Fir维纳滤波器的Matlab仿真
FIR维纳滤波器的Matlab仿真
1、问题描述 产生一个随机信号w(n),通过系统H(z)=1/(1-0.9/z)后，得到原始 信号s(n)。对原始信号s(n)添加高斯白噪声noise。设计一个FIR维纳 滤波器，从被干扰后的信号中尽可能恢复s(n)。
仿真结果及分析 仿真结果(信号长度N=256，阶数M=8)-->mse=0. 3215
仿真结果及分析 仿真结果(信号长度N=256，阶数M=8)-->mse=0. 3215
仿真结果及分析 仿真结果(信号长度N=512，阶数M=8)-->mse=0.3326
仿真结果及分析 仿真结果(信号长度N=512，阶数M=8)-->mse=0.3326
y(n) h(m) x(n m)
m
最优线性滤波器
h(n)后得到的 y (n) 尽量接近于s(n) ，因此称 我们希望 x(n)通过线性系统 ^ ^ y (n)为 s(n) 的估计值，用 s(n) 表示，即 y (n) s (n) 则维纳滤波器的输入—输出关系可用下面图表示。
பைடு நூலகம்
^ e(n)表 如果我们分别以s(n) 与 s(n)表示信号的真实值与估计值，而用 ^ 示他们之间的误差，即 e(n) s(n) s(n) 显然 e(n)可能是正值，也可能是负值，并且它是一个随机变量。因 此，用它的均方误差来表达误差是合理的，所谓均方误差最小即 它的平方的统计期望最小，即： (n) E[e2 (n)] min 采用最小均方误差准则作为最佳过滤准则的原因还在于它的理论 分析比较简单，不要求对概率的描述。
subplot(2,2,2) plot(noise); title('噪声信号'); xlabel('Time(n)'); ylabel('Amplitude'); %axis([0 N -5 5]);
FIR维纳滤波器的Matlab仿真
subplot(2,2,3) plot(out_s); title('维纳滤波后的信号'); %axis([0 N -3 3]);%用来给出x,y轴最小最大值来选择坐标系的取值范围 xlabel('Time(n)'); ylabel('Amplitude');
专业： 电路与系统 学号： 12011001052 姓名： 马园园 指导老师： 杨鉴
主要内容
最优线性滤波器
1.概述 2.维纳滤波器
3.维纳-霍夫方程的求解
FIR维纳滤波器的Matlab仿真
1.问题描述
2.Matlab代码实现
仿真结果及其分析
最优线性滤波器
1、概述 最优线性滤波器和预测器，这里的最优指的是均方误差 （mean square error，MSE）最小。最小均方误差引出了线性滤波 器理论。 在许多实际应用中，人们无法直接得到所需的有用信号，能 够得到的是退化了或失真了的有用信号。为了提取或回复有用的 原始信号，这就需要设计一种滤波器，对得到的信号进行滤波， 使它的输出尽可能逼近原始信号，成为最佳估计，这种滤波器就 称为最优滤波器。
最优线性滤波器
2、维纳滤波器 维纳（Wiener）是用来解决从噪声中提取信号的一种过滤（ 或滤波）方法。维纳滤波器是最小均方误差准则在信号滤波、预 测中的具体应用。 维纳滤波器是一个线性时不变系统，通过该系统后，在最小 均方误差准则下给出信号s(n)的尽可能逼近。 一个线性系统，如果它的单位样本响应为h(n) ，当输入一个随 机信号 x(n) , x(n) s(n) v(n) v(n) 表示噪声，则输出为 y (n) s(n) 表示原始信号， 其中
最优线性滤波器
设滤波器冲激响应序列的长度为N ，冲激响应矢量为h [h(0)h(1)....h( N 1)]T 滤波器输入数据矢量为x(n) [ x(n) x(n 1)...x(n N 1)]T ^ 则滤波器的输出为 y(n) s(n) x T (n)h hT x(n) ，这样，标准维纳-霍夫程可 写成 P T h T R 或P Rh，其中P E[ x(n)s(n)] 是s(n)与 x(n) 的互相 关函数，它是一个 N维列矢量；R 是 x(n) 的自相关函数，是N 阶方 阵 R E[ x(n) x T (n)] 1 利用求逆矩阵的方法直接求解式， P T h T R P Rh 得 hopt R P
FIR维纳滤波器的Matlab仿真
2、代码仿真 %************基于最优FIR滤波器线性预测********************** clear; clc;
N=128;%N为原始信号的长度 %N=input('请输入信号长度： '); M=8;%M代表滤波器的阶数 %M=input('输入滤波器阶数 ： ');
xx
别定义为
Rxs E[ x(n)s(n m)]
Rxx E[ x(n) x(n m)]
上式称为维纳滤波器的标准方程或维纳-霍夫（Wiener-Hopf）方程 。如果已知 Rxs (m)和 Rxx (m)，那么解此方程即可求得维纳滤波器的冲 激响应。
最优线性滤波器
标准方程右端的求和范围,即i 的取值范围没有具体标明，实际 上有三种情况： （1）有限冲激响应（FIR）维纳滤波器，i 从0 到N-1 取得有限个整数 值； （2）非因果无限冲激响应（非因果IIR）维纳滤波器，i 从 到 取 所有整数值； （3）因果无限冲激响应（因果IIR）维纳滤波器，i 从0 到 取正整数 值。 上述三种情况下标准方程的解法不同，本文只描述FIR维纳滤 波器的求解。
FIR维纳滤波器的Matlab仿真
仿真结果分析：
1.维纳滤波的阶数越大，滤波后的信号更接近原始信号，但随之计 算量也增大。 2.保持滤波器阶数不变改变信号样本的长度（点数）可以发现滤波 的效果虽着信号样本的长度的增加而提高。(这是因为信号样本越 长信号的统计特征就越完整。)
subplot(2,2,4) plot(x); title('噪声干扰后的信号'); xlabel('Time(n)'); ylabel('Amplitude'); %axis([0 N -5 5]);
仿真结果及分析 仿真结果(信号长度N=256，阶数M=3)-->mse=0. 0.4045
仿真结果及分析 仿真结果(信号长度N=256，阶数M=3)-->mse=0. 0.4045
FIR维纳滤波器的Matlab仿真
% ******************画图****************** subplot(2,2,1) plot(xd); title('期望信号'); %axis([0 N -3 3]);%给出x,y轴最小最大值来选择坐标系的取值范围 xlabel('Time(n)'); ylabel('Amplitude');
最优线性滤波器
3.维纳-霍夫方程的求解 2 为了按 (n) E[e (n)] min式所示的最小均方误差准则来确定 (n) 对h( j ) 的导数等于零，即可得 维纳滤波器的冲激响应 ，令
Rxs (m) h(i) Rxx (m i), m i Rxs (m) x(n)的自相关函数，分 式中， 是s(n) 与x(n) 的互相关函数， 是 R (m)
FIR维纳滤波器的Matlab仿真
%***产生维纳滤波中x方向上观测信号与期望信号的互相关矩阵**** rxd=xcorr(x,xd); for i=1:M mrxd(i)=rxd(N-1+i); end hopt=inv(mrxx)*mrxd';%由维纳-霍夫方程得到滤波器最优解--FIR维 纳滤波器的冲激响应 out_s=filter(hopt,1,x);%滤波后的输出信号(预测信号) %out_s=conv(x,hopt);%滤波后的输出信号(预测信号) %*********求均方误差****************** fprintf('滤波后的信号相对原信号的统计均方误差:\n'); mse=mean((out_s-s).^2) %滤波后的信号相对原信号的统计均方误差
FIR维纳滤波器的Matlab仿真
%********产生一个原始信号*************** w=sqrt(0.20)*randn(N,1); A=[1 -0.9]; s=filter(1,A,w); %********************************************* noise=sqrt(1.5)*randn(N,1);%用randn函数产生正态分布伪随机数噪声 x=s+noise;%产生噪干扰后的原始信号 %*********产生维纳滤波中加噪信号的自相关矩阵********** rxx=xcorr(x); for i=1:M for j=1:M mrxx(i,j)=rxx(N-i+j); end end xd=s;%原始信号
matlabfir滤波器设计
matlabfir滤波器设计MATLAB是一个高级编程语言和交互式环境，被广泛应用于各种科学和工程问题的数值分析、数据可视化和编程开发等领域。
FIR滤波器是数字信号处理中经常使用的一种滤波器，它是基于有限长冲激响应的滤波器。
在MATLAB平台上，我们可以使用fir1函数来设计FIR滤波器。
一、FIR滤波器设计基础1.1 什么是FIR滤波器FIR滤波器是有限长冲激响应滤波器，由于其具有线性相位特性和可控阶数等优点，在数字信号处理中得到了广泛的应用。
一般来说，FIR滤波器的频率响应特性由滤波器的系数函数确定。
FIR滤波器的设计一般采用窗函数法、最小二乘法、频率抽取法等方法。
窗函数法是最常见的一种方法，大部分情况下选择的是矩形窗、汉宁窗、布莱克曼窗等。
1.3 fir1函数介绍fir1函数是MATLAB中用于FIR滤波器设计的函数，用法为：h = fir1(N, Wn, type)N为滤波器的阶数，Wn是用于指定滤波器截止频率的参数，type指定滤波器类型，可以是低通、高通、带通、带阻等。
二、使用fir1函数设计FIR滤波器2.1 设计要求采样率为300Hz；滤波器阶数为50；截止频率为50Hz。
2.2 实现步骤（1）计算规范化截止频率规范化截止频率是指在数字滤波器设计中使用的无单位量，通常范围为0到1。
在本例中，我们需要将50Hz的截止频率转化为规范化截止频率。
Wn = 2*50/300 = 1/3根据计算出的规范化截止频率和滤波器阶数，我们可以使用fir1函数来进行滤波器设计。
此处滤波器的阶数为50，规范化截止频率为1/3，类型为低通。
（3）绘制滤波器的幅频响应图为了验证设计的低通FIR滤波器是否符合要求，我们需要绘制其幅频响应图。
freqz(h,1,1024,300)经过上述步骤后，我们就得到了一张低通FIR滤波器的幅频响应图，如下图所示：图1.低通FIR滤波器的幅频响应图三、总结通过上述例子，我们可以看出在MATLAB中与fir1函数可以非常方便的进行FIR滤波器的设计。
使用MATLAB设计FIR滤波器
使⽤MATLAB设计FIR滤波器1. 采⽤fir1函数设计，fir1函数可以设计低通、带通、⾼通、带阻等多种类型的具有严格线性相位特性的FIR滤波器。
语法形式：b = fir1(n, wn)b = fir1(n, wn, ‘ftype’)b = fir1(n, wn, ‘ftype’, window)b = fir1(n, wn, ‘ftype’, window, ‘noscale’)参数的意义及作⽤：b：返回的FIR滤波器单位脉冲响应，脉冲响应为偶对称，长度为n+1；n：滤波器的介数；wn：滤波器的截⽌频率，取值范围为0<wn<1，1对应信号采样频率⼀半。
如果wn是单个数值，且ftype参数为low，则表⽰设计截⽌频率为wn的低通滤波器，如果ftype参数为high，则表⽰设计截⽌频率为wn的⾼通滤波器；如果wn是有两个数组成的向量[wn1wn2]，ftype为stop，则表⽰设计带阻滤波器，ftype为bandpass，则表⽰设计带通滤波器；如果wn是由多个数组成的向量，则根据ftype的值设计多个通带或阻带范围的滤波器，ftype为DC-1，表⽰设计的第⼀个频带为通带，ftype为DC-0，表⽰设计的第⼀个频带为阻带；window：指定使⽤的窗函数，默认为海明窗；noscale：指定是否归⼀化滤波器的幅度。
⽰例：N=41; %滤波器长度fs=2000; %采样频率%各种滤波器的特征频率fc_lpf=200;fc_hpf=200;fp_bandpass=[200 400];fc_stop=[200 400];%以采样频率的⼀半，对频率进⾏归⼀化处理wn_lpf=fc_lpf*2/fs;wn_hpf=fc_hpf*2/fs;wn_bandpass=fp_bandpass*2/fs;wn_stop=fc_stop*2/fs;%采⽤fir1函数设计FIR滤波器b_lpf=fir1(N-1,wn_lpf);b_hpf=fir1(N-1,wn_hpf,'high');b_bandpass=fir1(N-1,wn_bandpass,'bandpass');b_stop=fir1(N-1,wn_stop,'stop');%求滤波器的幅频响应m_lpf=20*log(abs(fft(b_lpf)))/log(10);m_hpf=20*log(abs(fft(b_hpf)))/log(10);m_bandpass=20*log(abs(fft(b_bandpass)))/log(10);m_stop=20*log(abs(fft(b_stop)))/log(10);%设置幅频响应的横坐标单位为Hzx_f=0:(fs/length(m_lpf)):fs/2;%绘制单位脉冲响应%绘制单位脉冲响应subplot(421);stem(b_lpf);xlabel('n');ylabel('h(n)');subplot(423);stem(b_hpf);xlabel('n');ylabel('h(n)');subplot(425);stem(b_bandpass);xlabel('n');ylabel('h(n)');subplot(427);stem(b_stop);xlabel('n');ylabel('h(n)');%绘制幅频响应曲线subplot(422);plot(x_f,m_lpf(1:length(x_f)));xlabel('频率(Hz)','fontsize',8);ylabel('幅度(dB)','fontsize',8);subplot(424);plot(x_f,m_hpf(1:length(x_f)));xlabel('频率(Hz)','fontsize',8);ylabel('幅度(dB)','fontsize',8);subplot(426);plot(x_f,m_bandpass(1:length(x_f)));xlabel('频率(Hz)','fontsize',8);ylabel('幅度(dB)','fontsize',8);subplot(428);plot(x_f,m_stop(1:length(x_f)));xlabel('频率(Hz)','fontsize',8);ylabel('幅度(dB)','fontsize',8);2. 采⽤fir2函数设计，函数算法是：⾸先根据要求的幅频响应向量形式进⾏插值，然后进⾏傅⾥叶变换得到理想滤波器的单位脉冲响应，最后利⽤窗函数对理想滤波器的单位脉冲响应激进型截断处理，由此得到FIR滤波器系数。
Matlab技术滤波器设计工具
Matlab技术滤波器设计工具概述：滤波器是信号处理中常用的工具，用于去除信号中的噪声或改变信号的频率响应。
Matlab是一个强大的数学工具，提供了丰富的滤波器设计函数和工具，使得滤波器设计变得简单易用。
本文将介绍Matlab中常用的滤波器设计函数和工具，帮助读者了解如何利用Matlab来设计不同类型的滤波器。
I. 常用滤波器设计函数Matlab提供了多个函数用于滤波器设计，包括FIR滤波器和IIR滤波器。
1. FIR滤波器设计函数FIR（Finite Impulse Response）滤波器是一种常见的线性相位滤波器，其特点是无反馈，具有线性相位和稳定的响应。
Matlab中常用的FIR滤波器设计函数包括fir1、fir2、firpm等。
- fir1函数可以设计标准的低通、高通、带通和带阻滤波器，可以指定截止频率、滤波器类型和滤波器阶数。
- fir2函数可以设计任意的线性相位FIR滤波器，可以指定滤波器的频率响应和频率区间。
- firpm函数可以设计最小最大化滤波器，可以指定滤波器的通带、阻带特性和响应类型。
2. IIR滤波器设计函数IIR（Infinite Impulse Response）滤波器是一种常见的递归滤波器，其特点是具有反馈，可以实现更高阶和更复杂的滤波器。
Matlab中常用的IIR滤波器设计函数包括butter、cheby1、cheby2、ellip等。
- butter函数可以设计巴特沃斯滤波器，可以指定滤波器的阶数和截止频率。
- cheby1和cheby2函数可以设计Chebyshev滤波器，可以指定滤波器的阶数、通带/阻带最大衰减和截止频率。
- ellip函数可以设计椭圆滤波器，可以指定滤波器的阶数、通带/阻带最大衰减和截止频率。
II. 滤波器设计工具除了上述的滤波器设计函数外，Matlab还提供了几个可视化的滤波器设计工具，方便用户通过图形界面进行滤波器设计。
1. FDA工具箱Matlab中的FDA工具箱（Filter Design and Analysis）是一个图形界面工具，用于设计、分析和实现各种滤波器。
维纳滤波matlab代码
维纳滤波matlab代码维纳滤波是一种经典的图像复原方法，它可以在图像受到模糊和噪声影响时进行恢复。
在Matlab中，你可以使用以下代码来实现维纳滤波：matlab.% 读取原始图像。
originalImage = imread('input_image.jpg');% 转换为灰度图像。
originalImage = rgb2gray(originalImage);% 显示原始图像。
subplot(1, 2, 1);imshow(originalImage);title('Original Image');% 添加高斯噪声。
noisyImage = imnoise(originalImage, 'gaussian', 0, 0.01);% 显示带噪声的图像。
subplot(1, 2, 2);imshow(noisyImage);title('Noisy Image');% 计算模糊点扩散函数（PSF）。
PSF = fspecial('motion', 21, 11);% 使用逆滤波器和维纳滤波器进行图像复原。
estimated_nsr = 0;wnr3 = deconvwnr(noisyImage, PSF, estimated_nsr);% 显示维纳滤波后的图像。
figure, imshow(wnr3);title('Restored Image using Wiener Filter');在这段代码中，我们首先读取原始图像，然后转换为灰度图像。
接着，我们添加高斯噪声来模拟图像受到的噪声干扰。
然后我们计算模糊点扩散函数（PSF），并使用Matlab内置的`deconvwnr`函数来进行维纳滤波处理。
最后，我们显示经过维纳滤波处理后的图像。
需要注意的是，维纳滤波的参数estimated_nsr需要根据实际情况进行调整，它代表了噪声的方差估计。
基于MATLAB设计FIR滤波器
基于MATLAB设计FIR滤波器FIR（Finite Impulse Response）滤波器是一种数字滤波器，它具有有限的冲激响应长度。
基于MATLAB设计FIR滤波器可以使用signal工具箱中的fir1函数。
fir1函数的语法如下：b = fir1(N, Wn, window)其中，N是滤波器的阶数，Wn是截止频率，window是窗函数。
要设计一个FIR低通滤波器，可以按照以下步骤进行：步骤1：确定滤波器的阶数。
阶数决定了滤波器的截止频率的陡峭程度。
一般情况下，阶数越高，滤波器的陡峭度越高，但计算复杂度也会增加。
步骤2：确定滤波器的截止频率。
截止频率是指在滤波器中将信号的频率限制在一定范围内的频率。
根据应用的需求，可以选择适当的截止频率。
步骤3：选择窗函数。
窗函数是为了在时域上窗口函数中心增加频率衰减因子而使用的函数。
常用的窗函数有Hamming、Hanning等。
窗函数可以用来控制滤波器的幅度响应特性，使得它更平滑。
步骤4：使用fir1函数设计滤波器。
根据以上步骤确定滤波器的阶数、截止频率和窗函数，可以使用fir1函数设计FIR滤波器。
具体代码如下：N=50;%设定阶数Wn=0.5;%设定截止频率window = hanning(N + 1); % 使用Hanning窗函数步骤5：使用filter函数对信号进行滤波。
设计好FIR滤波器后，可以使用filter函数对信号进行滤波。
具体代码如下：filtered_signal = filter(b, 1, input_signal);其中，input_signal是输入信号，filtered_signal是滤波后的信号。
以上，便是基于MATLAB设计FIR滤波器的简要步骤和代码示例。
根据具体需求和信号特性，可以进行相应的调整和优化。
维纳滤波器 matlab实现
实验报告册数字图形图像处理维纳滤波器matlab实现学院：人民武装学院学院专业：计算机科学与技术班级： 11级计科班学号： 1120070544 学生姓名：苏靖指导教师：维纳滤波的原理及其matlab 实现，以案例的形式展示FIR 维纳滤波的特性。
2.维纳滤波概述维纳（Wiener ）是用来解决从噪声中提取信号的一种过滤（或滤波）方法。
这种线性滤波问题，可以看做是一种估计问题或一种线性估计问题。
一个线性系统，如果它的单位样本响应为)(n h ，当输入一个随机信号)(n x ，且)()()(n v n s n x += （1） 其中)(n x 表示信号，)(n v )表示噪声，则输出)(n y 为∑-=mm n x m h n y )()()( （2）我们希望)(n x 通过线性系统)(n h 后得到的)(n y 尽量接近于)(n s ，因此称)(n y 为)(n s 的估计值，用^)(n s 表示，即^)()(n s n y = （3） 则维纳滤波器的输入—输出关系可用下面图1表示。
图1实际上，式（2）所示的卷积形式可以理解为从当前和过去的观察值)(n x ，)1(-n x ，)2(-n x …)(m n x -，…来估计信号的当前值^)(n s 。
因此，用)(n h 进行过滤问题实际上是一种统计估计问题。
一般地，从当前的和过去的观察值)(n x ，)1(-n x ，)2(-n x …估计当前的信号值^)()(n s n y =成为过滤或滤波；从过去的观察值，估计当前的或者将来的信号值)0)(()(^≥+=N N n s n y 称为外推或预测；从过去的观察值，估计过去的信号值)1)(()(^>-=N N n s n y 称为平滑或内插。
因此维纳滤波器又常常被称为最佳线性过滤与预测或线性最优估计。
这里所谓的最佳与最优是以最小均方误差为准则的。
如果我们分别以)(n s 与^)(n s 表示信号的真实值与估计值，而用)(n e 表示他们之间的误差，即)()()(^n s n s n e -= （4） 显然)(n e 可能是正值，也可能是负值，并且它是一个随机变量。
用Matlab设计FIR滤波器的三种方法
用MATLAB信号处理工具箱进行FIR滤波器设计的三种方法摘要介绍了利用MATLAB信号处理工具箱进行FIR滤波器设计的三种方法：程序设计法、FDATool设计法和SPTool设计法，给出了详细的设计步骤，并将设计的滤波器应用到一个混和正弦波信号，以验证滤波器的性能。
关键词 MATLAB，数字滤波器，有限冲激响应，窗函数，仿真1 前言数字滤波器是一种用来过滤时间离散信号的数字系统，通过对抽样数据进行数学处理来达到频域滤波的目的。
根据其单位冲激响应函数的时域特性可分为两类：无限冲激响应（IIR）滤波器和有限冲激响应（FIR）滤波器。
与IIR滤波器相比，FIR的实现是非递归的，总是稳定的；更重要的是，FIR滤波器在满足幅频响应要求的同时，可以获得严格的线性相位特性。
因此，它在高保真的信号处理，如数字音频、图像处理、数据传输、生物医学等领域得到广泛应用。
2 FIR滤波器的窗函数设计法 FIR滤波器的设计方法有许多种，如窗函数设计法、频率采样设计法和最优化设计法等。
窗函数设计法的基本原理是用一定宽度窗函数截取无限脉冲响应序列获得有限长的脉冲响应序列，主要设计步骤为：(1) 通过傅里叶逆变换获得理想滤波器的单位脉冲响应hd(n)。
(2) 由性能指标确定窗函数W(n)和窗口长度N。
(3) 求得实际滤波器的单位脉冲响应h(n)， h(n)即为所设计FIR滤波器系数向量b(n)。
(4) 检验滤波器性能。
本文将针对一个含有5Hz、15Hz和30Hz的混和正弦波信号，设计一个FIR带通滤波器，给出利用MATLAB实现的三种方法：程序设计法、 FDATool设计法和SPTool设计法。
参数要求：采样频率fs=100Hz，通带下限截止频率fc1=10 Hz，通带上限截止频率fc2=20 Hz，过渡带宽6 Hz，通阻带波动0.01，采用凯塞窗设计。
2 程序设计法MATLAB信号处理工具箱提供了各种窗函数、滤波器设计函数和滤波器实现函数。
维纳自适应滤波器设计及Matlab实现
维纳自适应滤波器设计及Matlab实现摘要本文从随机噪声的特性出发，分析了传统滤波和自适应滤波基本工作原理和性能，以及滤波技术的现状和发展前景。
然后系统阐述了基本维纳滤波原理和自适应滤波器的基本结构模型，接着在此基础上结合最陡下降法引出LMS算法。
在MSE准则下，设计了一个定长的自适应最小均方横向滤波器，并通过MATLAB 编程实现。
接着用图像复原来验证该滤波器的性能，结果表明图像的质量在MSE 准则下得到了明显的改善。
最后分析比较了自适应LMS滤波和频域维纳递归滤波之间的性能。
本文还对MATLAB里面的自适应维纳滤波函数wiener2进行了简单分析。
关键字：退化图像维纳滤波自适应滤波最陡下降法LMSAbstractThis paper analyses the basic work theory, performance of traditional filter and adaptive filter based on the property of random noise, and introduce the status quo and the foreground of filter technology. Then we explain basic theory of wiener filter and basic structure model of adaptive filter, and combine the method of steepest descent to deduce the LMS. Afterward according to the MSE rule, we design a limited length transversal filter, and implement by MATLAB. And then we validate performance of adaptive LMS filter by restoring images, Test result show that the quality of the degrade images were improved under the rule of MSE. Finally, we compare the performance of adaptive LMS filter and iterative wiener filter.We also simply analyses the wiener2 () which is a adaptive filter in MATLAB. Keywords: degrade image；wiener filter；adaptive filter；ADF；LMS algorithm目录1绪论 (1)1. 1 引言 (1)1. 2 研究目标及现状 (1)1. 2 .1 图像复原技术的目标 (1)1. 2 .2 图像复原技术的研究现状 (1)2理论基础 (3)2. 1 基本自适应滤波器的模块结构 (3)2. 2 基本维纳滤波原理 (4)3自适应滤波原理及算法 (6)3.1 横向滤波结构的最陡下降算法 (7)3.1.1 最陡下降算法的原理 (7)3.1.2 最陡下降算法稳定性 (10)3.2 LMS滤波原理及算法 (11)3.2.1 从最陡下降算法导出LMS算法 (11)3.2.2 基本LMS算法的实现步骤 (11)3.2.3 基本LMS算法的实现流程图 (12)3.2.4 LMS算法的Matlab实现 (12)3.2.5 wiener2()的原理 (12)3.2.6 LMS性能分析——自适应收敛性 (13)4Matlab 实验结果 (14)4.1.LMS滤波器的收敛性 (14)4.2.LMS滤波器和频域迭代维纳滤波器的性能比较 (16)5总结 (18)致谢 (19)参考文献 (20)附录 A (21)附录 B (22)附录 C (27)1 绪论1.1引言人类传递信息的主要媒介是语言和图像。
基于Matlab的FIR滤波器设计与实现
基于Matlab的FIR滤波器设计与实现⼀、摘要 前⾯⼀篇⽂章介绍了通过FDATool⼯具箱实现滤波器的设计，见“”，这⾥通过⼏个例⼦说明采⽤Matlab语⾔设计FIR滤波器的过程。
⼆、实验平台 Matlab7.1三、实验原理 以低通滤波器为例，其常⽤的设计指标有：1. 通带边缘频率f p(数字频率为Ωp)2. 阻带边缘频率f st (数字频率为Ωst)3. 通带内最⼤纹波衰减δp=-20log10(1-αp)，单位为 dB4. 阻带最⼩衰减αs=-20log10(αs)，单位为 dB5. 阻带起伏αs6. 通带峰值起伏αp 其中，以1、2、3、4条最为常⽤。
5、6条在程序中估算滤波器阶数等参数时会⽤到。
数字频率 = 模拟频率/采样频率四、实例分析例1 ⽤凯塞窗设计⼀FIR低通滤波器，通带边界频率Ωp=0.3pi，阻带边界频率Ωs=0.5pi，阻带衰减δs不⼩于50dB。
⽅法⼀：⼿动计算滤波器阶数N和β值，之后在通过程序设计出滤波器。
第⼀步：通过过渡带宽度和阻带衰减，计算滤波器的阶数B和β值。
第⼆步：通过程序设计滤波器。
程序如下：b = fir1(29,0.4,kaiser(30,4.55));[h1,w1]=freqz(b,1);plot(w1/pi,20*log10(abs(h1)));axis([0,1,-80,10]);grid;xlabel('归⼀化频率/p') ;ylabel('幅度/dB') ;波形如下：⽅法⼆：采⽤[n,Wn,beta,ftype] = kaiserord(f,a,dev)函数来估计滤波器阶数等，得到凯塞窗滤波器。
这⾥的函数kaiserord(f,a,dev)或者kaiserord(f,a,dev,f s)： f为对应的频率，f s为采样频率；当f⽤数字频率表⽰时，f s则不需要写。
a=[1 0]为由f指定的各个频带上的幅值向量，⼀般只有0和1表⽰；a和f长度关系为（2*a的长度）- 2=（f的长度） devs=[0.05 10^(-2.5)]⽤于指定各个频带输出滤波器的频率响应与其期望幅值之间的最⼤输出误差或偏差，长度与a相等，计算公式：阻带衰减误差=αs，通带衰减误差=αp，可有滤波器指标中的3、4条得到。
FIR滤波器的MATLAB设计与实现
FIR滤波器的MATLAB设计与实现FIR滤波器（Finite Impulse Response Filter）是一种数字滤波器，其特点是其响应仅由有限长度的序列决定。
在MATLAB中，我们可以使用信号处理工具箱中的函数来设计和实现FIR滤波器。
首先，需要明确FIR滤波器的设计目标，包括滤波器类型（低通、高通、带通、带阻）、通带和阻带的频率范围、通带和阻带的增益等。
这些目标将决定滤波器的系数及其顺序。
在MATLAB中，我们可以使用`fir1`函数来设计FIR滤波器。
该函数的使用方式如下：```matlabh = fir1(N, Wn, type);```其中，`N`是滤波器长度，`Wn`是通带边缘频率（0到0.5之间），`type`是滤波器的类型（'low'低通、'high'高通、'bandpass'带通、'stop'带阻）。
该函数会返回一个长度为`N+1`的滤波器系数向量`h`。
例如，如果要设计一个采样频率为10kHz的低通滤波器，通带截止频率为2kHz，阻带频率为3kHz，可以使用以下代码：```matlabfc = 2000; % 通带截止频率h = fir1(50, fc/(fs/2), 'low');```上述代码中，`50`表示滤波器的长度。
注意，滤波器的长度越大，滤波器的频率响应越陡峭，但计算成本也更高。
在设计完成后，可以使用`freqz`函数来分析滤波器的频率响应。
例如，可以绘制滤波器的幅度响应和相位响应曲线：```matlabfreqz(h);```除了使用`fir1`函数外，MATLAB还提供了其他函数来设计FIR滤波器，如`fir2`、`firpm`、`firls`等，具体使用方式可以参考MATLAB的文档。
在实际应用中，我们可以将FIR滤波器应用于音频处理、图像处理、信号降噪等方面。
例如，可以使用FIR滤波器对音频信号进行去噪处理，或者对图像进行锐化处理等。