LMS matlab

LMS的matlab代码;LMS的matlab代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% lmsalgo : LMS algorithm demo
% Author : Tamer abdelazim Mellik
% Contact information : 
%Department of Electrical & Computer Engineering
%University of Calgary
%2500 University Drive N.W. 
%Calgary AB T2N 1N4 
%Canada .
% email :abdelasi@enel.ucalgary.ca  
% email : tabdelaz@ucalgary.ca
% Webpage : http://www.enel.ucalgary.ca/~abdelasi/
% Date    : 20-4-2003
% Version : 1.0.0
% Reference : S. Haykin Adaptive Filter Theory. 3rd edition Upper Saddle River NJ: Prentice-Hall 1996. 
% Note : The author doesn‘t take any responsibility for any harm caused by the use of this file
clear all
close all
hold off
%channel system order
sysorder = 5 ;
% Number of system points
N=2000;
inp = randn（N1）;
n = randn（N1）;
[ba] = butter（20.25）;
Gz = tf（ba-1）;
%This function is submitted to make inverse Z-transform （Matlab central file exchange）
%The first sysorder weight value
%h=ldiv（basysorder）‘;
% if you use ldiv this will give h :filter weights to be
h=  [0.0976;
    0.2873;
    0.3360;
    0.2210;
    0.0964;];
y = lsim（Gzinp）;
%add some noise
n = n * std（y）/（10*std（n））;
d = y + n;
totallength=size（d1）;
%Take 60 points for training
N=60 ;	
%begin of algorithm
w = zeros （ sysorder   1 ） ;
for n = sysorder : N 
	u = inp（n:-1:n-sysorder+1） ;
    y（n）= w‘ * u;
    e（n） = d（n） - y（n） ;
% Start with big mu for speeding the convergence then slow down to reach the correct weights
    if n < 20
        mu=0.32;
    else
        mu=0.15;
    end
	w = w + mu * u * e（n） ;
end 
%check of results
for n =  N+1 : totallength
	u = inp（n:-1:n-sysorder+1） ;
    y（n） = w‘ * u ;
    e（n） = d（n） - y（n） ;
end 
hold on
plot（d）
plot（y‘r‘）;
title（‘System output‘） ;
xlabel（‘Samples‘）
ylabel（‘True and estimated output‘）
figure
semilogy（（abs（e））） ;
title（‘Error curve‘） ;
xlabel（‘Samples‘）
ylabel（‘Error value‘）
figure
plot（h ‘k+‘）
hold on
plot（w ‘r*‘）
legend（‘Actual weights‘‘Estimated weights‘）
title（‘Comparison of the actual weights and the estimated weights‘） ;
axis（[0 6 0.05 0.35]）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2072  2009-02-05 09:38  lms.m

----------- ---------  ---------- -----  ----

                 2072                    1