【语音去噪】最小二乘法（LMS）自适应滤波器matlab源码

一、简介

 二、源代码

登录后复制

```c
%该程序实现时域LMS算法，并用统计的方法仿真得出不同步长下的收敛曲线
clear                     %   清空变量空间
close all

g=100;                    %   统计仿真次数为g
N=1024;                    %   输入信号抽样点数N
k=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                 
t=1:N;
a=1;
s=a*sin(0.05*pi*t);     %   输入单频信号s 
figure(1);
subplot(311)
plot(t,real(s));          %   信号s时域波形
title('信号s时域波形');
xlabel('n');
ylabel('s');
axis([0,N,-a-1,a+1]);
xn=awgn(s,3);            %   加入均值为零的高斯白噪声，信噪比为3dB    
% 设置初值
y=zeros(1,N);             %   输出信号y
y(1:k)=xn(1:k);           %   将输入信号xn的前k个值作为输出y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=xn((i-k+1):i);  
    y(i)=w*XN';
    e(i)=s(i)-y(i);
    w=w+u*e(i)*XN;    
end
pp(q,:)=(e(k+1:N)).^2;   
end
subplot(312)
plot(t,real(xn));          %   信号s时域波形
plot(t,real(y));          %   信号s时域波形
title('自适应滤波后的输出时域波形');
for b=1:N-k
bi(b)=sum(pp(:,b))/g; %   求误差的统计平均
end

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.

三、运行结果