资源简介
一种变步长LMS算法的matlab仿真,显示算法的收敛速度和抗干扰能力
代码片段和文件信息
close all
N=200;
mmse1=zeros(11000);mmse2=zeros(11000);mmse3=zeros(11000);
for j=1:N;
randn(‘state‘sum(1000*clock));
xs=randn(11000);
xn=0.2*randn(11000);
% 信号滤波
W4=[0.8 0.5];xin = xs‘; % 输入信号序列
M = 2 ; % 滤波器的阶数
W1= zeros(Mlength(xn)); W2= zeros(Mlength(xn));W3= zeros(Mlength(xn)); % 每一行代表一个加权参量每一列代表-次迭代初始为0
en1 = zeros(length(xn)1); en2 = zeros(length(xn)1);en3 = zeros(length(xn)1);
dn = zeros(length(xn)1);a = zeros(length(xn)1);b= zeros(length(xn)1); c= zeros(length(xn)1);
en1(1)=W4*xin(2:-1:1)+xn(1);en2(1)=W4*xin(2:-1:1)+xn(1);en3(1)=W4*xin(2:-1:1)+xn(1); % 误差序列
mse1=zeros(1length(xn));mse2=zeros(1length(xn));mse3=zeros(1length(xn));
mu1=zeros(length(xn)1);mu1(2)=0.2;mu2=zeros(length(xn)1);mu2(2)=0.2;mu3=zeros(length(xn)1);mu3(2)=0.2;
p1 = zeros(length(xn)1); p1(1)=0.2;p2= zeros(length(xn)1); p2(1)=0.2;p3= zeros(length(xn)1); p3(1)=0.2;
c1=0.98;c2=0.00048;d1=2;d2=2;d3=2;e1=2;e2=2;e3=2;%e大d小则收敛快,跟踪好,稳态误差小,但抗干扰差e的影响要大于d
% 迭代计算收敛特性d2=1;e1=4;抗噪声特性d2=2;e1=0.5;
for k = M:length(xn); % 第k次迭代
x = xin(k:-1:k-M+1); % 滤波器M个抽头的输入
y1 = W1(:k).‘* x; y2 = W2(:k).‘* x;y3 = W3(:k).‘* x; % 滤波器的输出,
if k==500
W4=[0.4 0.2];
end
dn(k)=W4*xin(k:-1:k-M+1)+xn(k);
en1(k) = dn(k)- y1;en2(k) = dn(k) - y2;en3(k) =
- 上一篇:MATLAB GUI菜单制作
- 下一篇:matlab单应矩阵
相关资源
- 基于LMS和RLS的自适应滤波器的应用仿
- LMS算法自适应波束形成
- 自适应NLMS算法
- 变步长的LMS自适应滤波算法matlab程序
- 基于Matlab的LMS仿真
- 基于归一化LMS算法自适应均衡器的S
- LMS算法的MATLAB实现以及
- 各种自适应算法的matlab仿真
- 频域块LMS算法
- matlab中仿真自适应信号处理LMSNewton算
- matlab中仿真自适应信号处理LMS算法
- 归一化多通道LMS自适应盲辨识算法
- 自适应噪声抵消LMS算法
- 基于格梯形LMS算法的自适应滤波器
- 自适应信号处理 LMS算法
- LMS自适应滤波器MATLAB代码
- FXLMS算法的matlab仿真
- lms算法处理含噪语音
- LMS音频降噪matlab程序
- 基于RLS和LMS的自适应滤波器的MATLAB代
- nlms 回声消除
- LMS算法MATLAB代码
- LMS基本理论matlab
- Eriksson method
- 仿射投影APA与NLMS算法比较
- 功率倒置算法的LMS实现
- 最小二乘算法(LMS)处理滤波并预测
- LMS RLS CMA 自适应均衡算法matlab仿真
- 基于LMS算法的自适应均衡器的MATLAB实
- 自适应滤波器的理论研究及Matlab仿真
评论
共有 条评论