RLS算法的自适应滤波器MATLAB仿真作业文档格式.doc
- 文档编号:3568283
- 上传时间:2023-05-02
- 格式:DOC
- 页数:4
- 大小:37KB
RLS算法的自适应滤波器MATLAB仿真作业文档格式.doc
《RLS算法的自适应滤波器MATLAB仿真作业文档格式.doc》由会员分享,可在线阅读,更多相关《RLS算法的自适应滤波器MATLAB仿真作业文档格式.doc(4页珍藏版)》请在冰点文库上搜索。
信号源x(n)与之前LMS算法仿真不变,对自适应滤波器采用RLS算法。
通过对比不同遗忘因子λ的情况下RLS的误差收敛情况。
取λ=0.98和λ=1两种情况下的性能曲线如图1所示。
其系数收敛情况如图2所示。
图1不同λ值下的RLS算法性能曲线(100次实验平均)
图2不同λ值下的RLS算法系数收敛情况(100次实验平均)
3.结果分析
RLS算法在算法的稳态阶段、即算法的后期收敛阶段其性能和LMS算法相差不明显。
但在算法的前期收敛段,RLS算法的收敛速度要明显高于LMS算法。
但是RLS算法复杂度高,计算量比较大。
遗忘因子λ越小,系统的跟踪能力越强,同时对噪声越敏感;
其值越大,系统跟踪能力减弱,但对噪声不敏感,收敛时估计误差也越小。
4.Matlab程序
clear;
clc;
N=2048;
%信号的取样点数
M=2;
%滤波器抽头的个数
iter=500;
%迭代次数
%初始化
X_A=zeros(M,1);
%X数据向量
y=zeros(1,N);
%预测输出
err=zeros(1,iter);
%误差向量
errp=zeros(1,iter);
%平均误差
wR=zeros(M,iter);
%每一行代表一次迭代滤波器的M个抽头参数
T=eye(M,M)*10;
%RLS算法下T参数的初始化,T初始值为10
X=zeros(1,M);
lamuta=0.98;
%遗忘因子
forj=1:
100
ex=randn(1,N);
%噪声信号e(n)
x=filter(1,[1,-1.6,0.8],ex);
%经过系统H(Z)之后输出x
d=x;
%参考信号
fork=(M+1):
iter-1
X=x(k-1:
-1:
k-M)'
;
K=(T*X)/(lamuta+X'
*T*X);
%k时刻增益值
e1=x(k)-wR(:
k-1)'
*X;
wR(:
k)=wR(:
k-1)+K*e1;
%k时刻权值
y(k)=wR(:
k)'
err(k)=x(k)-y(k);
T=(T-K*X'
*T)/lamuta;
%k时刻的维纳解
end
errp=errp+err.^2;
end
errp=errp/100;
figure
(1);
subplot(2,1,i);
plot(errp);
title(['
100次平均得到的性能曲线,λ='
num2str(lamuta_v(i))]);
learn1=wR(1,1:
iter-1);
learn2=wR(2,1:
figure
(2);
subplot(1,2,1;
plot(learn1);
title('
λ=0.98'
时a1的学习曲线'
);
subplot(1,2,2);
plot(learn2);
λ=0.98时a2的学习曲线'
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- RLS 算法 自适应 滤波器 MATLAB 仿真 作业