g=100; % 統計仿真次數為g
N=1024; % 輸入信號抽樣點數N
k=128; % 時域抽頭LMS算法濾波器階數
pp=zeros(g,N-k); % 將每次獨立循環的誤差結果存于矩陣pp中，以便后面對其平均
u=0.0001;
for q=1:g
    t=1:N;
    a=1;
    s=a*sin(0.05*pi*t); % 輸入單頻信號s
    figure(1);
    subplot(311)
    plot(t,real(s)); % 信號s時域波形
    title('信號s時域波形');
    xlabel('n');
    ylabel('s');
    axis([0,N,-a-1,a+1]);
    xn=awgn(s,5); % 加入均值為零的高斯白噪聲，信噪比為3dB
    % 設置初值
    y=zeros(1,N); % 輸出信號y
    y(1:k)=xn(1:k); % 將輸入信號xn的前k個值作為輸出y的前k個值
    w=zeros(1,k); % 設置抽頭加權初值
    e=zeros(1,N); % 誤差信號
    % 用LMS算法迭代濾波
    for i=(k+1):N
        XN=xn((i-k+1):(i));
        y(i)=w*XN';
        e(i)=s(i)-y(i);
        w=w+u*sign(real(e(i)))*XN;  %更新抽頭系數
    end
    pp(q,:)=(e(k+1:N)).^2;
end
subplot(312)
plot(t,real(xn)); % 信號s時域波形
title('信號s加噪聲后的時域波形');
subplot(313)
plot(t,real(y)); % 信號s時域波形
title('自適應濾波后的輸出時域波形');
for b=1:N-k
    bi(b)=sum(pp(:,b))/g; % 求誤差的統計平均
end
figure(2); % 算法收斂曲線
t=1:N-k;
plot(t,bi);%10*log10(bi),
hold on % 將每次循環的圖形顯示結果保存下來