LMS算法疑问
在LMS算法中，如果做滤波处理需要求期望信号和输出信号的误差
但是对于实际情况来说
无法知道期望信号是什么啊？
再说如果知道了
我就没必要用LMS了啊
[ 本帖最后由 zhangnan3509 于 2007-9-7 15:09 编辑 ] 不是所有的LMS都是需要期望信号的，在自适应分离周期信号（或准周期信号）和宽带噪声时就不要期望信号，在自适应处理中有一类自适应谱线增强（ALE）大都多采用这种方法。它的框图如下图。
回复 #1 xcsyb 的帖子
我对这个算法不是很了解，但使用的比较多，所以就说说，lms，主要是通过对误差的偏导来调整估值，当导数为零时，表示已找到使误差最小的估值。即找到了期望信号。在 http://www.china-pub.com/computers/common/info.asp?id=32086中有详细地介绍。 在期望信号已知的情况下利用LMS初始化如通信中先发送训练序列初始化均衡器
所以lms是有用的
而且作为一种算法而言,在盲信号处理中也有利用
如盲均衡算法 那就是说在不知道期望值的情况下，自适应FIR滤波器就不能用了？？
实际运用中本来就不知道期望值啊！！
哪位再给讲明白点啊？？ 在自适应噪声抵消中，期望信号就是原始信号，难点在于参考信号的选取 原始信号是指不含噪声的信号吗？
如果知道了原始信号
那还用LMS有什么用啊 我在这里提供一个自适应处理的例子，就是在2楼指的：“在自适应分离周期信号（或准周期信号）和宽带噪声时就不要期望信号”，而是用含噪声的信号延迟来代替。
clear all; clc;
close all;
t= 0:0.01:50*pi;
var = 0.1;
L = length(t);
s = sin(t);
n1= sqrt(var)*randn(size(s));
x = sin(t) + n1;
%N=2048;
subplot 311; plot(t, s); grid;
subplot 312; plot(t, x); grid;
D=2;
k=10;
y=zeros(1, L);
y(1: D+k)=x(1: D+k);
W= 1/k * ones(1, k);
e=0;
u=0.001;
for i=(D+k+1): L
X=x((i-D-k+1) : (i-D));
y(i)=W*X';
e=x(i)-y(i);
W=W+2*u*e*X;
end
subplot 313; plot(t,y); grid;
其中k是滤波器的阶数，D是延迟量，通过改变这两个参量，以及改变 u，选择最佳的滤波效果。 说的不错。期望信号本是原始输入信号，参考信号是加了噪声的输入信号 原帖由 xcsyb 于 2007-9-20 11:47 发表 http://www.chinavib.com/forum/images/common/back.gif
原始信号是指不含噪声的信号吗？
如果知道了原始信号
那还用LMS有什么用啊
知道了期望信号，LMS就没必要用了？譬如
xs=data(:,2);
e=randn(size(t))*max(data(:,2))/5;
sn=xs+e;
xn=fe;
dn=xs;
M=2;%%滤波器介数
mu=0.01;
N=4096;
en=zeros(N,1);%%自适应滤波系统输出
W=zeros(M,1); %LMS滤波器系数
%------------迭代算法-------------------
for k=M:N
x=xn(k:-1:k-M+1);
yn=W'*x;
en(k)=dn(k)-yn;
W=W+mu*en(k)*x;
end
。。。。。。。。。。。。
用论坛上的LMS方法，滤波后的信号en跟期望信号，一点误差都没有。貌似最后输出的结果肯定是期望信号dn啊。那知道了期望信号，LMS有什么用？？ 我也有相同的疑问，我的理解是必须要知道一小段理想信号，用来求滤波器系数，之后的一整段就可以用求出来的系数进行滤波了，不知道对不对...... 10楼的程序不能运行？
页:
[1]