芯耀
与非AI
27
一、LMS算法设计流程
LMS算法,通过误差反馈动态调整滤波器权值，使输出趋近期望信号（原信号）。
其理论公式为：
W(n+1)=W(n)+μ⋅e(n)⋅x(n)
其中，W(n) 是第n次迭代的权值向量，μ是学习率，e(n)=d(n)−y(n) 是误差d(n)为期望输出，y(n) 为滤波器输出,x(n) 是输入向量（包含当前及历史样本）。
四步流程
信号生成与噪声添加
生成正弦信号并添加高斯噪声，模拟实际信号场景；
频谱分析
通过FFT观察原信号、加噪信号的频谱特征；
LMS自适应滤波
调用自定义的zx_lms函数，对加噪信号进行滤波；
结果验证
绘制滤波后信号的时域图和频谱，对比原信号与滤波效果。
二、Matlab代码实现
1. 信号生成与噪声添加
在matlab中生成正弦信号作为“期望输出”d(n)，添加噪声模拟实际场景。
t = -5*pi:pi/100:5*pi; % 时间向量，范围[-5π, 5π]，步长π/100
x = sin(t); % 生成正弦信号（频率为1Hz，因sin(t)的周期为2π）
x = x(:); % 转为列向量
sx = size(x,1); % 信号长度（sx=1001）
% 添加高斯噪声
noise = 0.2*randn(size(x)); % 均值为0，方差为0.04（randn方差为1，乘以0.2后方差为0.04）
x1 = x + noise; % 加噪信号（输入信号xn）
2. 频谱分析
通过频谱对比，原信号频谱中正弦信号的频谱在1Hz处有尖锐峰值（FFT结果）；而加噪信号频谱中噪声使频谱出现宽带的随机成分，淹没原信号峰值。
% 原信号时域图
subplot(2,2,1);
plot(x); axis([0 sx -1 1]);
% 原信号FFT
xf = fft(x,1024);
subplot(2,2,3);
plot(abs(xf));
% 加噪信号时域图
subplot(2,2,2);
plot(x1); axis([0 sx -1 1]);
% 加噪信号FFT
xf = fft(x1,1024);
subplot(2,2,4);
plot(abs(xf));
3.LMS参数配置
M=50：滤波器阶数，决定了输入向量的长度（即延迟线的数量）；
w=0.1*ones(50,1)：初始权值，通常初始化为小随机数或全1；
u=0.1：学习率，过大导致发散，过小导致收敛慢；
max_iter=100：迭代次数，需足够大以保证权值收敛；
min_err=0.5：误差阈值，当误差小于此值时停止迭代。
% LMS参数设置
param.M = 50; % 滤波器阶数（延迟线长度）
param.w = ones(param.M,1) * 0.1; % 初始化权值（50个0.1）
param.u = 0.1; % 学习率（控制收敛速度与稳定性）
param.max_iter = 100; % 最大迭代次数
param.min_err = 0.5; % 最小误差阈值（迭代停止条件）
% 调用LMS函数
[yn, err] = zx_lms(x1(:,1), x(:,1), param);
% 绘制滤波后信号
figure, plot(yn);
% 滤波后信号FFT
ynf = fft(yn(param.M:end), 1024);
figure, plot(abs(ynf));
4. LMS函数zx_lms的实现分析
function [yn, err] = zx_lms(xn, dn, param)
W = param.w; % 初始权值
M = param.M; % 滤波器阶数
% 参数检查
if length(W) ~= M
error('param.w的长度必须与滤波器阶数相同.n');
end
if param.max_iter > length(xn) || param.max_iter < M
error('迭代次数太大或太小，M<=max_iter<=length(xn)n');
end
iter = 0;
for k = M:param.max_iter % 迭代范围：从M到max_iter（注意：max_iter=100，xn长度=1001）
x = xn(k:-1:k-M+1); % 输入向量（倒序，x(1)=xn(k), x(2)=xn(k-1), ..., x(M)=xn(k-M+1)）
y = W.*x;
err = dn(k) - y; % 误差计算（依赖y的正确性）
% 权值更新
W = W + 2*param.u*x;
iter = iter + 1;
if (abs(err) < param.min_err); break; end % 误差阈值停止条件
end
% 计算滤波后输出（从第M个样本开始）
yn = inf * ones(size(xn));
for k = M:length(xn)
x = xn(k:-1:k-M+1);
yn(k) = W(:,end).'* x; % 权值与输入向量的点积（正确）
end
end
三、Matlab仿真验证
1、原信号时域图
正弦波x(n)=sin(t)；波形规则、周期性明显，幅度在[-1, 1]之间波动，无噪声干扰，体现“期望输出”的纯净性。
2、加噪信号时域图
原信号 + 高斯噪声（x1(n)=x(n)+0.2⋅randn(n)）；正弦波被噪声污染，波形波动剧烈（噪声幅度为0.2，原信号幅度为1，信噪比约-14dB），体现“输入信号”的受扰状态。
3、原信号频谱（FFT）
频谱在单频点（如1Hz，因正弦波频率为1Hz）有尖锐峰值，其余频率成分几乎为0，说明原信号是单频纯净信号。
4、加噪信号频谱（FFT）
原信号的峰值依然存在，但宽带噪声覆盖了整个频带（低幅度随机起伏），原信号峰值被噪声淹没，体现噪声对频谱的污染。
