[畢業(yè)設(shè)計(jì)論文]基于lms和rls的自適應(yīng)濾波器的應(yīng)用仿真(專業(yè)版)
【正文】 Cxx matrix trace39。) figure(4)plot(0:Nn,h(n:N,1)),hold onplot(0:Nn,h(n:N,2),39。) figure(2)plot(0:Nn,xr(1,n:N),39。e=zeros(1,N)。d=39。)。 end for i=n+1:N e(k,i,d)=y(i)h(k,i,d)*y(i1)。一階自回歸模型的公式如下：是模型的唯一參數(shù)，b(k)是零均值白噪聲。用一個(gè)自適應(yīng)濾波器生成一個(gè)可以對(duì)參數(shù)進(jìn)行一步預(yù)測的一階自適應(yīng)預(yù)估器。 h(k,i+1,d)=h(k,i,d)+delta*y(i1)*e(k,i,d)。 gtext(39。), gtext(39。y=zeros(1,N)。r39。r39。)xlabel(39。) figure(6)semilogy(0:Nn,tr(n:N)),gridtitle(39。y(k)39。Samples39。h=zeros(N,n)。), gtext(39。\leftarrowd=39。 for i=2:N y(i)=a1*y(i1)+b(i)。2. LMS自適應(yīng)濾波器舉例自回歸過程的自適應(yīng)預(yù)估器自回歸過程是用來描述伴隨一些可能性規(guī)律出現(xiàn)的統(tǒng)計(jì)現(xiàn)象的瞬時(shí)估計(jì)的隨機(jī)過程。LMS算法可由如下方程表示： 取N個(gè)點(diǎn)估計(jì)參數(shù),為獲取平均值重復(fù)M次。 end endendfor d=1:3 for i=1:N em(i,d)=0。\leftarrowd=39。d=39。tr=zeros(1,N)。),gridaxis([0 800 ])title(39。),hold offgridtitle(39。Samples39。Module in dB39。),gtext(39。)xlabel(39。g=zeros(N,n)。Samples39。) gtext(39。
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1