本文共 1938 字，大约阅读时间需要 6 分钟。

一、简介

最小均方（LMS， Least Mean Squares）是最基本的自适应滤波算法。

二、源代码

%一种变步长lms 算法clear allclose allhold off    sysorder = 5 ; %抽头数t = 0:1/5000:1-0.0001;s = sin(2*pi*t); %不带噪声的信号N = size(t);M = length(t);% %计算自相关矩阵的最大特征值% xx=rcorr(length(s),s);% [V,D]=eig(xx);% Dmax=max(max(D));n = randn(N);   %产生高斯白噪声[b,a] = butter(2,0.25);Gz = tf(b,a,-1); %逆变换函数y = lsim(Gz,s);  %加入正弦信号z = n * std(y)/(10*std(n));  %标准差为0的噪声信号x = s + z;      %实际输入信号dd = s; %期望输出信号%算法的开始w = zeros(1,sysorder);%权向量初始化umax=0.45;   %设置步长最大值umin=0.0003; %设置步长最小值for i=1:2          u = umax;          y(i) = x(i:i+4)* w' ; %系统输出          e(i) = dd(i) - y(i);%误差            w = w + u * e(i) * x(i); %迭代方程endfor i = 3:M-4     if ((u >= umin)&&(u <= umax))       y(i) = x(i:i+4)* w' ;  %系统输出        e(i) = dd(i) - y(i);  %误差       w = w + u * e(i) * x(i);  %迭代方程       u = ((e(i) * e(i-1)/((dd(i))^2)))* umax;  %步长更新公式    end       if    u > umax          u = umax;                    y(i) = x(i:i+4)* w' ; %系统输出             e(i) = dd(i) - y(i);   %误差           w = w + u * e(i) * x(i);  %迭代方程                      u = ((e(i) * e(i-1)/((dd(i))^2)))* umax;  %步长更新公式    end       if     u < umin          u = umin;          y(i) = x(i:i+4)* w' ;  %系统输出          e(i) = dd(i) - y(i); %误差             w = w + u * e(i) * x(i);  %迭代方程             u = ((e(i) * e(i-1)/((dd(i))^2)))* umax; %步长更新公式   endend %计算均方误差 st = 0; i = 1;while i <= M-4             a = (e(i))^2;     st = st+a;    out = (1/i)*st;    yy(1,i) = out;    i = i+1;  end% %作图hold on;%不带噪声的信号subplot(3,1,1)plot(s)      title('纯净的输入信号') %噪声subplot(3,1,2)plot(z,'g')     title('噪声') %带噪声的输入信号  subplot(3,1,3)plot(x,'c')      title('带噪声的输入信号')figure

三、运行结果

四、备注

完整代码添加QQ1575304183

转载地址：https://blog.csdn.net/qq_34763204/article/details/116310964 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！