自适应 LMS算法及其应用本实验通过一个二阶自回归过程来研究实时数据集平均对LMS算法的影响，AR模型的差分方程为：u(n)+a1x(n-1)+a2x(n-2)=v(n) 其中a1=1.558;a2=-0.81;v(n)是零均值方差为的白噪声；图1为模型及其二阶自适应线性预测模型，根据LMS算法的基本步骤可以写出该算法的matlab程序如下： clearclose allclca1=1.588;a2=-0.81;u=0.001;N=1024;G=100;e=zeros(1,N);w1=zeros(1,N+1);w2=zeros(1,N+1);y=zeros(1,N);ee=zeros(1,N);%每个点的误差平方ep=zeros(1,N);%每个点的误差平方累积eq=zeros(1,N);%每个点的100次误差平方均值w11=zeros(1,N+1);%w1权值的累积w22=zeros(1,N+1);%w2权值的累积for g=1:Gv=randn(1,N);x(1)=v(1);
