自适应滤波3 - 第三章最小均方(LMS)算法.ppt

在这个模拟中，我只使用了一种名为最小均方 (LMS) 的算法来进行系统识别任务。 它是为适应信号处理新手而设计的。 您可以非常轻松地为 CLMS、NLMS、LMF、qLMS 甚至 FLMS 等修改此示例。

在这篇提交中，我提出了一种使用最小均方 (LMS) 算法在频域中估计线性信道的方法。 选择长度为“N”的随机输入信号，然后使用 (PSK/QAM) 调制方案进行调制（取决于用户选择）。 该程序还显示估计的脉冲响应，通道的输入和输出。

对LMS自适应算法进行了详细的性能分析与讨论，针对LMS算法运算较复杂、适应性较弱、稳定性差的缺点提出了一种HLMS（混合LMS）算法。建立了自适应噪声抵消系统，利用MATILAB软件对食堂、体育馆两处的录音信号进行计算机语音去噪仿真分析。实验结果表明，两种自适应方法均能有效抑制各种噪声污染，提高语音信噪比为60%~85%，而且对引入的语音信号失真也较小，二者均在10%以下。HLMS算法比LMS算法更简洁，LMS算法调节性能敏感于参考输入的方差，而HLMS算法敏感于参考输入的均方根值，因此HLMS算法的适应性比LMS算法更强，在非平稳随机输入情况下HLMS算法更能提供稳定的工作性能，更能较好的恢复原始语音信号。

代码运行效果图见压缩包

使用最小均方（LMS）算法进行信道均衡- 幅度和相位响应的比较