adsp-华科实验报告材料-Lms算法_第1页
adsp-华科实验报告材料-Lms算法_第2页
adsp-华科实验报告材料-Lms算法_第3页
adsp-华科实验报告材料-Lms算法_第4页
adsp-华科实验报告材料-Lms算法_第5页
已阅读5页,还剩1页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

实用标准文案现代数字信号处理实验报告院系:精彩文档实用标准文案班级:姓名/学号:题目一题目:按照课本第三章63页的要求,仿真实现LMS算法和RLS算法,比较两种算法的权值收敛速度,并对比不同λ值对RLS算法的影响。解答:1.1 数据模型(1)均值为0、方差为1的白噪声信号:用 randn函数产生均值为 0、方差为1的标准正态分布随机矩阵来实现。根据a1=-1.6, a2=0.8,x(n)+a1*x(n-1)+a2*x(n-2)=e(n); 来生成正真的x(n)序列,其中e(n)表示的是噪声信号。(2)信号点数这里取为 1000,用1000个信号来估计滤波器系数。 分别用LMS,RLS算法来实现,并通过信号点来反映自适应权系数的过度过程,以此来比较。精彩文档实用标准文案(3)分别取 4个不同的λ值来分析 RLS算法对收敛效果的影响。其中lambda=[1,0.98,0.96,0.94] 。1.2 算法模型 算法模型for i=3:1:N %权系数迭代 N次W=W+2*u*X*e(i-1); %LMS 算法的权系数迭代公式X=[x(i-1) x(i-2)]'; %LMS 算法中输入信号矢量的递推e(i)=x(i)-W'*X;a1L(i)=-W(1); %LMS 算法中权系数 a1的提取endLMS算法最核心的思想是用平方误差代替均方误差,每次迭代中使用很粗略的梯度估计值来代替精确的梯度值,因而权系数的调整过程是有噪声的,w不再是确定性函数而变成了随机变量,当迭代过程收敛后,权矢量将在最佳权矢量附近随机起伏。算法模型fori=3:1:NX=[x(i-1),x(i-2)]';Rxx=lbda*Rxx+X*X'; %迭代公式中自相关矩阵的计算e=x(i)-W'*X; %输出信号误差 e(n\n-1)W=W+inv(Rxx)*X*e; %RLS算法的权系数迭代公式a1R(i)=-W(1); %LMS 算法中权系数 a1的提取end;精彩文档实用标准文案RLS算法的关键是用二乘方的时间平均的最小化准则取代最小均方准则, 并按时间进行迭代计算。对于非平稳随机输入信号引入一个加权因子对 i时刻的误差值进行修正,由于加权因子取值范围从 0~1,因此时间越久远的数据对误差的贡献就越小。其最大的特点是收敛速度快,但每次的迭代计算量大。1.3 仿真过程简介仿真过程按照如下过程进行(1)信号产生:首先产生高斯白噪声序列 Noise(n),Noise=randn(1,n); 然后通过一个简单的二阶自回归滤波器生成信号 x(n),该滤波器a1=-1.6,a2=0.8 。头两个可以表达出来 x(1)=Noice(1);x(2)=Noise(2)-a2*x(1); 由x(n)=Noise(n)-a1*x(n-1)-a2*x(n-2); 从而生成序列。(2)将步骤一生成的信号通过 LMS和RLS自适应滤波器进行处理(3)通过改变λ值对a1收敛速度的影响来分析 RLS算法的性能。(4)绘制各种图形曲线(5)源代码如下:按照步骤一,生成信号的程序如下所示,生成的信号包含 n个点(1)%输入信号序列的产生clear all;clc;初始化参数a1=-1.6; %生成信号 x(n)的参数a2=0.8;N=1000; %信号点数信号及白噪声信号序列的初始化精彩文档实用标准文案x=zeros(1,N)'; %信号的初始化Noise=randn(1,N)'; %白噪声的初始化,均值为 0,方差为 1x(1)=Noise(1); %信号前两点的初始赋值x(2)=Noise(2)-a1*x(1);信号序列的产生forn=3:Nx(n)=Noise(n)-a1*x(n-1)-a2*x(n-2);end生成信号之后,将信号输入 LMS和RLS滤波器进行处理,其 matlab 程序如下:(2)%LMS 和RLS算法下的参数 a1的收敛曲线%LMS 滤波u=0.002; %LMS算法下自适应增益常数初始化Rxx=[x(1)*x(1)0;00];T=0;e(1)=0;W=[0;1];X=[x(2);x(1)];e(2)=x(2)-W'*X;for i=3:1:N %权系数迭代 N次精彩文档实用标准文案Rxx=[x(i-1)*x(i-1)x(i-1)*x(i-2);x(i-1)*x(i-2)x(i-2)*x(i-2)]; %列出自相关矩阵T=1/(T+trace(Rxx)); %求出迹的值,为后续 u的判断做准备if(u>T)error('uislargerthan1/t[R]' );%判断u的值是否小于迹的倒数endW=W+2*u*X*e(i-1); %LMS 算法的权系数迭代公式X=[x(i-1) x(i-2)]'; %LMS 算法中输入信号矢量的递推e(i)=x(i)-W'*X;a1L(i)=-W(1); %LMS 算法中权系数 a1的提取end%RLS滤波lbda=1; %RLS算法下 lambda 取值T=eye(2,2)*10; %%RLS算法下T参数的初始化 ,T初始值为 10Rxx=inv(T);w1(1)=0;w2(1)=0;w1(2)=0;w2(2)=0;W=[w1(2);w2(2

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论