统计信号处理实验四东南大学
东南大学统计信号处理实验一
《统计信号处理》实验一一、实验目的：1、掌握噪声中信号检测的方法；2、熟悉Matlab 的使用；3、掌握用计算机进行数据分析的方法。
二、实验内容：假设信号为()s t 波形如下图所示：在有信号到达时接收到的信号为()()()x t s t n t =+，在没有信号到达时接收到的信号为()()x t n t =。
其中()n t 是均值为零、方差为225n σ=（可自行调整）的高斯白噪声。
假设有信号到达的概率P(H 1)=0.6，没有信号到达的概率P(H 0)=0.4。
对接受到的信号分别在t = 0ms, 1ms, …, 301ms 上进行取样，得到观测序列()x n 。
1、利用似然比检测方法（最小错误概率准则），对信号是否到达进行检测；2、假设102C =，011C =。
利用基于Bayes 准则的检测方法，对信号是否到达进行检测；3、通过计算机产生的仿真数据，对两种方法的检测概率d P 、虚警概率f P 、漏警概率m P 和Bayes 风险进行仿真计算；4、通过改变P(H 1)和P(H 0)来改变判决的门限（风险系数10C 和01C 不变），观察检测方法的d P 、f P 、m P 和Bayes 风险的变化；5、改变噪声的方差，观察检测方法的d P 、f P 、m P 和Bayes 风险的变化；6、将信号取样间隔减小一倍(相应的取样点数增加一倍)，观察似然比检测方法的d P 、f P 、m P 和Bayes 风险的变化；7、根据()s t 设计一个离散匹配滤波器，并观察()x n 经过该滤波器以后的输出。
三、实验要求：1、设计仿真计算的Matlab 程序，给出软件清单；2、完成实验报告，对实验过程进行描述，并给出实验结果，对实验数据进行分析，给出结论。
四、设计过程：1、产生信号s(t)，n(t)，x(t)，t = 0ms, 1ms, …, 301ms ；其中：⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎧≤≤+-≤≤-≤≤+-≤≤-≤≤+-≤≤-≤≤+-≤≤=301290,30101289270,28101269230,5.12201229190,5.10201189140,6.625113990,6.42518930,2301290,301)(t t t t t t t t t t t t t t t t t s 2、根据定义似然比函数10(|)()(|)p x H x p x H Λ=，门限001()()P H P H Λ=，如果0)(Λ>Λx ，则判定1D ；否则，判定0D 。
东南大学统计信号处理实验二
《统计信号处理》实验二 实验目的：1．掌握参数估计方法；2．掌握用计算机分析数据的方法。
实验内容：假设一个运动目标，在外力作用下作一维匀加速运动。
其运动轨迹满足的方程为：0221)(s vt at t s ++=。
其中a 为目标的加速度，v 为t=0时目标运动的速度（初速度），0s 为目标在t=0时的初始位置。
对目标位置的观测结果为：()()()x t s t n t =+ 其中()x t 为观测到的目标位置，()(0,1)n t N ∈，为白色观测噪声。
假设在t=0,1,2,…,99s 时刻分别取得了100个观测结果x(0),x(1),…,x(99)。
1） 分别用最大似然，最小二乘方法，根据观测结果求出a ，v 和0s ；2） 用Monte_Carlo 法，计算出上面两种方法求出的参数的偏差和方差；3）利用估计出的参数，得到目标位置的时间参数()s t 的估计()st ，并用Monte_Carlo 法计算在t=0,1,2,…,99s 等各个时间点上对目标位置估计的方差和偏差；4） 将噪声的分布改为在（-1，+1）区间分布，应用上面推导出的最大似然，最小二乘公式对参数进行估计，并计算估计的偏差和方差。
实验要求：1)设计仿真计算的Matlab 程序，给出软件清单；2)完成实验报告，对实验结果进行描述，并给出实验结果，对实验数据进行分析。
实验结果如下：最小二乘法：010********607080901000102030405060708090time(t)s (t )&x (t )The least square method——a=0.0098;v=0.35;s0=3.2;delta=1-----------------------------最大似然估计方法----------------------010********607080901000102030405060708090time(t)s (t )&x (t )The most likelihood method——a=0.0098;v=0.35;s0=3.2;delta=1实验结果分析：可以发现对于估测结果a最好，估测结果v次之，估测结果s0最差。
统计信号处理 参考答案
统计信号处理参考答案统计信号处理是一门研究如何从观测到的信号中提取有用信息的学科。
它是应用数学和统计学的交叉领域，广泛应用于通信、雷达、生物医学工程等领域。
本文将从统计信号处理的基本概念、常见方法以及应用案例等方面进行探讨。
一、统计信号处理的基本概念统计信号处理的核心概念是信号与噪声的区分。
信号是我们所关注的目标信息，而噪声则是干扰我们对信号的观测和分析。
因此，统计信号处理的目标是通过统计学方法，将信号从噪声中提取出来，从而得到准确的信息。
在统计信号处理中，我们常用的方法之一是概率密度函数估计。
概率密度函数是描述随机变量概率分布的函数，通过对观测到的信号进行概率密度函数估计，我们可以了解信号的分布情况，从而更好地对信号进行处理和分析。
二、统计信号处理的常见方法1. 自相关函数与互相关函数自相关函数和互相关函数是统计信号处理中常用的方法。
自相关函数可以用来衡量信号的相似性和周期性，而互相关函数则可以用来衡量两个信号之间的相似性和相关性。
通过计算自相关函数和互相关函数，我们可以得到信号的时域特性和频域特性。
2. 最小二乘法最小二乘法是一种常用的参数估计方法，它可以用来拟合信号模型和估计信号参数。
通过最小化观测信号与信号模型之间的误差平方和，我们可以得到最优的信号参数估计。
最小二乘法在信号重建、滤波等方面有着广泛的应用。
3. 卡尔曼滤波卡尔曼滤波是一种递归滤波方法，它可以用来估计动态系统中的状态变量。
卡尔曼滤波结合了观测数据和系统模型，通过迭代计算，可以得到最优的状态估计结果。
卡尔曼滤波在导航、目标跟踪等领域有着重要的应用。
三、统计信号处理的应用案例1. 通信领域在通信领域，统计信号处理被广泛应用于信号调制、信道估计、信号解调等方面。
通过对信号进行统计分析和处理，可以提高通信系统的性能和可靠性。
2. 雷达领域统计信号处理在雷达领域也有着重要的应用。
通过对雷达信号进行处理，可以实现目标检测、目标跟踪以及目标参数估计等功能。
统计信号处理及其在通信领域的应用
统计信号处理及其在通信领域的应用统计信号处理（Statistical Signal Processing）是一门研究在随机噪声存在的情况下，如何从信号中提取有用信息的领域。
该领域结合了概率论、数理统计、信号处理以及模式识别等多个学科，广泛应用于通信领域中。
一、统计信号处理简介统计信号处理是一种利用概率与统计理论来处理信号的故障分析方法，可以有效地应对信号中的噪声扰动和不确定性。
在通信系统中，由于信号在传输过程中经历了多种噪声的干扰，估计和恢复原始信号变得至关重要。
统计信号处理通过建立数学模型，利用统计学方法对信号进行分析和处理，从而实现对原始信号的准确还原。
二、统计信号处理方法在通信系统中的应用1. 信号检测与估计统计信号处理提供了一种可靠的方法来检测和估计信号。
在通信中，我们常常需要对接收到的信号进行解调和解码，以还原原始信息。
统计信号处理方法可以通过对信号的概率特征进行建模和分析，提高信号检测和估计的准确性与效率。
2. 信号滤波信号滤波是通信系统中常见的一项任务，用于去除信号中的噪声和不必要的频率成分。
统计信号处理提供了一系列滤波算法，如卡尔曼滤波、最小均方滤波等，可以有效地进行信号去噪和频谱清理，提高通信系统的信号质量。
3. 信号压缩与编码为了有效利用有限的信道资源，通信系统需要对信号进行压缩和编码。
统计信号处理方法可以通过对信号的统计特征进行分析，提取出具有代表性的信息，然后进行有损或无损压缩。
这种压缩与编码技术可以在保证信息传输质量的同时，节省信道带宽和减少传输延迟。
4. 信号分类与识别通信系统中经常需要对信号进行分类与识别，以实现多用户共享同一信道资源的目的。
统计信号处理方法可以通过建立合适的分类模型，对信号进行自动分类与识别。
其中，常用的方法包括最大似然分类、支持向量机等。
5. 数字信号处理数字信号处理是通信系统中不可或缺的一部分，统计信号处理方法在数字信号处理中具有重要作用。
例如，在信号的采样、量化、调制、解调等过程中，统计信号处理提供了一系列优化算法，可以有效地提高信号处理的效率和准确性。
数字信号处理实验4答案.docx
一、实验目的深刻理解离散时间系统的系统函数在分析离散系统的时域特性、频域特性以及稳定性中的重要作用及意义，熟练掌握利用MATLAB分析离散系统的时域响应、频响特性和零极点的方法。
掌握利用DTFT和DFT 确定系统特性的原理和方法。
二、实验原理MATLAB提供了许多可用于分析线性时不变连续系统的函数，主要包含有系统函数、系统时域响应、系统频域响应等分析函数。
1.离散系统的时域响应2.离散系统的系统函数零极点分析3.离散系统的频率响应4.利用DTFT和DFT确定离散系统的特性三、实验内容1.已知某LTI系统的差分方程为：尹[妇-1. 143尹顷一1] + 0. 412尹- 2]=0. 0675x[妇 + 0. 1349x[A - 1] + 0. 0675x[A - 2]1.初始状态y[-1] = 1, y[-2] = 2，输入= 〃伏]计算系统的完全响应.程序：a=[l,-1.143,0.412];b=[O.O675,0.1349,0.0675];n=40;x=ones(l,n);yi=[l,2];zi=filtic(b,a,yi);y=filter(b,a,x,zi);stem(y)(2)当以下三个信号分别通过系统时，分别计算离散系统的零状态响应：X』妇=cos (—; xS_k\ = cos (—= cos (—10 5 10程序n=100;k=0:n-1;a=[l,-1.143,0.412];b=[0.0675,0.1349,0.0675];xl=cos(pi*k/10);x2 = cos (pi*k/5);x3=cos(7*pi*k/10);yl=filter(b,a,xl);y2=filter(b,a,x2);y3=filter(b,a,x3);subplot(3,1,1);stem(k, yl) subplot(3,1,2); stem(k,y2)subplot(3,1,3); stem(k,y3)10 20 30 40 50 60 70 80 90 1002. 已知某因果LTI 系统的系统函数为:m 、0. 03571 + 0. 1428/T + 0. 2143z~2 + 0. 1428z~3 + 0.0357lz~4 H(z) = -------- - ------- § ----------------------- ------------------------------- 7 -------- 1 - 1. 035/T + 0. 8264/2 — Q. 2605/3 + o. 04033z~4 （1） 计算系统的单位脉冲响应。
数字信号处理教案(东南大学)
数 字 信 号 处 理绪 论一、从模拟到数字1、信号：信号传递信息的函数也是独立变量的函数，这个变量可以是时间、空间位置等。
2、连续信号：在某个时间区间，除有限间断点外所有瞬时均有确定值。
3、模拟信号是连续信号的特例。
时间和幅度均连续。
4、离散信号：时间上不连续，幅度连续。
5、数字信号：幅度量化，时间和幅度均不连续。
二、数字信号处理的主要优点数字信号处理采用数字系统完成信号处理的任务，它具有数字系统的一些共同优点，例如数码 量化电平 数字信号 D/A 输出信号 模拟信号 数字信号转化成模拟信号 D/A 输出 模拟滤波输出 模拟信号的数字化 数字信号 数码 量化电平 模拟信号采样保持信号 量化电平 A / D 变换器 通用或专用 计算机 采样 保持器 D/ A 变换器 模拟低通 滤波器 模拟信号 数字信号 模拟信号 数字信号处理系统 连续时间信号 连续时间信号抗干扰、可靠性强，便于大规模集成等。
除此而外，与传统的模拟信号处理方法相比较，它还具有以下一些明显的优点：1、精度高在模拟系统的电路中，元器件精度要达到以上已经不容易了，而数字系统17位字长可以达到的精度，这是很平常的。
例如，基于离散傅里叶变换的数字式频谱分析仪，其幅值精度和频率分辨率均远远高于模拟频谱分析仪。
2、灵活性强数字信号处理采用了专用或通用的数字系统，其性能取决于运算程序和乘法器的各系数，这些均存储在数字系统中，只要改变运算程序或系数，即可改变系统的特性参数，比改变模拟系统方便得多。
3、可以实现模拟系统很难达到的指标或特性例如：有限长单位脉冲响应数字滤波器可以实现严格的线性相位；在数字信号处理中可以将信号存储起来，用延迟的方法实现非因果系统，从而提高了系统的性能指标；数据压缩方法可以大大地减少信息传输中的信道容量。
4、可以实现多维信号处理利用庞大的存储单元，可以存储二维的图像信号或多维的阵列信号，实现二维或多维的滤波及谱分析等。
5、缺点（1）增加了系统的复杂性。
东南大学计算机与网络第四次实验祥解
东南大学自动化学院实验报告课程名称：信息通信网络概论第4次实验实验名称：设计协议院（系）：自动化专业：自动化姓名：学号：实验室：金智楼实验组别：同组人员：实验时间：2013 年12 月23日评定成绩：审阅教师：目录一．实验目的和要求 (3)二．实验原理 (3)三．实验方案与实验步骤 (4)四．实验设备与器材配置 (5)五．实验记录 (5)六．实验总结 (9)七．思考题或讨论题 (9)一．实验目的和要求目的：1.设计简单的应用层协议，2.开发基于TCP/IP或UDP/IP的网络通信程序，实现数据传送和文件传输。
要求：1.正确理解应用层协议的概念；2.更深入了解客户/服务器模式的网络程序设计。
二．实验原理1. 应用层协议应用层协议的定义包括如下内容：(1)交换的报文类型，如请求报文和响应报文；(2)各种报文类型的语法，如报文中的各个字段公共详细描述;(3)字段的语义，即包含在字段中信息的含义；(4)进程何时、如何发送报文及对报文进行响应。
有些应用层协议是由RFC文档定义的，因此它们位于公共领域。
例如，web的应用层的协议HTTP(超文本传输协议，RFC 2616)就作为一个RFC供大家使用。
如果浏览器开发者遵从HTTP RFC规则，所开发出的浏览器就能访问任何遵从该文档标准的web，服务器并获取相应的web 页面。
还有很多别的应用层协议是专用的．不能随意应用于公共领域。
例如，很多现有的P2P 文件共享系统使用的是专用应用层协议。
目的，应用层协议主要有以下几种。
2）SOCKET编程服务器要创建一个用于侦听的套接字，为该套接字分配地址之后，调用listen()函数使它处于侦听状态；客户机在创建套接字完毕后，为套接字分配地址，然后调用connect()函数，请求与服务器套接字连接；服务器套接字在收到客户机的连接请示后，调用accept()函数，该函数创建一个用于连接的套接字。
应用该套接字和客户机上的连接套接字，用户就可以在服务器和客户机之间进行数据传输了。
统计信号处理实验三东南大学
统计信号处理实验三《统计信号处理》实验三目的：掌握卡尔曼滤波滤波器的原理；内容：已知二维运动目标的CV 运动方程为：1111122222(1)()0100(1)()()0100(1)()0001(1)()()0001s k s k T v k v k u k s k s k T v k v k u k +⎡⎤⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥+⎢⎥⎢⎥⎢⎥⎢⎥=+⎢⎥⎢⎥⎢⎥⎢⎥+⎢⎥⎢⎥⎢⎥⎢⎥+⎣⎦⎣⎦⎣⎦⎣⎦11112222(1)(1)(1)(1)1000(1)(1)(1)0010(1)s k y k v k w k y k s k w k v k +⎡⎤⎢⎥+++⎡⎤⎡⎤⎡⎤⎢⎥=+⎢⎥⎢⎥⎢⎥⎢⎥+++⎣⎦⎣⎦⎣⎦⎢⎥+⎣⎦这里1()w k 、2()w k 、1()v k 、2()v k 是相互不相关的运动噪声和观测噪声。
1） 试用αβ-滤波法对信号进行处理，并通过计算机模拟对其跟踪过程进行验证。
2） 试求其Kalman 滤波方程，并通过计算机模拟对其跟踪过程进行验证。
3） 假设目标在运动过程中发生了机动（速度在某个时刻突然发生了改变），试观测此时的αβ-滤波和Kalman 滤波结果，并对结果进行解释。
要求：1)设计仿真计算的Matlab 程序，给出软件清单；2)完成实验报告，对实验结果进行描述，并给出实验结果，对实验数据进行分析。
实验过程：1()s k 、1()v k 和1()y k 分别为径向距离、速度和观测值，而2()s k 、2()v k 和2()y k分别为横向距离、速度和观测值。
1()u k 和2()u k 是状态噪声，是目标速度的波动；1()w k 和2()w k 是观测噪声；四种噪声的均值都为0，呈高斯分布，互不相关。
T 是雷达扫描一次的时间，此处设为1.0秒。
假设目标距离雷达约500m 左右，径向初速度设为150 m/s ，并且在远离雷达，横向初速度设为0 m/s 。
这样它的径向速度波动大，而横向速度波动小，所以我们假设1()u k 的方差21u σ为150m/s ，2()u k 的方差22u σ为11.210-⨯m/s 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计信号处理实验四《统计信号处理》实验四目的：掌握自适应滤波的原理；内容一：假设一个接收到的信号为：x(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz，而信号的幅度和相位未知，n(t)是一个服从N(0,1)分布的白噪声。
为了利用计算机对信号进行处理，将信号按10KHz的频率进行采样。
1) 通过对x(t)进行自适应信号处理，从接收信号中滤出有用信号s(t);2）观察自适应信号处理的权系数；3）观察的滤波结果在不同的收敛因子u下的结果，并进行分析；4）观察不同的抽头数N对滤波结果的影响，并进行分析；内容二：在实验一的基础上，假设信号的频率也未知，重复实验一；内容三：假设s(t)是任意一个峰峰值不超过1的信号（取幅度为的方波），n(t)是一个加在信号中的幅度和相位未知的，频率已知的50Hz单频干扰信号（假设幅度为1）。
信号取样频率1KHz，试通过自适应信号处理从接收信号中滤出有用信号s(t)。
要求：1）给出自适应滤波器结构图；2）设计仿真计算的Matlab程序，给出软件清单；3）完成实验报告，对实验过程进行描述，并给出试验结果，对实验数据进行分析。
实验过程：1、假设一个接收到的信号为：d(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz，而信号的幅度和相位未知，n(t)是一个服从N(0,1)分布的白噪声。
为了利用计算机对信号进行处理，将信号按10KHz的频率进行采样。
1）参考信号d(k)=s(k)+n(k)，s(k)=A*cos(wk+a),产生一个与载波信号具有相同频率的正弦信号作为输入信号()x k,即x(k)=cos(wk)。
经过自适应处理后，就可以在输出信号()y k端得到正确的载波信号（包含相位和幅度）。
框图如下：2）改变收敛因子μ，观察滤波结果。
3）改变滤波器抽头数N，观察滤波结果。
2、在实验一的基础上，假设信号的频率也未知，重复实验一。
参考信号d(k)=s(k)+n(k)，s(k)=A*cos(wk+a),将参考信号延时一段时间后得到的信号作为输入信号()x k,即x(k)=d(k-m)。
经过自适应处理后，就可以在误差输出端y(k)得到正确的载波信号（包含频率、相位和幅度）。
3、假设s(t)是任意一个峰峰值不超过1的信号（取幅度为的方波），n(t)是一个加在信号中的幅度和相位未知的，频率已知的50Hz单频干扰信号（可以假设幅度为1）。
信号取样频率1KHz，试通过自适应信号处理从接收信号中滤出有用信号s(t)。
我们可以使用陷波滤波器对噪声进行滤除，但普通滤波器一旦做成，其陷波频率难以调整。
如果使用自适应陷波滤波器，不仅可以消除单频干扰，而且可以跟踪干扰的频率变化，持续消噪。
自适应陷波滤波器的原理框图如下图所示：假如输入信号是一个纯余弦信号()cosC tωϕ+，则可将其分为两路，将其中一路进行90度相移，然后同步采样，得到：它们通过相关抵消回路以最小均方算法去控制()1w k 和()2w k 加权，然后两个加权输出()1y k 和()2y k 相加得到()y k ，称为自适应滤波器的输出。
权值计算如下：写成矩阵形式为：也可以简单的采用与内容1一样的LMS 滤波器，本实验选择了只有一路参考信号的自适应滤波器。
实验结果及分析：1.已知信号频率。
可以看出，滤波器输出信号（蓝色波形）与有用信号（红色波形）逐渐逼近，加权系数也逐渐稳定。
改变收敛因子：可以看出，收敛因子太小会导致收敛速度过慢，收敛因子太大会导致最终波动幅度太大，无法精确地逼近有用信号。
改变滤波器阶数：可以看出，阶数越高，收敛地越快，但更高得阶数需要适当改变收敛因子来达到最理想的滤波效果。
2.信号频率未知。
可以看出，输出信号可以逼近有用信号s(t)，但性能不如第一题的结果那么好。
改变收敛因子：可以看出，收敛因子太小会导致收敛速度过慢，收敛因子太大会导致最终波动幅度太大，无法精确地逼近有用信号。
改变滤波器阶数：可以看出，阶数越高，收敛地越快，但更高得阶数需要适当改变收敛因子来达到最理想的滤波效果。
3.消除干扰采用30阶滤波器，收敛因子μ取，由输出波形可以看出，该滤波器消除了频率干扰，得到了矩形波信号。
源程序：%function [e,wl,y]=lms(N,u,n,x,d)wl=zeros(N,n);e=zeros(1,n);y=zeros(1,n);for i=N:n-1X=x(i:-1:i-N+1);y(i)=X*wl(:,i); %i时刻输出信号e(i)=d(i)-y(i); %i时刻误差信号wl(:,i+1)=wl(:,i)+(u.*e(i).*X)'; %i时刻滤波器的权值end;%1clear all;n=500; %信号点数f=1000;fs=10000; %采样点数N=1; %滤波器阶数t=(0:n-1)/fs;s=cos(2*pi*f*t+pi/8); %有用信号nt=randn(1,n); %噪声信号x=cos(2*pi*f*t); %参考信号d=s+nt; %观测信号u=; %LMS算法下自适应增益常数[~,wl,y]=lms(N,u,n,x,d);figure(1);subplot(3,1,1);plot(t,d);grid;title('观测信号d');subplot(3,1,2);plot(t,y,'b',t,s,'r');grid;title('输出信号y'); subplot(3,1,3);plot(t,wl);grid;title('加权因子w');u=[ ];figure(2);[~,~,y]=lms(N,u(1),n,x,d);subplot(3,1,1);plot(t,y,'b',t,s,'r');grid;title('u='); [~,~,y]=lms(N,u(2),n,x,d);subplot(3,1,2);plot(t,y,'b',t,s,'r');grid;title('u='); [~,~,y]=lms(N,u(3),n,x,d);subplot(3,1,3);plot(t,y,'b',t,s,'r');grid;title('u='); %改变阶数u=;N=[1 5 10 15];figure(3);[~,~,y]=lms(N(1),u,n,x,d);subplot(4,1,1);plot(t,y,'b',t,s,'r');grid;title('N=1'); [~,~,y]=lms(N(1),u,n,x,d);subplot(4,1,2);plot(t,y,'b',t,s,'r');grid;title('N=5'); [~,~,y]=lms(N(1),u,n,x,d);subplot(4,1,3);plot(t,y,'b',t,s,'r');grid;title('N=10'); [~,~,y]=lms(N(1),u,n,x,d);subplot(4,1,4);plot(t,y,'b',t,s,'r');grid;title('N=15'); %2clear all;n=600; %信号点数f=1000;fs=10000;t=(0:n-1)/fs;s=cos(2*pi*f*t+pi/8);nt=randn(1,n);d=s+nt;d1=[d zeros(1,10)]; %将观测信号补零x=[zeros(1,10) d]; %延时后的信号作为参考信号u=; %LMS算法下自适应增益常数N=12;m=n+10;[~,wl,y]=lms(N,u,m,x,d1);figure(1);subplot(3,1,1);plot(t,d);grid;title('观测信号');t=(0:m-1)/fs;s=[s zeros(1,10)];subplot(3,1,2);plot(t,y,'b',t,s,'r');grid;title('输出信号');ylim([,]);xlim([0,])subplot(3,1,3);plot(t,wl);grid;title('加权因子');xlim([0,])%改变收敛因子u=[ ];figure(2);[~,~,y]=lms(N,u(1),m,x,d1);subplot(3,1,1);plot(t,y,'b',t,s,'r');grid;ylim([,]);xlim([0,]);title('u='); [~,~,y]=lms(N,u(2),m,x,d1);subplot(3,1,2);plot(t,y,'b',t,s,'r');grid;ylim([,]);xlim([0,]);title('u='); [~,~,y]=lms(N,u(3),m,x,d1);subplot(3,1,3);plot(t,y,'b',t,s,'r');grid;ylim([,]);xlim([0,]);title('u='); %改变阶数u=;N=[1 10 30];figure(3);[~,~,y]=lms(N(1),u,m,x,d1);subplot(3,1,1);plot(t,y,'b',t,s,'r');grid;ylim([,]);xlim([0,]);title('N=1') ;[~,~,y]=lms(N(2),u,m,x,d1);subplot(3,1,2);plot(t,y,'b',t,s,'r');grid;ylim([,]);xlim([0,]);title('N=10');[~,~,y]=lms(N(3),u,m,x,d1);subplot(3,1,3);plot(t,y,'b',t,s,'r');grid;ylim([,]);xlim([0,]);title('N=30' );%3clear all;n=1001; %信号点数N=30; %阶数f=50;%t=1::n;T=5;t=-5*T::5*T;s=*square(t,50); %产生周期性方波信号nt=sin(f*t); %工频干扰x=sin(f*t); %参考信号d=s+nt; %观测信号u=; %LMS算法下自适应增益常数[e,wl,y]=lms(N,u,n,x,d);figure(1);subplot(3,1,1);plot(t,d);grid;title('观测信号d');subplot(3,1,2);plot(t,e,'b',t,s,'r');grid;title('输出信号y');ylim([,]); subplot(3,1,3);plot(t,wl);grid;title('加权因子w');。