lms.rar_AR lms_AR过程_ar lms matlab_linear predictor_linear predi

% clear all; % close all; % hold off; % clc; %参数定义 % N=512; %信号长度 % M=2; %滤波器阶数 % v=0.05; %步长因子 NN=50000; %产生高斯白噪声，均值为0，功率为0.0731w，加载1ohm电阻 noise=wgn(NN,1,0.0731,1,'linear','real'); %生成AR过程信号 a1=-0.975; a2=0.95; u=zeros(NN+2,1); for i=1:NN u(i+2)=-a1*u(i+1)-a2*u(i)+noise(i); end % x=filter(1,[1 a1 a2],noise); %滤波器直接实现 u=u(end-N+1:end); %利用统计量直接维纳滤波 r0=(1+a2)/(1-a1)*(0.0731/((1+a2)^2-a1^2)); r1=-a1/(1+a2)*r0; r2=(-a2+a1^2/(1+a2))*r0; R=[r0 r1;r1 r0]; P=[r1;r2]; wo=R\P; Jmin=r0-P'*wo; %LP(2)的LMS算法 w=zeros(M,N-M+1); %滤波器权值 d=u(M:end); %期望响应 y=zeros(1,N-M+1); %输出向量 e=zeros(1,N-M+1); %误差向量 %初始化 u1=[u(1);zeros(M-1,1)]; e(1)=d(1); %迭代更新 for l=1:N-M w(:,l+1)=w(:,l)+v*u1*conj(e(l)); u1=u(l+M-1:-1:l); y(l+1)=w(:,l+1)'*u1; e(l+1)=d(l+1)-y(l+1); end %学习曲线 J=abs(e).^2; % figure(1); % plot(1:N-M+1,J); % figure(2); % plot(1:N-M+1,w(1,:)); % hold on; % plot(1:N-M+1,w(2,:)); % figure(3); % plot(1:length(e),e); % hold on; % plot(1:length(e),noise(NN-510:NN),'r');