样条自适应滤波matlab代码，对应论文Nonlinear_spline_adaptive_filtering

针对在惯组时间序列的插值和预测分析中，不可避免地会引入一些误差，致使预报结果不能反映惯组实际状况的缺点，基于自适应滤波能够提供卓越的滤波性能和自动地调节现时刻滤波器参数的特点，设计了一种基于LMS 自适应滤波器，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。仿真结果表明该方法是有效的。

LMS； 无线电引信 自适应滤波算法

时域LMS与RLS算法自适应滤波算法-LMS_finish.m 本帖最后由 dingkillerwhale 于 2013-5-20 09:56 编辑 数据由于太大无法上传 以下是LMS算法以及RLS算法，其中RLS针对恒模信号与非恒模信号进行区分

N=500; M=20; n=1; a1=-0.8; h=zeros(M,n+1,3); e=zeros(M,n,3); for d=1:3 if d==1 delta=0.01; else delta=0.05*(d-1); end; for k=1:M b=0.2*randn(1,N); y(1)=1; for i=2:N y(i)=-a1*y(i-1)+b(i); end for i=n+1:N e(k,i,d)=y(i)-h(k,i,d)*y(i-1); h(k,i+1,d)=h(k,i,d)+delta*y(i-1)*e(k,i,d); end end end for d=1:3 for i=1:N em(i,d)=0; hm(i,d)=0; for j=1:M em(i,d)=em(i,d)+e(j,i,d)^2; hm(i,d)=hm(i,d)+h(j,i,d); end end end figure(1) semilogy(1:150,em(1:150,1)),hold on semilogy(1:150,em(1:150,2),'r'),hold on semilogy(1:150,em(1:150,3),'g'),hold off axis([0 150 0.01 1]),grid title('Mean square error ') xlabel('Samples') gtext('\leftarrowd=0.01'); gtext('\leftarrowd=0.05'); gtext('\leftarrowd=0.1'); figure(2),plot(1:N,hm(1:N,1)),hold on plot(1:N,hm(1:N,2),'r'),hold on plot(1:N,hm(1:N,3),'g'),hold off,grid title('Filter coeffcient evalution') xlabel('Samples'), gtext('d=0.01'), gtext('d=0.05'), gtext('d=0.1') （2）从噪声中提取信号的程序如下： N=1000; n=200; k=12; Ts=1e-1 b=0.8*randn(1,N); for i=1:N xr(1,i)=sin(k*2*pi*i/N); x(1,i)=xr(1,i)+b(i); end Cxx=10000*eye(n); g=zeros(N,n); h=zeros(N,n); e=zeros(1,N); y=zeros(1,N); tr=zeros(1,N); for i=n+1:N g(i,:)=(Cxx*x(i-n+1:i)'./(1+x(i-n+1:i)*Cxx*x(i-n+1:i)'))'; e(1,i)=xr(i)-h(i-1,:)*x(i-n+1:i)'; h(i,:)=h(i-1,:)+e(1,i)*g(i,:); Cxx=Cxx-g(i,:)'*x(i-n+1:i)*Cxx; y(1,i)=h(i,:)*x(i-n+1:i)'; tr(1,i)=trace(Cxx); end figure(1) plot(0:N-n,x(1,n:N)),grid title('x(k) input singnal in V') xlabel('Samples') figure(2) plot(0:N-n,xr(1,n:N),'r'),grid axis([0 800 -1.2 1.2]) title('xr(k) reference singnal in V') xlabel('Samples') figure(3) plot(0:N-n,e(1,n:N)),hold on plot(0:N-n,y(1,n:N),'r'),hold on grid title('e(k) error and y(k) output in V') xlabel('Samples') gtext('e(k)'),gtext('y(k)') figure(4) plot(0:N-n,h(n:N,1)),hold on plot(0:N-n,h(n:N,2),'r'),hold off grid title('a(n-1) and a(n-2) coeffcients evolution') xlabel('Samples') figure(5) num1=fliplr(h(N,:)); sys1=tf(num1,1,Ts); bode(sys1),hold off title('Synthesized filter') xlabel('Frequency in rad/s') ylabel('Phase in degree;Module in dB') figure(6) semilogy(0:N-n,tr(n:N)),grid title('Cxx matrix trace') xlabel('Samples')

基于labview的一阶系统辨识仪技术 LabVIEW (Laboratory Virtual Instrument Engineering Workbench) 是美国NI公司的创新软件产品，也是目前应用最广泛、发展最快、功能最强的图形化软件开发环境。

自适应滤波器Verilog实现

时域LMS与RLS算法自适应滤波算法-RLS_finish1.m 本帖最后由 dingkillerwhale 于 2013-5-20 09:56 编辑 数据由于太大无法上传 以下是LMS算法以及RLS算法，其中RLS针对恒模信号与非恒模信号进行区分

本文使用vhdl语言设计一个自适应滤波器的程序，其中的算法使用了nlms，也可以自行修改为lms

自适应滤波matlab程序，开头一部分是期望信号的选取