神经网络基于LMS算法的自适应滤波.docVIP

实 验 报 告 实验名称：基于LMS算法的自适应滤波 实验报告 实验名称：基于LMS算法的自适应滤波 实验内容：最小均方算法即LMS是一种自适应滤波算法，这里的Matlab程序根据LMS对一个线性噪声系统进行滤波。 实验原理：最小均方算法是一种以期望响应和滤波器输出信号之间误差的均方值最小为原则，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最佳的自适应迭代算法。 实验程序： clear; clc; grid off; %周期信号的产生 t=0:99; sn=10*sin(0.5*t); figure(1) subplot(2,1,1) plot(t,sn); title(原始的周期信号) grid on; %噪声信号的产生 randn(state,sum(100*clock)); noise=randn(1,100); subplot(2,1,2) plot(t,noise); title(噪声信号) grid on; %信号滤波 xn=sn+noise; xn=xn.; dn=sn.; M=20; figure(2) subplot(2,1,1) plot(t,xn) title(加噪声后的信号波形) grid on; %初始化 r_max=max(eig(xn*xn.)); mu=rand()/r_max; itr=length(xn); en=zeros(itr,1); w=zeros(M,itr); %LMS for k=M:itr x=xn(k:-1:k-M+1); y=w(:,k-1).*x; en(k)=dn(k)-y; %加权因子 w(:,k)=w(:,k-1)+2*mu*en(k)*x; end yn=inf*ones(size(xn)); for k=M:itr x=xn(k:-1:k-M+1); yn(k)=w(:,end).*x; end %画图 subplot(2,1,2) plot(t,yn) title(滤波器输出信号) grid on; figure(3) hold on; plot(t,dn,g,t,yn,b,t,dn-yn,r); grid on; legend(期望输出,滤波器输出,误差) 实验结果仿真： 实验总结：LMS算法是一种梯度最速下降算法，其显著特点是简单、计算量小、易于实现。这种算法不需要计算相关矩阵，也不需要进行矩阵运算。只要自适应线性组合器每次迭代运算时都知道输入信号和参考响应，选用LMS算法是很合适的。