1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
| function [yn,w,en,itr]=LMSALG(xn,dn,M,mu,itr)
% LMS(Least Mean Squre)算法
% 输入参数:
% xn 输入的信号序列 (列向量)
% dn 所期望的响应序列 (列向量)
% M 滤波器的阶数 (标量)
% mu 收敛因子(步长) (标量) 要求大于0,小于xn的相关矩阵最大特征值的倒数
% itr 迭代次数 (标量) 默认为xn的长度,M < itr <= length(xn)
% 输出参数:
% w 滤波器的权值矩阵 (矩阵)
% 大小为M*itr,
% en 误差序列(itr*1) (列向量)
% yn 实际输出序列 (列向量)
% 确定迭代次数，若输入迭代次数itr，则设置为itr；若没有该参数，则设置为输入信号长度
% 参数个数必须为4个或5个
if nargin == 4 % 4个时递归迭代的次数为xn的长度
itr = length(xn);
elseif nargin == 5 % 5个时需满足 M < itr < length(xn)
if itr > length(xn) || itr < M
error('迭代次数过大或过小!');
end
else
error('请检查输入参数的个数!');
end % 初始化参数
en = zeros(itr,1); % 误差序列,en(k)表示第k次迭代时预期输出与实际输入的误差
w = zeros(itr,M); % 每一行代表一个加权参量,每一列代表-次迭代,初始为0
% w权系数取为矩阵主要是为了判断该算法的收敛性
xn_r=xn'; %%%%参考行向量
dn_r=dn'; %%%%nmr行向量
% 迭代计算
for kitr = M:itr % 第k次迭代
x = xn(kitr:-1:kitr-M+1); % 滤波器M个抽头的输入
y = w(kitr-1,:)*x; % 滤波器的输出
en(kitr) = dn(kitr) - y; % 第k次迭代的误差
% 滤波器权值计算的迭代式
w(kitr,:) = w(kitr-1,:) + 2*mu*en(kitr)*x';%%xn(kitr-M+1:kitr)';
end
%%%方法一、直接使用filter函数来进行滤波处理
CancellationData = filter(w(end,:),1,xn_r); % 直接使用filter函数来进行滤波处理
yn = dn_r-CancellationData;
yn = yn(M+1:end);% 去掉与滤波系数长度对应的前N个点
yn=yn'; %%输出行向量
% % 求最优时滤波器的输出序列
% yn = zeros(size(xn));
% for kitr = M:length(xn)
% x = xn(kitr:-1:kitr-M+1);
% yn(kitr) = dn(kitr) - w(end,:)*x; % w(:,end)为最后一次迭代生成的滤波器系数
% end
% yn = yn(M:end); % 前面M个数据没有经过滤波处理，所以设置成inf，绘图时不显示
|
