lms.zip_LMS步长_lms

%%%%%%LMS算法子程序%%%%%%%%% function MSD = LMS_1(x,h,mu1,SNR,Loop) %% 参数 N = length(x); % 信号长度 M = length(h); % 信道阶数 L = N - M + 1; % 迭代次数 %% 经过信道后的信号(没有加噪声) y = filter(h,1,x); %% 蒙特卡洛仿真 MSD = zeros(1,L); %生成一个1行L列的元素全为零矩阵MSD for ii = 1:Loop %% 理想系统的期望输出(在信号y中加入高斯白噪声) d = awgn(y,SNR,'measured'); %函数将在加入噪声之前测定信号强度 %% 输出期望响应d d = d(M:end); %提取d矩阵的第M个到结束元素 %% 均衡器初始化 w = zeros(M,1); %生成一个M行一列的元素全为零矩阵w %% 迭代过程 for kk = 1:L %% 当前时刻数据矩阵 x_n = x(kk + M - 1:-1:kk); %x_n(1)=x(kk+M),x_n(2)=x(kk+M-1)... d_n = d(kk); %% 误差向量 e = d_n - x_n'*w; %% 更新权向量APA(K) % w = w + mu1*x_n/(x_n'*x_n)*e; % 归一化LMS(NLMS) w = w + mu1*x_n*e; % LMS %% MSD MSD(kk) = MSD(kk) + norm(h - w)^2/norm(h)^2/Loop; % norm(h):h的转置矩阵与矩阵A的积的最大特征根的平方根值 end end end %%%%%%%%%%%%%%%主程序%%%%%%%%%%%%%%% ccc; %% 参数 M = 8; % 信道阶数 N = 10e3; % 数据长度 x = randn(N,1); % 数据 mu1 = [0.1, 0.01, 0.001]; % 步长 Loop = 1e1; % 蒙特卡洛仿真次数 SNR = 30; % 期望信号实际测量噪声信噪比 %% 可选信道 h = rand(M,1); % system to be identified h = h/norm(h); % normalize channel %% LMS算法 MSD1 = LMS_1(x,h,mu1(1),SNR,Loop); MSD2 = LMS_1(x,h,mu1(2),SNR,Loop); MSD3 = LMS_1(x,h,mu1(3),SNR,Loop); %% 画图 figure; plot(1:size(MSD1,2),10*log10(MSD1),'b'); hold on; plot(1:size(MSD2,2),10*log10(MSD2),'r'); hold on; plot(1:size(MSD3,2),10*log10(MSD3),'k'); hold off; legend(['(a)LMS(\it\mu=\rm',num2str(mu1(1)),')'],... ['(b)LMS(\it\mu=\rm',num2str(mu1(2)),')'],... ['(c)LMS(\it\mu=\rm',num2str(mu1(3)),')']); xlabel('iterations'); ylabel('NMSD(dB)'); grid on;