法：手工调整和自动调整。如果接收端知道信道的特性，包括信道冲激响应或频率响应，一般采用比较简单的手动调整方式。由于无线通信信道具有随机性和时变性，即信道特性是未知的，信道响应是时变的，这就要求滤波器必须能够实时地跟踪无线通信信道的时 一个负均方误差梯度一ｙ（ｎ）的比例项，即： Ｗ（。＋１）＝Ｗ（。）一Ⅳ（ｎ） 斗为控制收敛速度与稳定性的常数，称之为收敛 因子。按照近似方法，直接取ｅ；。）作为均方误差Ｅ［ｅ；。，］的估计值，即 ７５ 信息技术 △（ｎ）＝△［ｅ２（ｎ）］＝２ｅ（。）△［ｅ（ｎ）］ 《西藏科技》２００８年６期（总第１８３期） 又△［ｅ（ｎ）］＝△［ｄ（ｎ）一ｗｊ。）ｘ（。）］＝一ｘ（。） 所以△（ｎ）＝一２ｅ（。）Ｘ（。） 于是Ｗ（。＋１）＝Ｗ（。）＋２斗ｅ（ｎ）Ｘ（。） 则自适应滤波器的框架图如图２所示。 图４系统真实输出值与估计输出值的曲线 图２三抽头ＬＭＳ算法自适应/doc/fa2af3f1ba0d4a7302763ace.html滤波器 由于用硬件实现ＬＭＳ算法的自适应滤波器存在 功率消耗和体积上都较大，实现起来复杂，升级困难等 缺点，而ＭＡＴＬＡＢ具有丰富的库函数，语法简单，编程效率高等优点。因而利用ＭＡＴＬＡＢ工具可以对不同 的信道模型进行仿真，并对ＬＭＳ自适应算法的滤波器的收敛速度和精度进行仿真。 图３是系统定义的真实权值与估计权值的比较，由图可见，每一个估计值都在其真实值附近，相差不 大。图４是系统真实输出值与估计输出值的曲线对 图５ ＬＭＳ算法２０次实验误差平方的均值曲线 比。图５是ＬＭｓ算法２０次实验误差平方的均值收敛 曲线，可知ＬＭＳ算法的迭代过程是一