LMS算法-MATLAB程序培训资料

1、LMS 算 法 - MATL AB 程序%LMS 算法演示 (matlab) %设置参数， N 为采样个数， u 为步长clear,clc;N=16;u=0.1;%设置迭代次数 kk=250;%pha 为随机噪声的平均功率rk=randn(1,k)/2;% 正态分布的随机矩阵pha=mean(rk);% 求元素平均值%设置起始权值wk(1,:)=0 0;%用 LMS 算法迭代求最佳权值for i=1:kxk(i,:)=sin(2*pi*i/N) sin(2*pi*(i-1)/N)+rk(i);% 输入信号yk(i)=xk(i,:)*wk(i,:)'% 输出信号dk(i)=2*cos(2

2、*pi*i/N);% 期望信号err(i)=dk(i)-yk(i);% 误差 wk(i+1,:)=wk(i,:)+2*u*err(i)*xk(i,:);% 权值迭代 end x,y=meshgrid(-2:0.1:8,-10:0.1:0);%求性能表面z=(0.5+pha)*(x.A2+y42)+x.*y*cos(2*pi/N)+2*y*si n(2*pi/N)+2;%求理论最佳权值 x1,y1x1=2*cos(2*pi/N)*si n(2*pi/N)/(1+phaF2-(cos(2*pi/N)F2); y1=-2*(1+2*pha)*si n(2*pi/N)/(1+phaF2-(cos(2*

3、pi/N)F2);%画性能表面的等高线figures on tour(x,y,z,0.78 1.9 6.3 13.6 23.8 37);%等值线图%画迭代时权值的变化hold on ;plot(wk(:,1),wk(:,2),'r');%标注最佳权值的位置hold on ;plot(x1,y1,'*');%绘制误差与迭代次数的图figure,plot(err);%基于RLS算法的自适应线性预测clc;clear all;N=300;M=100;%计算的次数w1= zeros(N,M);w2=zeros(N,M);l=eye (2);e 1=zeros(N,M);

4、 for k=1:M%产生白噪声Pv=0.008;%定义白噪声方差a1= -0.195;a2=0.95;o=0.02;r=0.95;m=5000;%产生5000个随机数v=randn (1,m);v=v*sqrt(Pv);% 产生均值为0，方差为Pv的白噪声%m=1:N;v=v(1:N);% 取出前 1000 个%plot(m,v);title('均值为 0，方差为 0.0965 的白噪声');ylabel('v(n)');xlabel('n');v=v'%向量初使化x=zeros(1,N);x(1)=v(1);%x(0)=v(0)x(

5、2)=v(2)-a1*v(1);%x(1)=v(1)-a1*v(0)w=zeros(2,N);w(:,1)=0 0'%w(0)=0 0'X=zeros(2,N);X(:,2)=v 0'%X(0)=0 0'X(1)=v(0) 0'C=zeros(2,2*N);C(:,1:2)=1/o.*l;%C(0)=1/o*le=zeros(1,N)'%定义误差向量u=zeros(1,N);g=zeros(2,N);%根据RLS算法进行递推for n=1:N-2x(n+2)=v( n+2)-a1*x( n+1)-a2*x( n);X(:,n+2)=x(n+1)

6、x(n)'u(n )=X(:, n+1)'*C(:,2* n-1:2* n)*X(:, n+1);g(:, n)=(C(:,2* n-1:2* n)*X(:, n+1)./( r+u( n);w(:,n+1)=w(:, n)+g(:, n)*(x( n+1)-X(:, n+1)'*w(:, n);C(:,2* n+1:2*( n+1)=1/r.*(C(:,2* n-1:2* n)-g(:, n)*X(:, n+1)'*C(:,2* n-1:2* n); e(n )=x( n+1)-X(:, n+1)'*w(:, n);w1(:,k)=w(1,:)'

7、; w2(:,k)=w(2,:)'% 将每次计算得到的权矢量值储存e1(:,k)=e(:,1);%将每次计算得到的误差储存endend%求权矢量和误差的M次的平均值 wa1=zeros(N,1);wa2=zeros(N,1);e n=zeros(N,1); for k=1:Mwa1(:,1)=wa1(:,1)+w1(:,k);wa2(:,1)=wa2(:,1)+w2(:,k);en (:,1)=e n(:,1)+e1(:,k);endn=1:N;subplot(221)plot(n,w(1, n), n,w(2, n);%作出单次计算权矢量的变化曲线xlabel('n'

8、);ylabel('w(n)');title('w1(n) 和 w2(n)的单次变化曲线(线性预测，RLS)') subplot(222)plot(n,wa1(n,1)./M,n,wa2(n,1)./M);%作出100次计算权矢量的平均变化曲线xlabel('n');ylabel('w(n)');title('w1(n) 和 w2(n)的 100 次平均变化曲线') subplot(223)plot(n,e(门,1)八2);% 作出单次计算eA2的变化曲线xlabel('n');ylabel('eA2');title('单次计算 eA2 的变化曲线');sub