自适应滤波与维纳滤波matlab仿真代码与实验结果分析.docxVIP

自适应滤波与维纳滤波的MATLAB仿真和结果分析 MATLAB 仿真代码 function [] = wiener_LMS() % 基于LMS的自适应滤波与维纳滤波的性能比较 clear; clc; %产生原始信号 n=1024; %输入信号抽样点数N t=1:n; a=1; Signal = a*sin(0.04*pi*t)+ a*sin(0.035*pi*t) + a*sin(0.05*pi*t); time = [1:1024]; SignalAddNoise = awgn(Signal,5); %给原始信号加入信噪比为3dB的高斯白噪声 figure(1) subplot(311); plot(time, Signal, b) ; %绘制原始信号 title(原始信号) ; xlabel(时间); ylabel(幅度); subplot(312); plot(time, SignalAddNoise, r) ; %绘制加噪后的输入信号 title(加噪后的输入信号) ; xlabel(时间); ylabel(幅度); subplot(313); plot(time,Signal,b,time,SignalAddNoise,r); legend(Signal(n),SignalAddNoise(n)); axis tight; xlabel(时间); ylabel(幅度); title(原始信号与加噪后的输入信号对比); %维纳滤波仿真 Mlag=100; %相关函数长度变量 N=100; %维纳滤波器长度 Rxn=xcorr(SignalAddNoise,Mlag,biased); %计算输入信号自相关函数 %产生输入信号与原始信号的互相关函数 Rxnx=xcorr(SignalAddNoise, Signal,Mlag,biased); rxnx=zeros(N,1); rxnx(:)=Rxnx(101:101+N-1); Rxx=zeros(N,N); %产生输入信号自相关矩阵 Rxx=diag(Rxn(101)*ones(1,N)); for i=2:N c=Rxn(101+i)*ones(1,N+1-i); Rxx=Rxx+diag(c,i-1)+diag(c,-i+1); end Rxx; h=zeros(N,1); h=inv(Rxx)*rxnx; %计算维纳滤波器的h(n) yn=filter(h,1, SignalAddNoise); %将输入信号通过维纳滤波器 figure(2) subplot(2,1,1) plot(time,Signal,b,time,yn,r); legend(Signal(n),yn(n)); axis tight; xlabel(时间); ylabel(幅度); title(原始信号与经过维纳滤波器后输出信号的对比); subplot(2,1,2) plot(time,SignalAddNoise,k,time,yn,r); legend(SignalAddNoise(n),yn(n)); axis tight; xlabel(时间); ylabel(幅度); title(加噪后的输入信号与经过维纳滤波器后输出信号的对比); %自适应滤波LMS算法仿真 g=100; %统计仿真次数为g N=n; %输入信号抽样点数N k=128; %时域抽头LMS算法滤波器阶数 pp=zeros(g,N-k); %将每次独立循环的误差结果存于矩阵pp中，以便后面对其平均 u=0.001; for q=1:g %设置初值 yn_1=zeros(1,N); %output signal yn_1(1:k)=SignalAddNoise(1:k); %将输入信号SignalAddNoise的前k个值作为输出yn_1的前k个值 w=zeros(1,k); %设置抽头加权初值 e=zeros(1,N); %误差信号 %用LMS算法迭代滤波 for i=(k+1):N XN=SignalAddNoise((i-k+1