lms_fir_filter.m

基于LMS算法的自适应滤波器的MATLAB仿真

g=100;    %统计仿真次数为g
N=1024;   %输入信号抽样点数
k=128;     %时域抽头LMS算法滤波器阶数
pp=zeros(g,N-k);    %将每次独立循环的误差结果存于矩阵pp中，以便后面对其平均
u=0.00026;           %滤波器收敛因子
for q=1:g
    t=1:N;
    a=1;
    s=a*sin(0.05*pi*t);   %输入单信号s
    figure(1);
    subplot(311)
    plot(t,real(s));      %信号s时域波形
    title('信号s时域波形');
    xlabel('n');
    ylabel('s');
    axis([0,N,-a-1,a+1]);
    xn=awgn(s,5);          %加入均值为零的高斯白噪声，信噪比为3dB
    %设置初值
    y=zeros(1,N);           %输出信号y
    y(1:k)=xn(1:k);         %将输入信号xn的前k个值作为输出y的前k个值
    w=zeros(1,k);           %设置抽头加权初值
    e=zeros(1,N);            %误差信号
   %用LMS算法迭代滤波
    for i=(k+1):N
        XN=xn((i-k+1):(i));
        y(i)=w*XN';
        e(i)=s(i)-y(i);
        w=w+u*e(i)*XN;
    end
    pp(q,:)=(e((k+1):N)).^2;
end
subplot(312)
plot(t,real(xn));               %信号s时域波形
title('信号s加噪声后的时域波形');
subplot(313)
plot(t,real(y));                 %信号s时域波形          
title('自适应滤波后的输出时域波形');

for b=1:N-k
    bi(b)=sum(pp(:,b))/g;         %求误差统计平均
end
figure(2);                        %算法收敛曲线
t=1:N-k;
plot(t,bi,'r');
hold on                            %将每次循环的图形显示结果保存下来