algoritmo de lixiviación
claro
fs=1000; frecuencia de muestreo 1000 hz
N=500; número de puntos de muestreo
t=(0:1) :N -1)/fs;
f=10; frecuencia de señal sinusoidal 10hz
x=sin(2*pi*f*t) randn(size(t)); es una señal sinusoidal aleatoria de interferencia de señal
b
=
fir1(31,0.5);
by b
>
fir1(31,0.5);
Generar coeficientes de filtro de orden 32
n
=
0.1*randn(1,500);
El ruido agregado por el sistema de filtrado anterior
d
=< / p>
filter(b, 1, x) n;
La señal esperada después de pasar el filtro
delta
=
0.005;
Establezca uno de los factores de paso del filtro adaptativo en 0.005
ha
=
adaptfilt.lms(32, delta) encuentra los coeficientes de filtro del sistema
[y, e]
=
filter(ha, x, d);
delta0=0.001;
Otro factor de paso es 0.001 para comparar
ha=adaptfilt .lms( 32, delta0);
[y0, e0]=filtro(ha, x, d);
m=1:500;
figura(1
plot(m, x, 'g');
figura(2);
plot(m, e, 'r ', m); , e0);
legend('delta=0.001', 'delta=0.005')
subplot(2, 1, 1)
plot(m, e0)
Lo anterior es el algoritmo básico de LMS
Tipo de filtro Filtrado del algoritmo LMS
M
=
20;
Número de ejecuciones
N
=
1000;
La longitud de la señal
n
=
0: N-1
s
=
sin(2*pi; * n/10);
Señal inicial
u
=
s
0.36*randn(1, N)
Señal después de agregar ruido
figure(1);
plot(n, u);
title('Gráfico de forma de onda de ruido superpuesto de señal');
xlabel('n'); ylabel('u');