写一个子带自适应滤波器的Matlab代码，测试信号为余弦信号，要求展示出子带分解后的信号，和输入输出信号，与最后的误差。

以下是一个简单的子带自适应滤波器的Matlab代码，该代码使用余弦信号作为测试信号，展示了子带分解后的信号、输入输出信号以及误差：

% 生成余弦信号
fs = 1000; % 采样率
t = 0:1/fs:1;
x = cos(2*pi*50*t); % 50Hz余弦信号

% 子带分解
n = 4; % 子带数
fc = linspace(0, fs/2, n+1); % 子带截止频率
fc = fc(2:end); % 去掉0Hz
[b, a] = butter(4, fc/(fs/2)); % 4阶Butterworth滤波器
y = zeros(n, length(x));
for i = 1:n
    y(i,:) = filter(b(i,:), a(i,:), x);
end

% 自适应滤波
mu = 0.1; % 自适应步长
order = 10; % 自适应滤波器阶数
w = zeros(n, order); % 初始化权值
x_hat = zeros(size(x)); % 初始化输出信号
e = zeros(size(x)); % 初始化误差
for i = order+1:length(x)
    xi = [y(:,i:-1:i-order+1); 1]; % 构造输入向量
    x_hat(i) = w(:,i-1)'*xi; % 计算预测值
    e(i) = x(i) - x_hat(i); % 计算误差
    w(:,i) = w(:,i-1) + mu*e(i)*xi; % 更新权值
end

% 绘图展示
figure;
subplot(4,1,1);
plot(t, x);
title('原始信号');
subplot(4,1,2);
for i = 1:n
    plot(t, y(i,:));
    hold on;
end
title('子带分解后的信号');
hold off;
subplot(4,1,3);
plot(t, x, 'b');
hold on;
plot(t, x_hat, 'r');
title('输入输出信号');
legend('输入信号', '输出信号');
hold off;
subplot(4,1,4);
plot(t, e);
title('误差');

代码中首先生成了一个50Hz的余弦信号。然后使用Butterworth滤波器将信号分解成4个子带信号。接下来使用自适应滤波器进行滤波，并计算误差。最后绘制了原始信号、子带分解后的信号、输入输出信号以及误差的图像。