声振论坛

 找回密码
 我要加入

QQ登录

只需一步,快速开始

声振论坛 展示 科学计算 算法编程 查看内容

matlab lms 算法实例

2015-11-3 01:22| 发布者: aspen| 查看: 1336| 评论: 3|原作者: 风花雪月|来自: 声振论坛

摘要: % LMS Algorithm ,返回滤波器加权系数矩阵和误差向量
function [wn,en]=lms(xn,dn,M,delt,varargin)
% LMS Algorithm ,返回滤波器加权系数矩阵和误差向量
%
% 调用格式
% [wn,en]=lms(xn,dn,M,delt,itr)
% en=滤波器输出和d(n)的误差序列,为列向量
% wn=滤波器的加权参量序列,为一矩阵,其每行代表一个加权参量,每列代表一次迭代;初始化值设为0
% xn=输入列向量信号
% dn=期望列向量信号
% M=滤波器阶数
% delt=步长
% itr=迭代次数
% [wn,en]=lms(xn,dn,M,delt)
% 迭代次数为默认值,即等于x(n)的点数
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 输入输出参数的检查
%--------------------------------------------------------------------------
vin=length(varargin); Item=vin+4; 
error(nargchk(4,Item,nargin)); % 检查输入变量数目是否合适,其中前四个参数必须输入
if nargout>2 % 检查输出变量数目是否合适
error('Too many output arguments');
end
%------------------------------------------------------------------------
Nx=length(xn); % x(n)的长度
if Nx~=length(dn) % 检查x(n)和d(n)长度是否相等
error('The length of x(n) is not equal to that of d(n)');
end
%------------------------------------------------------------------------
sizex=size(xn); % 检查输入向量是否为列向量
if sizex(1)
xn=xn.';
end
sizedn=size(dn); % 检查期望信号向量是否为列向量
if sizedn(1)
dn=dn.';
end
%-------------------------------------------------------------------------
itr=Nx; % 迭代次数取默认值
%-------------------------------------------------------------------------
% 当输入变量为5个时
if Item==5 % 确定迭代次数
itr=varargin{1};
if itr>Nx | itr
error('Too many or too few iterations');
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 参数的初始化
en=zeros(itr,1);
wn=zeros(M,itr); % 每行代表一个加权参量,每列代表一次迭代
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 迭代计算
for k=M:itr % 第k次迭代
x_tap=xn(k:-1:k-M+1);
en(k)=dn(k)-wn(:,k-1)'*x_tap;
wn(:,k)=wn(:,k-1)+2*delt*en(k,1)*x_tap;
end
发表评论

最新评论

引用 风花雪月 2006-4-1 06:50
matlab lms 算法实例
  1. function [wn,en]=lms(xn,dn,M,delt,varargin)
  2. % LMS Algorithm ,返回滤波器加权系数矩阵和误差向量
  3. %
  4. % 调用格式
  5. % [wn,en]=lms(xn,dn,M,delt,itr)
  6. % en=滤波器输出和d(n)的误差序列,为列向量
  7. % wn=滤波器的加权参量序列,为一矩阵,其每行代表一个加权参量,每列代表一次迭代;初始化值设为0
  8. % xn=输入列向量信号
  9. % dn=期望列向量信号
  10. % M=滤波器阶数
  11. % delt=步长
  12. % itr=迭代次数
  13. %
  14. % [wn,en]=lms(xn,dn,M,delt)
  15. % 迭代次数为默认值,即等于x(n)的点数
  16. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  17. % 输入输出参数的检查
  18. %--------------------------------------------------------------------------
  19. vin=length(varargin); Item=vin+4;
  20. error(nargchk(4,Item,nargin)); % 检查输入变量数目是否合适,其中前四个参数必须输入
  21. if nargout>2 % 检查输出变量数目是否合适
  22. error('Too many output arguments');
  23. end
  24. %------------------------------------------------------------------------
  25. Nx=length(xn); % x(n)的长度
  26. if Nx~=length(dn) % 检查x(n)和d(n)长度是否相等
  27. error('The length of x(n) is not equal to that of d(n)');
  28. end
  29. %------------------------------------------------------------------------
  30. sizex=size(xn); % 检查输入向量是否为列向量
  31. if sizex(1)<sizex(2)
  32. xn=xn.';
  33. end
  34. sizedn=size(dn); % 检查期望信号向量是否为列向量
  35. if sizedn(1)<sizedn(2)
  36. dn=dn.';
  37. end
  38. %-------------------------------------------------------------------------
  39. itr=Nx; % 迭代次数取默认值
  40. %-------------------------------------------------------------------------
  41. % 当输入变量为5个时
  42. if Item==5 % 确定迭代次数
  43. itr=varargin{1};
  44. if itr>Nx | itr<M
  45. error('Too many or too few iterations');
  46. end
  47. end
  48. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  49. % 参数的初始化
  50. en=zeros(itr,1);
  51. wn=zeros(M,itr); % 每行代表一个加权参量,每列代表一次迭代
  52. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  53. % 迭代计算
  54. for k=M:itr % 第k次迭代
  55. x_tap=xn(k:-1:k-M+1);
  56. en(k)=dn(k)-wn(:,k-1)'*x_tap;
  57. wn(:,k)=wn(:,k-1)+2*delt*en(k,1)*x_tap;
  58. end
复制代码
引用 skyboyliu 2006-4-1 12:24
谢谢大虾哈!!!
真的是雪中送炭啊
引用 cammer534 2009-3-17 22:18
function [wn,en]=lms(xn,dn,M,delt,varargin)
varargin代表什么???

查看全部评论(3)

QQ|小黑屋|Archiver|手机版|联系我们|声振论坛

GMT+8, 2024-11-24 19:55 , Processed in 0.044074 second(s), 23 queries , Gzip On.

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

返回顶部