Java教程

【语音去噪】基于matlab最小二乘法(LMS)自适应滤波器【含Matlab源码 481期】

本文主要是介绍【语音去噪】基于matlab最小二乘法(LMS)自适应滤波器【含Matlab源码 481期】,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

一、简介

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、源代码

%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

三、运行结果

在这里插入图片描述

在这里插入图片描述

四、备注

版本:2014a
完整代码或代写加1564658423

这篇关于【语音去噪】基于matlab最小二乘法(LMS)自适应滤波器【含Matlab源码 481期】的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!