自适应滤波

来源：互联网发布：幻萌网络知乎编辑：程序博客网时间：2024/05/16 06:15
自适应滤波存在于信号处理、控制、图像处理等许多不同领域，它是一种智能更有针对性的滤波方法，通常用于去噪。
%****************************************************************************************%  %                      创建两个信号Mix_Signal_1 和信号 Mix_Signal_2 %%***************************************************************************************Fs = 1000;            %采样率N  = 1000;              %采样点数n  = 0:N-1;t   = 0:1/Fs:1-1/Fs;        %时间序列 Signal_Original_1 =sin(2*pi*10*t)+sin(2*pi*20*t)+sin(2*pi*30*t); Noise_White_1    = [0.3*randn(1,500), rand(1,500)];           %前500点高斯分部白噪声，后500点均匀分布白噪声Mix_Signal_1   = Signal_Original_1 + Noise_White_1;        %构造的混合信号Signal_Original_2  =  [zeros(1,100), 20*ones(1,20), -2*ones(1,30), 5*ones(1,80), -5*ones(1,30), 9*ones(1,140), -4*ones(1,40), 3*ones(1,220), 12*ones(1,100), 5*ones(1,20), 25*ones(1,30), 7 *ones(1,190)]; Noise_White_2     =  0.5*randn(1,1000);   %高斯白噪声Mix_Signal_2        =  Signal_Original_2 + Noise_White_2;      %构造的混合信号
%****************************************************************************************%  %                信号Mix_Signal_1 和 Mix_Signal_2  分别作自适应滤波%%***************************************************************************************%混合信号 Mix_Signal_1 自适应滤波figure(6);N=1000;                                             %输入信号抽样点数Nk=100;                                                  %时域抽头LMS算法滤波器阶数u=0.001;                                             %步长因子%设置初值yn_1=zeros(1,N);                                  %output signalyn_1(1:k)=Mix_Signal_1(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=Mix_Signal_1((i-k+1):(i));        yn_1(i)=w*XN';        e(i)=Signal_Original_1(i)-yn_1(i);        w=w+2*u*e(i)*XN;endsubplot(4,1,1);plot(Mix_Signal_1);                               %Mix_Signal_1 原始信号axis([k+1,1000,-4,4]);title('原始信号');subplot(4,1,2);plot(yn_1);                                            %Mix_Signal_1 自适应滤波后信号axis([k+1,1000,-4,4]);title('自适应滤波后信号');%混合信号 Mix_Signal_2 自适应滤波N=1000;                                             %输入信号抽样点数Nk=500;                                                %时域抽头LMS算法滤波器阶数u=0.000011;                                        %步长因子%设置初值yn_1=zeros(1,N);                                   %output signalyn_1(1:k)=Mix_Signal_2(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=Mix_Signal_2((i-k+1):(i));        yn_1(i)=w*XN';        e(i)=Signal_Original_2(i)-yn_1(i);        w=w+2*u*e(i)*XN;endsubplot(4,1,3);plot(Mix_Signal_2);                               %Mix_Signal_1 原始信号axis([k+1,1000,-10,30]);title('原始信号');subplot(4,1,4);plot(yn_1);                                            %Mix_Signal_1 自适应滤波后信号axis([k+1,1000,-10,30]);title('自适应滤波后信号');
0 0