自适应实验报告.docx
信息与通信工程学院自适应信号处理课程设计学号:专业:学生姓名:任课教师:2013年4月实验一1.MS算法仿真实验一、实验名称：最小均方自适应算法二、实验内容：信号周期为N=16个样本点，自适应横向滤波器两个权值，输入正态随机信号r(n)的样本间相互独立，且它的平均功率为=叫=001、绘出W(O)=OOT、g=O.1.时的权值变化轨迹和误差e(n)与迭代次数n的关系曲线，并绘出c(n)均方误差曲线。、绘出w(0)=4-10,=0.05时的权值变化轨迹和误差e(n)与迭代次数n的关系曲线。三、实验程序：1.c1.osea1.1.:u=sin(2*pi*(1.:1600)/16);u1.=sin(2*pi*(0J599)16);u=uu1.;d=2*cos(2*pi*(k1.6(X)16);r=().1*randn(1,1600);mean(r.A2)y=zeros(1.,1.6(X);J=zcros(1.,1600);w(1.1)=0：w(2.1)=0;%w(1.,1.)=4;w(2,1.)=-10;miu=0.1;%miu=0.05;forn=1:250%y(n)=w(:,n)*u(:,n);y(n)=w(:,n)'*u(:,n);e(n)=d(n)-y(n);w(:,n+1.)=w(:,n)+2*miu*e(n)*u(：.n)；J(n)=0.5*(w(:,n+1.)'*w(n+1)+w(I,n+1)*w(2,n+1)*cos(pi8)+2*w(2,n+1.)*sin(pi8)+2;endfigure,subp1.ot(2,2,1.);p1.ot(w(1.,:),v(2.:);Ii1.1.ec权值轨迹)subp1.ot(2,2,2);p1.ot(J);tit1.e(均方误差函数，)sub1.ot(2,2,3);p1.ot(e);tiUe(联差e(n)与迭代次数n的关系曲线)2.c1.osea1.1.;u=sin(2*pi*(1:1600)/16);U1.三sin(2*i*(0:1599)/16);u=uO;u1.;d=2*cos(2*pi*(1:1600)/16);r=0.1*randn(1.,1600);y=zeros(1,1600);J=zeros(1.,1600);%w(1.1)=0;w(2.1)=0;w(1,1)=4;w(2,1)=-10;%miu=0.1;niu=0.05;forn=1:25()y(n)=w(:,n)'*u(:,n);e(n)=d(n)-y(n);w(:,n+1.)=w(:,n)+2*miu*e(n)*u(:,n);endfigure,subp1.ot(2,1.1);p1.ot(w(1.,:),w(2.:);1.it1.e('权值轨迹')subp1.ot(2,1.2);1.ot(e);tit1.e(,误差e(n)与迭代次数n的关系曲线)四、实验结果：第步实验结果图第二步实验结果图实验二MMSE算法一、实验名称：最小均方误差自适应格型算法二、实验内容：设有一个基于格型梯度算法的预测器，其输入u(n)由下面的AR模型产生u(n)=au(n-1)+a2u(n-2)+v(n)式中，模型系数a=1.518,a2=-0.81：v(n)为以不相关的高斯随机噪声。画出u(n)波形。通过梯度格型自适应预测器，将所得到的K(n)和Kz(n)换算成a,和az的估计值Mn)和Mn)为a(n)=-K)(n)1.+K2(n)a2(n)=-K2(n)求=1.时梯度格型自适应预测器所得到的加(n)(n)、A2(n)(n)曲线。三、实验程序：c1.eara1.1.;M=2;N=100O:a1.=1.518;a2=-0.81;r=randn(1.,N);u(1)=0.1u(2)=O.2;forn=3:Nu(n)=a1.*u(n-1.)+a2*u(n-2)+r(n);enda1.pha=O;error_f(2:3,1.)=0;error_b(2:3,1)=0;epsi1.on(1:2,1)=a1.ha;K(232)=0;forn=2:Nerror-f(1.,n)=u(n);error_b(1,n)=u(n);torm=2:M+1.epsi1.on(m-1.,n)=1epsi1.on(m-1.,n-1.)+1*(error_f(m-1,n).A2+error_f(m-1,n-).2);epsi1.on(m-1.n)=esi1.on(m-1,n-1)+(error_f(m-1,n).2+error-f(m-1,n-1).2)；error_f(m,n)=error_f(m-1,n)+K(m,n-1)*error_b(m-1,n-1);error_b(ni,n)=error_b(m-1,n-1)+K(n,n-1)*error_f(ni-1,n);K(n,n)=K(n,n-1.)-1.*(error_f(m-1,n)*error_b(m.n)+error_f(m,n)*error_b(m-1,n-1)epsi1.on(n-1,n);enda1.pha1.(n-1.)=-K(2.11)*K(3,n)-K(2.n);a1.pha2(n-1.)=-K(3,n);endfigure,subp1.ot(2,1.1.)1.ot(u)XIabe1.c输入波形信号);text(O.I1.,'u(n)')sub1.ot(2,1.2);p1.ot(a1.pha1.);texi(60,1.，格型,a1.(n)估计值)ho1.don;p1.ot(a1.pha2);1.ext(6().-1,1.格型,a2(n)估计倒axis(0,1.,-2,2);text(023,'a(n)估计值')X1.abeI('a(n)估计值曲线,);四、实验结果：图I实验结果图实验三FTF算法一、实验名称：最小二乘快速横向滤波算法二、实验内容：一个二阶自回归序列u(n),其信号模型为u(n)=au(n-D+ai(n-2)+v(n),其中v(n)为单位方差的高斯白噪声,a=1.558,a2=-0.81.Hi自适应建模将u(n)加在一个未知系统的输入端，而将在系统输出端得到的信号作为期望信号d(n),且d(n)=0.2u(n)+0.7u(n-1.)、求期望信号d(n)的轨迹、求FTF算法的收敛轨迹三、实验程序：c1.osea1.1.;M=2:N=1000:a1.=1.558;a2=-0.81;r=randn(1.N);u(1.)=0.hu(2)=0.2;d(1)=0.2*u(1)d(2)=0.2*u(2)+().7*u(1);forn=3:Nu(n)=a1.*u(n-1.)+a2*u(n-2)+r(n);d(n)=0.2*u(n)+0.7*u(n-1);endfigure,1.ot(d)tit1.eC期望信号,)x1.abe1.('n');y1.abe1.('d(n)');a(1:2,1:2)=0;b(1:2,1:2)=0;w(1:2,1:2)=0;g(1:2,1:2)=0;gama_M(X1:2)=1;deta=0.01;epsi1.on_f(1:2)=deta;epsi1.on_b(k2)=deta;forn=3:Ne_cf(n)=u(n)-|u(n-1),u(n-2)*a(n-1,1),a(n-1,2)'e_f(n)=gama_M0(n-1)*e_cf(n);epsi1.on_f(n)=epsi1.on_f(n-1)+e_f(n)*e_cf(n);temp_a=a(n-1,1),a(n-1,2)J+e-cf(n)*g(n-1,1),g(n-1.2)J;a(n,1)=temp_a(1);a(n,2)=temp_a(2);gama_M1(n)=gania_M0(n-1)*epsi1.on_f(n-1)/epsi1.on_f(n);temp_k=0;g(n-1,1),g(n-1.,2)'+e_f(n)*1.;-a(n,1),a(n,2)'/epsi1.on_f(n);k_M(n,I)=temp_k(1);k_M(n.2)=temp_k(2);k(n)=temp_k(1.ength(temp_k);e_cb(n)=u(n-M)-u(n).u(n-1)*b(n-1,1),b(n-1,2)'gama_M0(n)=gama_M1(n)(1-k(n)*e-cb(n);temp_g=(|k_M(n.1),k_M(n,2)J+k(n)*b(n-1,1),b(n-1,2)J)*gama_M0(n)/gama-M1.(n);g(11J)=temp_g(1);g(n,2)=temp_g(2);temp_b=b(n-1.,1.),b(n-1,2)+e.cb(n)*g(n,1),g(n,2);b(n,1)=tenip_b(1);b(n.2)=temp_b(2);e_c(n)=d(n)-u(n),u(n-1)*w(n-1,1),w(n-1,2)t;temp_w=Iw(n-1,1),w(n-1,2)J+e-c(n)*(g(n.1),g(n,2)J;w(n.1)=tem-w(1);w(n,2)=temp_w(2);endw(n,:)figureP1.Ot(W(:,1);x1.abe1.('n');y1.abe1.(,w(n)w1.(n),);axis(0,80,0,1J)；ho1.don;p1.ot(w(,2);tit1.efFTF算法的收敛轨迹)text(20.0.75,'w1.(n),a1.=0.7,);text(2O.O.25,'w2(n),aO=O.2');四、实验结果：ans=0.20000.7000vi9图2期望信号图3FTF算法的收敛轨迹
