自适应滤波与维纳滤波 MATLAB 仿真代码与实验结果分析.docxVIP

自适应滤波与维纳滤波的MATLAB仿真和结果分析MATLAB 仿真代码function [] = wiener_LMS()% 基于LMS的自适应滤波与维纳滤波的性能比较clear;clc;%产生原始信号n=1024; %输入信号抽样点数Nt=1:n;a=1;Signal = a*sin(0.04*pi*t)+ a*sin(0.035*pi*t) + a*sin(0.05*pi*t); time = [1:1024];SignalAddNoise = awgn(Signal,5); %给原始信号加入信噪比为3dB的高斯白噪声figure(1)subplot(311);plot(time, Signal, b) ; %绘制原始信号title(原始信号) ;xlabel(时间);ylabel(幅度);subplot(312);plot(time, SignalAddNoise, r) ; %绘制加噪后的输入信号title(加噪后的输入信号) ;xlabel(时间);ylabel(幅度);subplot(313);plot(time,Signal,b,time,SignalAddNoise,r);legend(Signal(n),SignalAddNoise(n));axis tight;xlabel(时间);ylabel(幅度);title(原始信号与加噪后的输入信号对比);%维纳滤波仿真Mlag=100; %相关函数长度变量N=100; %维纳滤波器长度Rxn=xcorr(SignalAddNoise,Mlag,biased); %计算输入信号自相关函数%产生输入信号与原始信号的互相关函数Rxnx=xcorr(SignalAddNoise, Signal,Mlag,biased); rxnx=zeros(N,1); rxnx(:)=Rxnx(101:101+N-1);Rxx=zeros(N,N); %产生输入信号自相关矩阵Rxx=diag(Rxn(101)*ones(1,N));for i=2:N c=Rxn(101+i)*ones(1,N+1-i);Rxx=Rxx+diag(c,i-1)+diag(c,-i+1);endRxx;h=zeros(N,1);h=inv(Rxx)*rxnx; %计算维纳滤波器的h(n)yn=filter(h,1, SignalAddNoise); %将输入信号通过维纳滤波器figure(2)subplot(2,1,1)plot(time,Signal,b,time,yn,r);legend(Signal(n),yn(n));axis tight;xlabel(时间);ylabel(幅度);title(原始信号与经过维纳滤波器后输出信号的对比);subplot(2,1,2)plot(time,SignalAddNoise,k,time,yn,r);legend(SignalAddNoise(n),yn(n));axis tight;xlabel(时间);ylabel(幅度);title(加噪后的输入信号与经过维纳滤波器后输出信号的对比);%自适应滤波LMS算法仿真g=100; %统计仿真次数为gN=n; %输入信号抽样点数Nk=128; %时域抽头LMS算法滤波器阶数pp=zeros(g,N-k); %将每次独立循环的误差结果存于矩阵pp中，以便后面对其平均u=0.001;for q=1:g %设置初值 yn_1=zeros(1,N); %output signal yn_1(1:k)=SignalAddNoise(1:k); %将输入信号SignalAddNoise的前k个值作为输出yn_1的前k个值 w=zeros(1,k); %设置抽头加权初值 e=zeros(1,N); %误差信号 %用LMS算法迭代滤波for i=(k+1):N XN=SignalAddNoise((i-k+1):(i)); yn_1(i)=w*XN;e(i)=Signal(i)-yn_1(i); w=w+2*u*e(i)*XN;endpp(q,:)=(e(k+1:N))