自适应MATLAB算法实验LLMSNLMS.docVIP

%LLMS算法与横向LMS算法比较 % clc clear all close all %产生x信号 N=2048*2; v=randn(1,N); a1=1.558;a2=-0.81; x(1)=v(1); x(2)=a1*v(1)+v(2); for n=3:N x(n)=a1*x(n-1)+a2*x(n-2)+v(n); end %lms格型滤波器算法 MG=2; %阶数z ，至少2阶 ef=zeros(MG+1,N); %前向预测误差，行加1 eb=zeros(MG+1,N); %后向预测误差，行加1 k=zeros(MG,N); %反射系数，行不变 a11=zeros(1,N); %预测系数 a22=zeros(1,N); yg=zeros(1,N); %预测信号 u=0.0005; ef(1,1)=x(1); eb(1,1)=x(1); for n=3:N %时间和阶次循环的嵌套 ef(1,n)=x(n); eb(1,n)=x(n); for p=1:MG %看做3阶 ef(p+1,n)=ef(p,n)-k(p,n)*eb(p,n-1); eb(p+1,n)=eb(p,n-1)-k(p,n)*ef(p,n);%p+1在p为2是看做是第三阶 k(p,n+1)=k(p,n)+2*u*(ef(p+1,n)*eb(p,n-1)+eb(p+1,n)*ef(p,n)); end a11(n)=k(1,n+1)*(1-k(2,n+1)); a22(n)=k(2,n+1); yg(n)=a11(n)*x(n-1)+a22(n)*x(n-2); %预测的信号·与x(n)对比 end %lms横向滤波器算法 MH=2; yh=zeros(1,N); W=zeros(MH,N); for n=MH+1:N y(n)=x(n-1:-1:n-MH)*W(:,n); e(n)=x(n)-y(n); W(:,n+1)=W(:,n)+2*u*e(n)*x(n-1:-1:n-MH); end n=1:N; a1 = a1*ones(1,N); a2 = a2*ones(1,N); %图形输出 set(0,DefaultLineLineWidth,1); %控制线型 figure(1) plot(n,yg-x,g,n,e,r) legend(格型滤波器预测误差,横向滤波器预测误差); figure(2) plot(n,a1,b-.,n,W(1,n),g,n,a11,r,n,a2,b-.,n,W(2,n),g,n,a22,r) legend(预测系数真实值,横向预测系数,格型预测系数); %nlms算法 clear; clc; close all; N=2048*4; %抽样点数,u减小，抽样次数要响应增加 M=200; %循环次数 a=0.01; %防止范数过小导致步长趋于无穷大而加的一个参数 %输入信号构造 for m=1:M; v=randn(1,N); %随机噪声 a1=1.558; a2=-0.81; u0=0.002; %原始步长 x(1)=v(1); %给信号赋初值 x(2)=a1*x(1)+v(2); for n=3:N %构造信号 x(n)=a1*x(n-1)+a2*x(n-2)+v(n); end w1=zeros(1