资源简介
最经典基本的自适应滤波算法,属于无监督学习的忙适应算法,可以实现不需要训练序列对AR模型进行滤波预测估计,同时也可以稍加修改用于通信中的四星座分类。自己用matlab编写完成,这也是清华大学现代信号分析的课程大作业
代码片段和文件信息
% % clear all
% % M=4;
% % n=5000;
% % m=3000;
% % h1=[0.3 0.9 0.3];
% % L=11;
% % u1=0.01;
% % u2=0.005;
% % u3=0.001;
% % mse_av1=zeros(1n-L+1);
% % mse_av2=zeros(1n-L+1);
% % mse_av3=mse_av2;
% % snr=20;
% % for j=1:m
% % s=rand(1nM);
% % m1=sum(abs(s1).^4);
% % m2=sum(abs(s1).^2);
% % R2=m1/m2;
% % s2=filter(h11s1);
% % x=awgn(s2snr‘measured‘);
% % w1=[0 0 0 0 0 0 0 0 0 0 0];
% % for i=1:n-L+1
% % y=x(i+L-1:-1:i);
% % z1(i)=w1*y‘;
% % e1=R2-(abs(z1(i))^2);
% % w1=w1+u1*e1*y*z1(i);
% % mse1(i)=e1^2;
% % end;
% % mse_av1=mse_av1+mse1;
% % end;
% % mse_av1=mse_av1/m;
% % plot([1:n-L+1]mse_av1‘r‘[1:n-L+1]mse_av2‘y‘[1:n-L+1]mse_av3‘g‘);
% % legend(‘u1=0.01‘‘u2=0.005‘‘u3=0.001‘)
% % title(‘CMA‘);
% % xlabel(‘迭代次数‘‘fontsize‘14)
% % ylabel(‘MSE‘‘fontsize‘14)
% % hold on
% % scatterplot(s110‘k*‘)
% % hold on
% % scatterplot(x10‘k*‘)
% % hold on
% % scatterplot(z110‘k*‘)
% % hold on
% % scatterplot(z210‘k*‘)
% % hold on
% % scatterplot(z310‘k*‘)
clc
clear
close all
M=20;
L=500;
chan=[0.3 0.9 0.3];
sigma=0.1;
sigconst=[-11];
K=11;
k = 7;
[XS]=Generator(Lchansigma);
e=zeros(size(S));
Y=zeros(size(S));
step_size=1;
%%
%CMA
M=1;
L=200000;
chan=[0.3 0.9 0.3];
sigma=0.1;
si
相关资源
- 华为非正交多址技术SCMA
- 显著性检测方法:LCmatlab实现)
- (全文) 自适应盲均衡技术 郭业才著
- (全文) 自适应盲均衡技术 郭业才著
- 显著性检测—HCmatlab版
- 恒模盲均衡算法的物理级建模与仿真
- CMA-ES的matlab实现
- matlab 新型CMAC控制器设计
- 使用MATLAB三秒钟提取任意流域CMADSV1
- 常模类盲均衡算法研究的matlab程序
- 神经网络CMAC训练程序
- T-S模糊辨识与广义预测控制GPCMATLAB源
- 基于cmac的pid控制matlab程序
- SCMA调制解调matlab仿真代码
- CMAES的Matlab实现
- 滚动时域优化RHCMATLAB源代码
- 人工智能蜂群算法ABCMATLAB版本带注释
- Gabor变换实现(CmatlabOpenCV)
- LMS RLS CMA 自适应均衡算法matlab仿真
- GA_CMAC_BP_BLDCM
- scmatestVer1 scma的简单代码实现
- SCMA_learn SCMA译码仿真
- SCMA
- CMA-ES协方差矩阵自适应
- 自抗扰matlab程序
- 盲均衡的matlab仿真
- CMA_DD-LMS
评论
共有 条评论