1、自适应LMS算法信号流图 采用横向滤波器结构的LMS算法自适应滤波器 对于LMS自适应滤波器，d(n)如何获得是一个重要问题，为获得d(n)，采用了如下图所示的方法。自适应噪声抵消系统自适应噪声抵消系统自适应噪声抵消系统自适应噪声抵消系统自适应噪声抵消系统 关键问题是自适应噪声抵消系统的参考信号一定要与待消除的噪声具有一定相关性，而与要检测或提取的信号不相关。一般来说，从接收信号中减去噪声似乎是很危险的，极有可能会导致噪声不仅不能被消除，反而会消弱有用信号。但是，自适应噪声抵消系统经过自适应系统的控制和调整，能够有效地从噪声中恢复出原始信号。lLMS算法应用 t=0:1/1000:10-1/1
2、000;s=sin(2*pi*t);snr=10;s_power=var(s);%var函数:返回方差值linear_snr=10(snr/10);factor=sqrt(s_power/linear_snr);noise=randn(1,length(s)*factor;x=s+noise;%由SNR计算随机噪声x1=noise;%噪声源输入x2=noise;w1=0;%权系数初值w2=0;e=zeros(1,length(x);y=0;u=0.05;设计一个2阶加权自适应噪声对消器，对经加性白高斯噪声信道干扰的正弦信号进行滤波 for i=1:10000%LMS算法 y=w1*x1(i)+w2*x2(i);e(i)=x(i)-y;w1=w1+u*e(i)*x1(i);w2=w2+u*e(i)*x2(i);endfigure(1)subplot(3,1,1)plot(t,x);title(带噪声正弦信号)axis(0 10-1.2 1.2);subplot(3,1,2)plot(t,noise);title(噪声信号)axis(0 10-1.2 1.2);subplot(3,1,3)plot(t,e);title(自适应噪声对消器)axis(0 10-1.2 1.2);
