运动参量y随时间变化,采用递推最小二乘算法估计参数matlab 用Matlab软件实现变长NLMS自适应滤波器算法

用Matlab软件实现变长NLMS自适应滤波器算法 clear allclose allN=10；滤波器阶数sample_N=500；采样点数A=1；信号幅度snr=10；信噪比t=1：sample_N；length_t=100；期望信号序列长度d=A*sin(2*pi*t/length_t)；期望信号M=length(d)；M为接收数据长度x=awgn(d，snr)；经过信道（加噪声）delta=1/(10*N*(A^2))；计算能够使LMS算法收敛的deltay=zeros(1，M)；h=zeros(1，N)；LMS滤波器系数h_normalized=zeros(1，N)；归一化LMS滤波器系数y1=zeros(1，N)；for n=N：M%系数调整LMS算法x1=x(n：-1：n-N+1)；LMS算法y(n)=h*x1'；e(n)=d(n)-y(n)；h=h+delta*e(n)*x1；NLMS算法y_normalized(n)=h_normalized*x1'；e_normalized(n)=d(n)-y_normalized(n)；h_normalized=h_normalized+e_normalized(n)*x1/(x1*x1')；enderror=e.^2；LMS算法每一步迭代的均方误差error_normalized=e_normalized.^2；NLMS算法每一步迭代的均方误差for n=N：M%利用求解得到的h，与输入信号x做卷积，得到滤波后结果x2=x(n：-1：n-N+1)；y1(n)=h*x2'；y2(n)=h_normalized*x2'；endsubplot(411)plot(t，d)；axis([1，sample_N，-2，2])；subplot(412)plot(t，x)；subplot(413)plot(t，y)；subplot(414)plot(t，y_normalized)；figure(2)plot(t，error，'r'，t，error_。

#采用递推最小二乘算法估计参数matlab#运动参量y随时间变化