自适应滤波的matlab实现.docxVIP

自适应滤波的MATLAB实现 2204090发表于：2006-12-06 08:56来源：中国振动联盟 LMS算法的仿真程序： %lms算法 clear all close all hold off%系统信道权数 sysorder = 5 ;% 抽头数 N=1000;%总采样次数 inp = randn(N,1);%产生高斯随机系列 n = randn(N,1); [b,a] = butter(2,0.25); Gz = tf(b,a,-1);%逆变换函数 h= [0.0976;0.2873;0.3360;0.2210;0.0964;];% 信道特性向量 y = lsim(Gz,inp);% 加入噪声 n = n * std(y)/(10*std(n));% 噪声信号 d = y + n;%期望输出信号 totallength=size(d,1);% 步长 N=60 ; %60节点作为训练序列 %算法的开始 w = zeros ( sysorder , 1 ) ;% 初始化 for n = sysorder : N u = inp(n:-1:n-sysorder+1) ;% u 的矩阵 y(n)= w * u;%系统输出 e(n) = d(n) - y(n) ;% 误差 if n 20 mu=0.32; else mu=0.15; end w = w + mu * u * e(n) ;% 迭代方程 end %检验结果 for n = N+1 : totallength u = inp(n:-1:n-sysorder+1); y(n) = w * u ; e(n) = d(n) - y(n) ;% 误差 end hold on plot(d) plot(y,r); title(系统输出); xlabel(样本) ylabel(实际输出) figure semilogy((abs(e))) ;% e 的绝对值坐标 title(误差曲线); xlabel(样本) ylabel(误差矢量) figure% 作图 plot(h, k+) hold on plot(w, r*) legend(实际权矢量’，估计权矢量) title(比较实际和估计权矢量); axis([0 6 0.05 0.35]) NLMS算法的仿真程序： %lms算法 clear all close all hold off%系统信道权数 sysorder = 5 ;% 抽头数 N=1000;%总采样次数 inp = randn(N,1);%产生高斯随机系列 n = randn(N,1); [b,a] = butter(2,0.25); Gz = tf(b,a,-1);%逆变换函数 h= [0.0976;0.2873;0.3360;0.2210;0.0964;];% 信道特性向量 y = lsim(Gz,inp);% 加入噪声 n = n * std(y)/(10*std(n));% 噪声信号 d = y + n;%期望输出信号 totallength=size(d,1);% 步长 N=60 ; %60节点作为训练序列 %算法的开始 w = zeros ( sysorder , 1 ) ;% 初始化 for n = sysorder : N u = inp(n:-1:n-sysorder+1) ;% u 的矩阵 y(n)= w * u;%系统输出 r(n)=u*u;%自相关矩阵 e(n) = d(n) - y(n) ;% 误差 fai=.0001;%修正参数，为防止 u*u过小导致步长值太大而设置的 if n 20 mu=0.32; else mu=0.15; end w = w + mu * u * e(n)/(r(n)+fai) ;;% 迭代方程 end %检验结果 for n = N+1 : totallength u = inp(n:-1:n-sysorder+1); y(n) = w * u ; e(n) = d(n) - y(n) ;% 误差 end hold on plot(d) plot(y,r); title(系统输出); xlabel(样本) ylabel(实际输出) figure semilogy((abs(e))) ;% e 的绝对值坐标 title(误差曲线); xlabel(样本) ylabel(误差矢量) figure% 作图 plot(h, k+) hold on plot(w, r*) legend(实际权矢量’，估计权矢量) title(比较实际和估计权矢量); axis([0 6 0.05 0.35]) RLS算法的仿真程序： % RLS算法 randn(seed, 0); rand(seed, 0); NoOfData =