Matlab_adaptacyjne

WYŒCIE: y = przefiltrowany adaptacyjnie sygna³ x, e = d-y , czyli sygna³ b³êdu
 4

 5

clear all;
 6

 7

% Uruchom program dla wszystkich kombinacji parametrów ialg i itest
 8

ialg = 1; % rodzaj algorytmu adaptacji: 1=LMS, 2=NLMS
 9

itest = 2;  % test: 1 - usuwanie addytywnej interferencji (sieci)
 10

            %       2 - usuwanie addytywnego szumu (za pomoc¹ liniowej predykcji)
 11


 12

% Filtr nieunormowany LMS
 13

M = 50; % liczba wspó³czynników wagowych filtra adaptacyjnego
 14

mi = 0.01; % wspó³czynnik szybkoœci adaptacji ( 0<mi<1)
 15

 16

% Filtr unormowany NLMS
 17

eng = 0.; % estymata energii poczatkowej sygnalu x, eng=>0, np. eng=0
 18

beta = 1 - 1 / M; % stala szybkosci zapominania energii 0<=beta<1
 19

 20

% 0 ? wszystko pamiêtam, 1 ? nic nie pamiêtam
 21

 22

gamma = 0.001; % stala bezpieczeñstwa mianownika energii np. = 0.001
 23

 24

% Generacja sygna³u testowego LFM (liniowa modulacja czêstotliwoœci)
 25

 26

Nx = 1000; % liczba próbek
 27

fpr = 1000; % czêstotliwoœæ próbkowania
 28

A = 1; % amplituda
 29

f0 = 0; % czêstotliwoœæ pocz¹tkowa sygna³u
 30

df = 25; % przyrost czêstotliwoœci Hz/sek
 31

obw = 1; % wybór obwiedni czasowej: 0=brak, 1=Gauss, 2=alfa*t, 3=exp(-alfa*t)
 32

dt = 1 / fpr;
 33

t = 0:dt:(Nx-1) * dt; % chwile czasowe próbkowania
 34

s = A * cos(2 * pi * (f0 * t + 0.5 * df * t.^2)); % sygnal LFM
 35

 36

if (obw == 1) % obwiednia 1 - krzywa Gaussa
 37

    alfa = 10;
 38

    w = exp(-alfa * pi * (t-0.5).^2);
 39

end
 40

 41

if (obw == 2) % obwiednia 2 - alfa*t
 42

    alfa = 5;
 43

    w = alfa * t;
 44

end
 45

 46

if (obw == 3) % obwiednia 3 - exp(-alfa*t)
 47

    alfa = 5;
 48

    w = exp(-alfa * t);
 49

end
 50

 51

if (obw ~= 0) % sygna³ z obwiedni¹
 52

    s = s .* w;
 53

end
 54

 55

if (itest == 1) % TEST 1 - kasowanie interferencji
 56

    P = 0; % brak predykcji
 57

    x = 0.1 * sin(2 * pi * 50 * t - pi / 5); % sieæ przesuniêta w fazie
 58

    d = s + 0.5 * sin(2 * pi * 50 * t); % sygna³ + sieæ
 59

end
 60

 61

if (itest == 2) % TEST 2 ? odszumianie drog¹ predykcji
 62

    P = 1; % rz¹d predykcji (do zmiany: 1,2,3,...)
 63

    x = s + 0.25 * rand(1, Nx); % sygna³ + szum
 64

    d =[ x(1+P:length(x)) 0 ]; % odniesieniem sygna³ "przyspieszony" o P próbek
 65

end
 66

 67

% Rysunki sygna³ów wejœciowych
 68

figure(1);
 69

subplot(211); plot(t,x); grid; title('WE : sygna³ x');
 70

subplot(212); plot(t,d); grid; title('WE : sygna³ d');
 71

xlabel('czas [sek]');
 72

 73

% Filtracja adaptacyjna
 74

 75

buforX = zeros(1, M);
 76

h = zeros(1, M);
 77

y = []; % Wyjœciowy
 78

e = []; % B³êdu
 79

 80

 81

for i = 1 : length(x)
 82

    buforX = [x(i) buforX(1:M-1)];
 83

    dest = h * buforX';
 84

    err = d(i) - dest;
 85

    if(ialg == 1)
 86

        h = h + (2 * mi * err * buforX); % LMS
 87

    end
 88


 89

    if(ialg == 2)
 90

        eng = bx * bx'; % NLMS
 91

    end
 92

    y = [y dest];
 93

    e = [e err];
 94

end
 95

 96

% Rysunki sygna³ów wyjœciowych
 97

if(ialg == 1)
 98

    typ = 'LMS';
 99

end
 100

 101

if(ialg == 2)
 102

    typ = 'NLMS';
 103

end
 104

figure (2);
 105

subplot(211); plot(t,y); grid; title('WY : sygna³ y = dest');
 106

subplot(212); plot(t,e); grid; title('WY : sygna³ e = err');
 107

xlabel('czas [sek]');
 108

figure(3);
 109

if(itest == 1)
 110

    subplot(111); plot(t,s,'r',t,e,'b'); grid; xlabel('czas [sek]');
 111

    title('Orgina³ (czerwony) i wynik filtracji (niebieski) filtrem' + typ);
 112

end
 113

 114

if(itest == 2)
 115

    n = 1:Nx - P;
 116

    subplot(111); plot(t(n),s(n),'r',t(n),y(n),'b'); grid; xlabel('czas [sek]');
 117

    title('Orgina³ (czerwony) i wynik filtracji (niebieski)');
 118

end