【正文】 (2,1,1)。幅值39。)。plot(abs(fft(xr)))。)。title(39。plot(0:Nn,x(1,n:N))title(39。)。gridsubplot(2,1,2)。幅值39。)。figure(3) plot(0:Nn,e(1,n:N))。hold on grid on。ylabel(39。時間39。),gtext(39。grid。xlabel(39。誤差信號e頻域圖39。grid。xlabel(39。濾波器輸出信號y頻域圖39。濾波效果不如輸入為周期信號。 對進一步研究的展望自適應信號處理技術廣泛應用于系統(tǒng)辨識、回波消除、自適應譜線增強、自適應信道均衡、語音線性預測、預測解卷、信號檢測、自適應噪聲消除、自適應天線陣等諸多信號處理領域中。參 考 文 獻[1] 于洋. 一種改進的LMS自適應濾波器設計[D].[本科學位論文].北京：北京石油化工學院，2009[2] 丁玉美. 數字信號處理[M].西安：西安電子科技大學出版社，2002[3] 王姣. 自適應濾波器的MATLAB仿真[D]. [本科學位論文].北京：北京石油化工學院，2002[4] 薛小梅. 一種基于LMS算法的自適應濾波器設計[D]. [本科學位論文].北京：北京石油化工學院，2006[5] 吳燕. 一種自適應濾波器的設計與仿真[J].科技廣場，2010，第7期：5961[6] 程玉柱. 自適應濾波器的算法比較研究[J].大慶師范學報，2008，第2期：2326[7] 張立萍. RLS自適應濾波器的Matlabe設計與仿真[J].赤峰學院學報，2011，第4期：2526[8] 蒙俊甫. LMS自適應濾波器的仿真與實現[J].設計參考，2009，第9期：6773[9] 程玉柱. 自適應濾波器的算法比較研究[J].大慶師范學報，2008，第2期：2326[10] 吳正茂. 自適應濾波器及其應用研究[J].南昌水專學報，2004，第2期：3640[11] 向大威、顧亞平. 自適應濾波器的幾種全更新算法[J]中國科學院東海研究站[12] Simon Haykin. Adaptive Filter Thearo[M].北京：電子工業(yè)出版社，2006[13] 李勇、徐震. MATLAB輔助現代工程數字信號處理[M].西安電子科技大學出版社，[14] 王世一. 數字信號處理[M].北京理工大學出版社，2012[15] 張立萍. RLS自適應濾波器的Matlabe設計與仿真[J]. 赤峰學院學報，2011，第4期：2526致 謝為期半年的畢業(yè)設計結束了，本人的畢設是自適應濾波器的設計實現，主要是以RLS算法為核心，基于MATLAB的仿真實現。clc。rand(39。n=200。for i=1:N xr(1,i)=sin(k*2*pi*i/N)。K=zeros(N,n)。 for i=n+1:N K(i,:)=(p*x(in+1:i)39。 w(i,:)=w(i1,:)+e(1,i)*K(i,:)。 end figure(1) subplot(2,1,1)。幅值39。)。plot(abs(fft(xr)))。)。title(39。plot(0:Nn,x(1,n:N))title(39。)。gridsubplot(2,1,2)。幅值39。)。figure(3) plot(0:Nn,e(1,n:N))。hold on grid on。gtext(39。) figure(4) subplot(2,1,1)。)。grid。xlabel(39。誤差信號e頻域圖39。grid。xlabel(39。濾波器輸出信號y頻域圖39。, 0) 。 N=5000。 x=(zeros(1,N))。p=(1/Delta)*eye(n)。 y=zeros(1,N)。))39。*x(in+1:i)*p。r39。誤差信號e(t)和輸出信號y(t)39。)。subplot(2,1,2)。抽頭權值w的變化39。)。附錄3三角波實驗清單clear。, 0) 。 N=1000。 for i=1:N xr(1,i)=sin(k*2*pi*i/N)。x=(zeros(1,N))。K=zeros(N,n)。 for i=n+1:N K(i,:)=(p*x(in+1:i)39。 w(i,:)=w(i1,:)+e(1,i)*K(i,:)。 end figure(1) subplot(2,1,1)。幅值39。)。plot(abs(fft(xr)))。)。title(39。plot(0:Nn,x(1,n:N))title(39。)。gridsubplot(2,1,2)。幅值39。)。figure(3) plot(0:Nn,e(1,n:N))。hold on grid on。ylabel(39。時間39。),gtext(39。grid。xlabel(39。誤差信號e頻域圖39。grid。xlabel(39。濾波器輸出信號y頻域圖39。randn(39。seed39。 k=12。[Y,F,c]=wavread(39。wavwrite(Y1,F,16,39。Y2=(zeros(N,1))。for j=1:N x(1,j)=xr(1,j)+b(j)。 w=zeros(N,n)。 for i=n+1:N K(i,:)=(p*x(in+1:i)39。 w(i,:)=w(i1,:)+e(1,i)*K(i,:)。 end figure(1) subplot(2,1,1)。幅值39。)。plot(abs(fft(xr)))。)。title(39。plot(0:Nn,x(1,n:N))title(39。)。gridsubplot(2,1,2)。幅值39。)。figure(3) plot(0:Nn,e(1,n:N))。hold on grid on。ylabel(39。時間39。),gtext(39。grid。xlabel(39。誤差信號e頻域圖39。grid。xlabel(39。濾波器輸出信號y頻域圖39。對本論文所涉及的研究工作做出貢獻的其他個人和集體，均已在文中以明確方式標明。聲 明 本人鄭重聲明：所呈交的學位論文（畢業(yè)設計說明書），是本人在導師指導下，獨立進行研究（設計）工作的總結。)。幅值39。subplot(2,1,2)。)。幅值39。) figure(4) subplot(2,1,1)。gtext(39。)。誤差信號e(t)和輸出信號y(t)39。r39。濾波器輸入信號x頻域圖39。xlabel(39。grid。時間39。) ylabel(39。)。頻率39。ylabel(39。原始輸入信號xr時域圖39。xlabel(39。r39。*x(in+1:i)*p。))39。 y=zeros(1,N)。p=(1/Delta)*eye(n)。endxr=Y239。) 。) 。 %純背景音樂的音頻信號F=500。 N=1000。, 0) 。附錄4輸入非周期信號清單clear。)。幅值39。subplot(2,1,2)。)。幅值39。) figure(4) subplot(2,1,1)。gtext(39。)。誤差信號e(t)和輸出信號y(t)39。r39。濾波器輸入信號x頻域圖39。xlabel(39。grid。時間39。) ylabel(39。)。頻率39。ylabel(39。原始輸入信號xr時域圖39。xlabel(39。r39。*x(in+1:i)*p。))39。 e=zeros(1,N)。endDelta=。 endt=0::。 k=12。seed39。randn(39。時間39。ylabel(39。r39。時間39。ylabel(39。hold on grid on。 end figure(1) subplot(2,1,1)plot(0:Nn,e(1,n:N))。 w(i,:)=w(i1,:)+e(1,i)*K(i,:)。 for i=n+1:N K(i,:)=(p*x(in+1:i)39。 w=zeros(N,n)。x(1,i)=xr(1,i)+b(i)。 k=12。seed39。附錄2正則化參數實驗清單randn(39。)。幅值39。subplot(2,1,2)。)。幅值39。時間39。ylabel(39。),gtext(39。誤差信號e(t)和輸出信號y(t)39。r39。濾波器輸入信號x頻域圖39。xlabel(39。grid。時間39。) ylabel(39。)。時間39。ylabel(39。原始輸入信號xr時域圖39。xlabel(39。r39。*x(in+1:i)*p。))39。 e=zeros(1,N)。 endDelta=。 b=*randn(1,N)。, 0) 。seed39。在此非常感謝張老師。對自適應算法的優(yōu)化改進將大大的提高自適應濾波器的性能。⑵對不同類型濾波器輸入信號獨立實驗，周期型號和非周期信號的濾波器效果都較好，但周期信號的濾波效果更好。： 濾波器輸誤差信號和輸出信號頻域圖 濾波器輸誤差信號和輸出信號頻域圖 濾波器輸誤差信號和輸出信號頻域圖 濾波器輸誤差信號和輸出信號頻域圖如圖，從時域分析，背景音樂信號加入相同均值為2噪聲，誤差信號幅值較三角波實驗大。)。幅值39。subplot(2,1,2)。)。幅值39。) figure(4) subplot(2,1,1)。gtext(39。)。誤差信號e(t)和輸出信號y(t)39。r39。濾波器輸入信號x頻域圖39。xlabel(39。grid。時間39。) ylabel(39。)。頻率39。ylabel(39。原始輸入信號xr時域圖39。xlabel(39。r39。*x(in+1:i)*p。))39。 y=zeros(1,N)。p=(1/Delta)*eye(n)。endxr=Y239。) 。) 。 %純背景音樂的音頻信號F=500。 N=1000。, 0) 。實驗程序如下：clear。從頻域上看，接近原始信號頻譜。)。頻率39。ylabel(39。)。頻率39。ylabel(39。y(k)39。)。幅值39。title(39。hold on plot(0:Nn,y(1,n:N),39。title(39。)。plot(abs(fft(x)))。xlabel(39。濾波器輸入信號x時域圖39。原始輸入信號xr頻域圖39。xlabel(39。grid。title(39。)。plot(0:Nn,xr(1,n:N),39。 p=pK(i,:)39。./(1+x(in+1:i)*p*x(in+1:i)39。 w=zeros(N,n)。for j=1:N x(1,j)=xr(1,j)+b(j)。x(1,i)=xr(1,i)+b(i)。n=200。rand(39。clc。 結論綜合上述兩組對比實驗，當抽頭輸入噪聲電平低（即輸入信噪比較高）時，RLS算法的正則化系數取較小的正常數收斂速度更快，濾波效果也較好。， 誤差信號輸出信號和抽頭權值w變化圖 誤差信號輸出信號和抽頭權值w變化圖當信噪比較低時，實驗組1抽頭系數在1800開始收斂，誤差信號較小。不難看出，實驗組2收斂速度更快。運行以上程序。)。抽頭權值w的變化39。subplot(2,1,2)。)。誤差信號e(t)和輸出信號y(t)39。r39。*x(in+1:i)*p。))39。 y=zeros(1,N)。p=(1/Delta)*eye(n)。 x=(zeros(1,N))。 N=5000。, 0) 。來實現不同信噪比，分析正則化參數的在最佳選擇。可以看出輸出信號