%LMS算法演示(matlab) %設置參數，N為采樣個數，u為步長 clear,clc; N=16;u=0.1; %設置迭代次數k k=1000; %pha為隨機噪聲的平均功率 rk=randn(1,k)/2;%%正態分布的隨機矩陣 pha=mean(rk);%%求元素平均值 %設置起始權值 wk(1,:)=[0 0]; %用LMS算法迭代求最佳權值 for i=1:k xk(i,:)=[sin(2*pi*i/N) sin(2*pi*(i-1)/N)]+rk(i);%輸入信號 yk(i)=xk(i,:)*wk(i,:)';%輸出信號 dk(i)=2*cos(2*pi*i/N);%期望信號 err(i)=dk(i)-yk(i);%誤差 wk(i+1,:)=wk(i,:)+2*u*err(i)*xk(i,:);%權值迭代 end [x,y]=meshgrid([-2:0.1:8],[-10:0.1:0]); %求性能表面 z=(0.5+pha)*(x.^2+y.^2)+x.*y*cos(2*pi/N)+2*y*sin(2*pi/N)+2; %求理論最佳權值x1,y1 x1=2*cos(2*pi/N)*sin(2*pi/N)/((1+pha)^2-(cos(2*pi/N))^2); y1=-2*(1+2*pha)*sin(2*pi/N)/((1+pha)^2-(cos(2*pi/N))^2); %畫性能表面的等高線 figure,contour(x,y,z,[0.78 1.9 6.3 13.6 23.8 37]);%%等值線圖 %畫迭代時權值的變化 hold on;plot(wk(:,1),wk(:,2),'r'); %標注最佳權值的位置 hold on;plot(x1,y1,'*'); %繪制誤差與迭代次數的圖 figure,plot(err);
別人的程序，效果不錯。對照原理與代碼能更好理解。
參考：