（全新）LMS作业.docVIP

题目： ： 二阶线性预测滤波器，其输出为x(n)的预测值并可表示为： 预测误差为： 对于二阶自回归模型，LMS滤波器的抽头系数，也即待预测参数: w1(n+1)=w1(n)+2*u*e(n)*x(n-1) w2(n+1)=w2(n)+2*u*e(n)*x(n-2) 收敛准则：线性预测滤波器采用LMS算法根据一定的准则，按照一定的步长u调整w1和w2，使均方误差E{e(n)*e(n)}尽可能最小。 LMS算法步骤 设置变量和参数： X(n):输入的加噪信号 v(n):是零均值的白噪声 W(n):LMS滤波器的抽头系数，也即待预测参数 d(n):期望信号（即真实输入信号x(n)） e(n）:误差信号序列 u:步长,u的选择和收敛速度收敛曲线的稳定性有关， u应满足：rho_max = max(eig(x*x.)); % 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_max n_times:一次独立实验的迭代次数上限 K:k次独立实验，求均值。 初始化：x(1)=v(1), x(2)=x(1)*(-a1)+v(2)； u =0.04,0.01 w(1)=0,w(2)=0； 实验结果 1. 实验一： a1= -0.195;a2=0.95时，k取200 图1-1输入信号 图1-2 u=0.04时a1及a2的预测曲线 图1-3 u=0.01时a1及a2的预测曲线 图1-4 u=0.04误差曲线 图1-5，u=0.04 时的LMS预测参数a1,a2结果 2. 实验二： a1=-1.5955;a2=0.95 图2-1输入信号 图2-2 u=0.04 a1及a2的预测曲线 图2-3 u=0.01 a1及a2的预测曲线 图2-4 u=0.04误差曲线 图2-5 LMS预测参数a1,a2结果 分析估计性能： 不同步长u的，收敛性能、收敛稳定性、预测结果的比较：u=0.01和u=0.04 图3-1 a1=-0.195 a2=0.95 时不同步长下的参数收敛曲线 图3-2 a1=-1.5955 a2=0.95 时不同步长下的参数收敛曲线 性能分析：u变大时，预测参数收敛曲线收敛加快，但收敛稳定性下降，收敛曲线起伏变大。 代码： % %%%%%LMS参数估计%%%%% close all clc %a1=-0.195; %a2=0.95; a1=-1.5955; a2=0.95; u=0.04;%步长的选择和噪声的方差及强度有关 N=1000; k=200; e=zeros(1,N); w1=zeros(1,N+1); w2=zeros(1,N+1); y=zeros(1,N); ee=zeros(1,N);%每个点的误差平方 ep=zeros(1,N);%每个点的误差平方累积 eq=zeros(1,N);%每个点的100次误差平方均值 w11=zeros(1,N+1);%w1权值的累积 w22=zeros(1,N+1);%w2权值的累积 for k=1:k v=0.19*randn(1,N);%零均值，方差为1的高斯白噪声 x(1)=v(1); x(2)=x(1)*(-a1)+v(2); for n=3:N x(n)=-a1*x(n-1)-a2*x(n-2)+v(n); end %figure(1) %plot(x) %title(输入信号x) for n=3:N y(n)=w1(n)*x(n-1)+w2(n)*x(n-2); e(n)=x(n)-y(n); w1(n+1)=w1(n)+2*u*e(n)*x(n-1); w2(n+1)=w2(n)+2*u*e(n)*x(n-2); ee(n)=e(n)^2; end w11=w1+w11; w22=w2+w22; ep=ep+ee; end eq=ep/k; W1=w11/k; W2=w22/k; figure n=1:N+1; plot(n,-w1,n,-W1,n,-w2,n,-W2) grid on legend(单次w1的收敛曲线,k次平均后w1的收敛曲线,单次w2的收敛曲线,k次平均后w2的收敛曲线); title(w1与w2的收敛曲线(u=0.04)) figure subplot(2,1,1) plot(e) title(误差曲线（u=0.04）) subplot(2,1,2) plot(eq) title(K次平均误差曲线（u=0.04)) r1=-W1(N); r2=-W2(N);