Matlab: Как исправить код алгоритма наименьшего среднего значения

Question

Я изучаю алгоритм наименьшего квадратного квадрата и видел этот код. Основываясь на шагах алгоритма, вычисление ошибок и обновлений веса выглядит в порядке. Однако он не дает правильного вывода. Может ли кто-нибудь помочь в решении проблемы? Код был взят из:

http://www.mathworks.com/matlabcentral/fileexchange/35670-lms-algorithm-implementation/content/lms.m

clc 
close all 
clear all 

N=input('length of sequence N = '); 
t=[0:N-1]; 
w0=0.001; phi=0.1; 
d=sin(2*pi*[1:N]*w0+phi); 
x=d+randn(1,N)*0.5; 
w=zeros(1,N); 
mu=input('mu = '); 
for i=1:N 
    e(i) = d(i) - w(i)' * x(i); 
    w(i+1) = w(i) + mu * e(i) * x(i); 
end 
for i=1:N 
yd(i) = sum(w(i)' * x(i)); 
end 
subplot(221),plot(t,d),ylabel('Desired Signal'), 
subplot(222),plot(t,x),ylabel('Input Signal+Noise'), 
subplot(223),plot(t,e),ylabel('Error'), 
subplot(224),plot(t,yd),ylabel('Adaptive Desired output') 

EDIT

код от ответа:

N = 200; 
M = 5; 
w=zeros(M,N); 
mu=0.2;%input('mu = '); 
y(1) = 0.0; 
y(2) = 0.0; 
for j = 3:N 
y(j) = 0.95*y(j-1) - 0.195*y(j-2); 
end 

x = y+randn(1,N)*0.5; 
%x= y; 
d = y; 
for i=(M+1):N 
    e(i) = d(i) - x((i-(M)+1):i)*w(:,i); 
    w(:,i+1) = w(:,i) + mu * e(i) * x((i-(M)+1):i)'; 
end 
for i=(M+1):N 
    yd(i) = x((i-(M)+1):i)*w(:,i); 
end 

весовой матрицы W, которая сохраняет коэффициенты равны нулю, что означает что уравнения LMS работают некорректно.

Answer 1

Я также не нашёл никакой ошибки в коде. Но я сомневаюсь, что этот алгоритм подходит для такого шума. Вы получите лучшие результаты при использовании фильтра более высокого порядка (M в данном случае):

M = 5; 
w=zeros(M,N); 
mu=0.2;%input('mu = '); 
for i=(M+1):N 
    e(i) = d(i) - x((i-(M)+1):i)*w(:,i); 
    w(:,i+1) = w(:,i) + mu * e(i) * x((i-(M)+1):i)'; 
end 
for i=(M+1):N 
    yd(i) = x((i-(M)+1):i)*w(:,i); 
end 

Answer 2

N=input('length of sequence N = '); 
    t=[0:N-1]; 
    w0=0.001; phi=0.1; 
    d=sin(2*pi*[1:N]*w0+phi); 
    x=d+randn(1,N)*0.5; 
    w=zeros(1,N); 
    mu=input('mu = '); 
    for i=1:N 
    yd(i)=w*x'; 
    e(i) = d(i) - w * x'; 
for m=1:N 
w(m) = w(m) + mu * e(i) * x(m); 
    end 
end 
    subplot(221),plot(t,d),ylabel('Desired Signal'), 
    sub plot(222),plot(t,x),ylabel('Input Signal+Noise'), 
    subplot(223),plot(t,e),ylabel('Error'), 
    subplot(224),plot(t,yd),ylabel('Adaptive Desired output') 

То, что вы пропали без вести был умножением члена ошибки в одной итерации с каждой выборкой входных данных и отдельными обновление весов