lms.m

这个包中包含学习最小均方滤波的一个例子及其和其它滤波方法的一些比较。

clear,close all;
%function LMS_adaptive_filter;%定义功能函数
samples_per_period=40;%周期采样频率
N=10*samples_per_period-1;%总采样次数
signal=sin(2*pi*0.02*[0:N-1]);%初始输入信号
figure;%作图1的第一子图
subplot(2,1,1);
plot(signal);
grid;
title('自适应滤波器的理想输入');
nvar=0.5;%噪声方差
noise=nvar*randn(1,N);%噪声信号
X=signal+noise;%带加性噪声的输入信号
delayX=[0 X];%输入信号延时
SIGNAL=[signal 0];
M=32;%滤波器长度
mu=0.035;%迭代步长
subplot(2,1,2);%作图1的第二子图
plot(delayX);
grid;
title('自适应滤波器的噪声输入');
initial_status=initlms(zeros(1,M),mu);%滤波器设初值
[Y,e,initial_status]=adaptlms(X,SIGNAL,initial_status);%LMS自适应滤波器输出
figure;%作图2的第一子图
subplot(2,1,1);
plot(0:N-1,Y,'.',0:N,SIGNAL,'k');
grid;
title('预测信号与实际信号的比较');
legend('预测信号,实际信号');
%以上程序没问题，但如果把一段语音作为输入，即x=('E:/1.wav'),噪声为高频余弦后，自适应滤波器的程序如何改，而且SIGNAL=[signal 0]是什么意思