LMS算法matlab实现.doc

LMS算法 function [yn,W,en]=LMS(xn,dn,M,mu,itr) itr = length(xn); elseif nargin == 5 % 5个时满足Mitrlength(xn) if itrlength(xn) | itrM error(迭代次数过大或过小!); end else error(请检查输入参数的个数!); end % 初始化参数 en = zeros(itr,1); % 误差序列,en(k)表示第k次迭代时预期输出与实际输入的误差 W = zeros(M,itr); % 每一行代表一个加权参量,每一列代表-次迭代,初始为0 % 迭代计算 for k = M:itr % 第k次迭代 x = xn(k:-1:k-M+1); % 滤波器M个抽头的输入 y = W(:,k-1). * x; % 滤波器的输出 en(k) = dn(k) - y ; % 第k次迭代的误差 % 滤波器权值计算的迭代式 W(:,k) = W(:,k-1) + 2*mu*en(k)*x; end % 求最优时滤波器的输出序列 yn = inf * ones(size(xn)); for k = M:length(xn) x = xn(k:-1:k-M+1); yn(k) = W(:,end).* x; end 调用LMS算法 %function main() close all % 周期信号的产生 t=0:99; xs=10*sin(0.5*t); figure; subplot(2,1,1); plot(t,xs);grid; ylabel(幅值); title(it{输入周期性信号}); % 噪声信号的产生 randn(state,sum(100*clock)); xn=randn(1,100); subplot(2,1,2); plot(t,xn);grid; ylabel(幅值); xlabel(时间); title(it{随机噪声信号}); % 信号滤波 xn = xs+xn; xn = xn. ; % 输入信号序列 dn = xs. ; % 预期结果序列 M = 20 ; % 滤波器的阶数 rho_max = max(eig(xn*xn.)); % 输入信号相关矩阵的最大特征值 mu = rand()*(1/rho_max) ; % 收敛因子 0 mu 1/rho [yn,W,en] = LMS(xn,dn,M,mu); % 绘制滤波器输入信号 figure; subplot(2,1,1); plot(t,xn);grid; ylabel(幅值); xlabel(时间); title(it{滤波器输入信号}); % 绘制自适应滤波器输出信号 subplot(2,1,2); plot(t,yn);grid; ylabel(幅值); xlabel(时间); title(it{自适应滤波器输出信号}); % 绘制自适应滤波器输出信号,预期输出信号和两者的误差 figure plot(t,yn,b,t,dn,g,t,dn-yn,r);grid; legend(自适应滤波器输出,预期输出,误差); ylabel(幅值); xlabel(时间); title(it{自适应滤波器}); 运行结果 LMS算法DSP程序 #includemath.h #define PI 3.1415926 #define Coeff 16 //定义阶数16阶 #define num 1024 //点数 int FIRLMS(int *nx,float *nh,int nError,int nCoeffNum); //LMS函数声明 float h[Coeff],fU; //h 单位脉冲响应 fu---2U的值 int x[num],y[num],z[num];//x 输入信号，y输出，z 误差信号 main() { int i,out; out=0; fU=0.0005; for ( i=0;iCoeff;i++ ) { h[i]=0;//初始化 噪声信号 } for ( i=0;inum;i++ ) { x[i]=256*sin(i*2*PI/34);//初始化输入信号 y[i]=z[i]=0;//初始化 输出信号 误差信号 } for ( i=Coeff+1;inum;i++ ) {