原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
现代数字信号处理及其应用——LMS算法结果及分析
LMS算法MATLAB实现结果及其分析
一、LMS：为课本155页例题
图1.1：LMS算法学习曲线（初始权向量） 图1.2滤波器权系数迭代更新过程曲线（步长）
图1.3滤波器权系数迭代更新过程曲线（步长）图1.4滤波器权系数迭代更新过程曲线（步长）
分析解释：
在图1.1中，收敛速度最慢的是步长为的曲线，收敛速度最快的是步长的曲线，所以可以看出LMS算法的收敛速度随着步长参数的减小而相应变慢。图1.2、1.3、1.4分别给出了步长为、、的滤波器权系数迭代更新过程曲线，可以发现其不是平滑的过程，跟最抖下降法不一样，体现了其权向量是一个随机过程向量。
LMS2：为课本155页例题，156页图显示结果
图2.1：LMS算法学习曲线（初始权向量） 图2.2滤波器权系数迭代更新过程曲线（步长）
图2.3滤波器权系数迭代更新过程曲线（步长）图2.4最陡下降法权值变化曲线（步长）
分析解释：
图2.1给出了步长为的学习曲线，图2.2给出了滤波器权向量的单次迭代结果。图2.3给出了一次典型实验中所得到的权向量估计，以及500次独立实验得到的平均权向量的估计，即，其中是第t次独立实验中第n次迭代得到的权向量，T是独立实验次数。可以发现，多次独立实验得到的平均权向量的估计平滑了随机梯度引入的梯度噪声，使得其结果与使用最陡下降法（图2.4）得到的权向量趋于一致，十分接近理论最优权向量。
LMS3：为课本172页习题答案
图3.1：LMS算法学习曲线（初始权向量）图3.2滤波器权系数迭代更新过程曲线（步长）
图3.3滤波器权系数迭代更新过程曲线（步长）图3.4滤波器权系数迭代更新过程曲线（步长）
分析解释：
本实验来自课本172页，是将权向量初始化为，然后分别使用步长、、完成仿真实例，其中图3.1为LMS算法学习曲线，从图中可以看出LMS算法的收敛速度随着步长参数的减小而相应变慢。图3.2、3.3、3.4分别为步长、、的滤波器权系数迭代更新过程曲线。
LMS算法MATLAB实现结果及其分析
1
文档评论（0）