企业网站的新闻资讯版块有哪些,wordpress自己电脑装,沧州网站建设专业的公司4000-262-,注册一个小程序多少钱文章目录 前言一、仿真说明二、仿真代码三、仿真结果1.LMS自适应滤波器权向量更新曲线2.LMS自适应滤波器算法学习曲线3.期望信号与LMS自适应滤波器输出信号 前言
本文介绍了LMS自适应滤波器对线性预测器系统权系数的估计#xff0c;进行100次独立实验#xff0c;计算平均估计… 文章目录 前言一、仿真说明二、仿真代码三、仿真结果1.LMS自适应滤波器权向量更新曲线2.LMS自适应滤波器算法学习曲线3.期望信号与LMS自适应滤波器输出信号 前言
本文介绍了LMS自适应滤波器对线性预测器系统权系数的估计进行100次独立实验计算平均估计误差得到LMS算法的学习曲线。 一、仿真说明
考虑一个AR过程u(n)使其为二阶线性预测器的输入在μ0.05的情况下使用LMS滤波器来估计w1和w2。在此基础上滤波器进行100次独立实验计算平均估计误差得出LMS算法的学习曲线。
二、仿真代码
使用LMS算法估计线性预测器的仿真代码
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%程序功能产生500点的样本函数
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
clc;
close all
clear allN 500; % 样本序列长度
M 100; % 独立试验次数
sigma sqrt(0.0731); % 标准差
a [1 -0.975 0.95]; % AR模型系数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%程序功能用LMS算法来估计权系数w1和w2
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
miu 0.05; % 步长
w zeros(2,N); % 初始化权向量
w_sum zeros(2,N); % 100次独立实验的权向量求和
e_sum zeros(1,N);for m 1:M % 100次独立实验vn sigma * randn(N,1); % 高斯噪声un filter(1,a,vn); % 产生一组独立信号Nx1e zeros(1,N); % 初始化估计误差d_hat zeros(1,N); % 初始化期望信号估计量for n 3:N-1 % 信号向量时刻的迭代w(:,n1) w(:,n) miu * un(n-1:-1:n-2) * conj(e(n)); % 更新权向量d_hat(n1) w(:,n1) * un(n:-1:n-1); % 更新期望信号估计e(n1) un(n1) - d_hat(n1); % 计算估计误差end% 累加每一次实验的运行结果w_sum w_sum w; % 权向量e_sum e_sum e.^2; % 学习误差
endw_avrg w_sum/M; % 100次独立实验权向量的均值
e_avrg e_sum/M; % 100次独立实验的学习误差均值% 绘制权向量更新曲线
t 1:N;
width_line 1.5; % 绘图线宽
figure()
plot(t,w,LineWidth,width_line) % 权向量
grid on
hold on
plot(t,w_avrg,LineWidth,width_line) % 权向量平均值
title([LMS算法权向量更新曲线步长,num2str(miu),])
legend(一次实验权系数w1,一次实验权系数w2, ...100次实验w1均值,100次实验w2均值, ...Location,east)
xlabel(迭代次数)
ylabel(权向量)% 绘制学习曲线
figure()
plot(t,e_avrg,LineWidth,1);
grid on
title([LMS算法学习曲线步长 ,num2str(miu),])
xlabel(迭代次数)
ylabel(均方误差)figure()
subplot(211)
plot(un,LineWidth,width_line)
grid on
title(期望信号)
xlabel(time index); ylabel(signal value);
subplot(212)
plot(d_hat,LineWidth,width_line)
grid on
title(输出信号)
xlabel(time index); ylabel(signal value);三、仿真结果
1.LMS自适应滤波器权向量更新曲线 2.LMS自适应滤波器算法学习曲线 3.期望信号与LMS自适应滤波器输出信号 从仿真结果可见LMS自适应滤波器逐渐收敛于最优维纳解输出信号近似期望信号。
