LMS算法-MATLAB程序.doc

《LMS算法-MATLAB程序.doc》由会员分享，可在线阅读，更多相关《LMS算法-MATLAB程序.doc（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-dateLMS算法-MATLAB程序LMS算法-MATLAB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

2、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*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endx,y=meshgrid(-2:0.1:8,-10:0.1:0);%求性能表面z=(0.5+pha)*(x.2+y.2)+x.*y*cos(2*pi/N)+2*y*sin(2*pi/N)+2;%求理论最佳权值x1,y1x1=2*c

3、os(2*pi/N)*sin(2*pi/N)/(1+pha)2-(cos(2*pi/N)2);y1=-2*(1+2*pha)*sin(2*pi/N)/(1+pha)2-(cos(2*pi/N)2);%画性能表面的等高线figure,contour(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

4、;M=100;%计算的次数w1=zeros(N,M);w2=zeros(N,M);I=eye(2);e1=zeros(N,M);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=zer

5、os(1,N); x(1)=v(1);%x(0)=v(0) x(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(1) 0;%X(0)=0 0;X(1)=v(0) 0 C=zeros(2,2*N); C(:,1:2)=1/o.*I;%C(0)=1/o*I e=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-2 x(n+2)=v(n+2)-a1*x(n+1)-a2*x(

6、n); X(:,n+2)=x(n+1) 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,:); w2(:,k)=w(2,:);%将每次计算得到的权矢量值储

7、存 e1(:,k)=e(:,1);%将每次计算得到的误差储存 end end%求权矢量和误差的M次的平均值wa1=zeros(N,1);wa2=zeros(N,1);en=zeros(N,1); for k=1:M wa1(:,1)=wa1(:,1)+w1(:,k); wa2(:,1)=wa2(:,1)+w2(:,k); en(:,1)=en(:,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);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(n,1).2);%作出单次计算e2的变化曲线xlabel(n);ylabel(e2);title(单次计算e2的变化曲线);subplot(224)plot(n,(en(n,1)/M).2);%作出M次计算e2的平均变化曲线xlabel(n);ylabel(e2);title(100次计算e2的平均变化曲线);-