lms.rar_LMS MATLAB_LMS计算机_lms_lmsofoney_lms仿真

% 该程序实现时域LMS算法，并用统计的方法仿真得出不同步长下的收敛曲线 clear % 清空变量空间 close all g=100; % 统计仿真次数为g N=1024; % 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 t=1:N; a=1; s=a*sin(0.05*pi*t); % 输入单频信号s figure(1); subplot(311) plot(t,real(s)); % 信号s时域波形 title('信号s时域波形'); xlabel('n'); ylabel('s'); axis([0,N,-a-1,a+1]); xn=awgn(s,3); % 加入均值为零的高斯白噪声，信噪比为3dB % 设置初值 y=zeros(1,N); % 输出信号y y(1:k)=xn(1:k); % 将输入信号xn的前k个值作为输出y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=xn((i-k+1):(i)); y(i)=w*XN'; e(i)=s(i)-y(i); w=w+u*e(i)*XN; end pp(q,:)=(e(k+1:N)).^2; end subplot(312) plot(t,real(xn)); % 信号s时域波形 title('信号s加噪声后的时域波形'); subplot(313) plot(t,real(y)); % 信号s时域波形 title('自适应滤波后的输出时域波形'); for b=1:N-k bi(b)=sum(pp(:,b))/g; % 求误差的统计平均 end figure(2); % 算法收敛曲线 t=1:N-k; plot(t,10*log10(bi)); hold off % 将每次循环的图形显示结果保存下来 %lms程序（调试通过） number=2^13 ; M=4; n=1:number; noise=sin(0.02*n); % noise=randn(1,number)噪声分别为白噪声和正弦信号 s=sin(0.01*n); subplot(4,1,1) plot(1:number,s); ylabel('(a)信号'); d=sin(0.01*n)+0.4*noise(n); subplot(4,1,2) plot(1:number,d) ylabel('(b)信号+噪声'); X=zeros(1,M); e=zeros(1,number); w=ones(1,M)/M; for n=1:number if n<M for j=1:n X(j)= noise(n-j+1 ); end else for j=1:M X(j)=noise(n-j+1); end end y(n)=0; for k=1:M y(n)=y(n)+w(k)*X(k); end e(n)=d(n)-y(n); mu=0.001; w=w+2*mu*e(n)*X; end subplot(4,1,3) plot(1:number,y) ylabel('(c)输出信号'); subplot(4,1,4) plot(1:number,e); xlabel('sequence of time'); ylabel('(d)误差信号')