首页 > 搜索 > lms算法应用领域,现代数字信号处理及其应用——LMS算法结果及分析.doc -max上传文档投稿赚钱-文档C2C交易模式

lms算法应用领域,现代数字信号处理及其应用——LMS算法结果及分析.doc -max上传文档投稿赚钱-文档C2C交易模式

互联网 2020-10-26 05:37:28
在线算命,八字测算命理

LMS算法MATLAB实现结果及其分析

一、LMS:为课本155页例题

图1.1:LMS算法学习曲线(初始权向量) 图1.2滤波器权系数迭代更新过程曲线(步长)

图1.3滤波器权系数迭代更新过程曲线(步长)图1.4滤波器权系数迭代更新过程曲线(步长)

分析解释: 在图1.1中,收敛速度最慢的是步长为的曲线,收敛速度最快的是步长的曲线,所以可以看出LMS算法的收敛速度随着步长参数的减小而相应变慢。图1.2、1.3、1.4分别给出了步长为、、的滤波器权系数迭代更新过程曲线,可以发现其不是平滑的过程,跟最抖下降法不一样,体现了其权向量是一个随机过程向量。

LMS2:为课本155页例题,156页图显示结果

图2.1:LMS算法学习曲线(初始权向量) 图2.2滤波器权系数迭代更新过程曲线(步长)

图2.3滤波器权系数迭代更新过程曲线(步长)图2.4最陡下降法权值变化曲线(步长)

分析解释: 图2.1给出了步长为的学习曲线,图2.2给出了滤波器权向量的单次迭代结果。图2.3给出了一次典型实验中所得到的权向量估计,以及500次独立实验得到的平均权向量的估计,即,其中是第t次独立实验中第n次迭代得到的权向量,T是独立实验次数。可以发现,多次独立实验得到的平均权向量的估计平滑了随机梯度引入的梯度噪声,使得其结果与使用最陡下降法(图2.4)得到的权向量趋于一致,十分接近理论最优权向量。

LMS3:为课本172页习题答案

图3.1:LMS算法学习曲线(初始权向量)图3.2滤波器权系数迭代更新过程曲线(步长)

图3.3滤波器权系数迭代更新过程曲线(步长)图3.4滤波器权系数迭代更新过程曲线(步长)

分析解释:

本实验来自课本172页,是将权向量初始化为,然后分别使用步长、、完成仿真实例,其中图3.1为LMS算法学习曲线,从图中可以看出LMS算法的收敛速度随着步长参数的减小而相应变慢。图3.2、3.
免责声明:非本网注明原创的信息,皆为程序自动获取互联网,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责;如此页面有侵犯到您的权益,请给站长发送邮件,并提供相关证明(版权证明、身份证正反面、侵权链接),站长将在收到邮件12小时内删除。

相关阅读

一周热门

查看更多