RLS自适应算法分析及仿真

上传人:d**** 文档编号:174117710 上传时间:2022-12-14 格式:DOCX 页数:2 大小:60.73KB
返回 下载 相关 举报
RLS自适应算法分析及仿真_第1页
第1页 / 共2页
RLS自适应算法分析及仿真_第2页
第2页 / 共2页
亲,该文档总共2页,全部预览完了,如果喜欢就下载吧!
资源描述
RLS自适应算法分析及仿真RLS 自适应算法是为了设计自适应的横向滤波器把最小二乘法推广为一种自适应算法。 使得在已知n-1时刻横向滤波器抽头系数的情况吓,能够通过简单的更新,求出n时刻的滤 波器抽头权系数。这样一种自适应的最小二乘法称为递推最小二乘法,简称RLS算法。RLS 自适应算法使用的确定性线性回归模型Kalman滤波算法的一种特殊的无激励的状态空间模 型。一、RLS算法步骤:步骤一:初始化:w(0)二0,P(0) =5-11,其中8是一个很小的值。步骤二: 更新:n=1,2,e(n) = d(n)- wH(n-1)u(n)k(n)=P(n 1)u(n)九 + uH(n) P(n 1)u (n)1P (n) = P(n 一 1) 一 k (n)uH(n) P (n 一 1)九w(n)二 w(n 1) + k(n)e*(n)其中,P(0) = R-i(0) =5-iI, 5是一个很小的正数。从上图可以看出 RLS 滤波的跟踪性能是比较好的,滤波器的输入与输出在初始值之 后几乎重合。由于RLS存在自适应更新过程,因此其效果比LMS更好。由下图可以看出, 其RLS算法误差是具有收敛性的,收敛结果与密切相关,5在取值为1的时候严重影响 RLS 算法的收敛速度及结果。三、仿真程序:clear allclcM=5;%权系数个数 N=100;%数据点数 n=1:N;wn=0.36*randn(1,N); vn=randn(1,N);d(1)=0;for n=2:Nd(n)=0.8*d(n-1)+wn(n); %期望响应enduu=d+vn; w=zeros(M,1);P=0.05*eye(M,M);q=0.1; %for n=M:N;u=uu(n:-1:n-M+1) ;e(n)=d(n)-w*u;k=P*u*inv(q+u*P*u);P=(1/q)*(P-k*u*P);w=w+k*e(n);out(n)=w*u;end % subplot(211)t=1:N;hold on;plot(d(t);hold on;plot(out(t),r);grid onlegend(滤波器输入,滤波器输出)subplot(212) semilogy(abs(out-d);title(误差值)
展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 办公文档 > 解决方案


copyright@ 2023-2025  zhuangpeitu.com 装配图网版权所有   联系电话:18123376007

备案号:ICP2024067431-1 川公网安备51140202000466号


本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!