資源描述:
《rls和lms自適應算法分析報告》由會員上傳分享,免費在線閱讀,更多相關內容在工程資料-天天文庫。
1、WORD格式整理RLS和LMS自適應算法分析摘要:本文主要介紹了自適應濾波的兩種算法:最小均方(LMS,LeastMeanSquares)和遞推最小二乘(RLS,RecursiveLeastSquares)兩種基本自適應算法。我們對這兩種基本的算法進行了原理介紹,并進行了Matlab仿真。通過仿真結果,我們對兩種自適應算法進行了性能分析,并對其進行了比較。用Matlab求出了LMS自適應算法的權系數(shù),及其學習過程曲線,和RLS自適應權系數(shù)算法的學習過程。關鍵詞:自適應濾波、LMS、RLS、Matlab仿真Abstract:thisarticlemainlyintroducestwokin
2、dsofadaptivefilteringalgorithms:LeastMeansquare(LMS),furtherMeanSquares)andRecursiveLeastSquares(RLS,RecursivefurtherSquares)twobasicadaptivealgorithm.Ouralgorithmsofthesetwobasicprincipleisintroduced,andMatlabsimulation.Throughthesimulationresults,wehavetwokindsofadaptivealgorithmperformanceanal
3、ysis,andcarriesonthecomparison.MatlabcalculatetheweightcoefficientoftheLMSadaptivealgorithm,anditslearningcurve,andtheRLSadaptiveweightcoefficientalgorithmofthelearningprocess.Keywords:,LMSandRLSadaptivefilter,theMatlabsimulation課題簡介:零均值、單位方差的白噪聲通過一個二階自回歸模型產生的AR過程。AR模型的系統(tǒng)函數(shù)為:H(Z)=假設=-1.6,=0.8將系統(tǒng)函
4、數(shù)轉化為差分方程為:其中w(n)為白噪聲,參數(shù)=-1.6,=0.8。激勵源是白噪聲w(n)。本文學習參考資料分享WORD格式整理用Matlab仿真做出了模型系數(shù)的收斂過程及平均的學習曲線。分別用LMS算法和RLS算法,分別做出了模型系數(shù)的收斂過程及學習曲線,還對兩種算法的特性進行了對比。引言:由于隨機信號的未知性和隨時間變化的統(tǒng)計特性,需要設計參數(shù)隨時間變化的濾波器算法,即所謂的自適應濾波。它是利用前一時刻以獲得的濾波器參數(shù)的結果,自動的調節(jié)現(xiàn)時刻的濾波器參數(shù),以適應信號和噪聲未知的或隨時間變化的統(tǒng)計特性,從而實現(xiàn)最優(yōu)濾波。自適應濾波器的特性變化是由自適應算法通過調整濾波器系數(shù)來實現(xiàn)的。
5、不同的自適應濾波器算法,具有不同的收斂速度、穩(wěn)態(tài)失調和算法復雜度。自適應濾波算法中利用了輸出反饋,屬于閉環(huán)算法。其優(yōu)點是能在濾波器輸入變化時保持最佳的輸出,而且還能在某種程度上補償濾波器元件參數(shù)的變化和誤差以及運算誤差。但其缺點是存在穩(wěn)定性問題以及收斂速度不高。所以探討如何提高收斂速度、增強穩(wěn)定性以滿足信號處理的高效性、實時性,一直是人們研究的重點和熱點。本文基對比研究了兩類基本的自適應算法LMS和RLS,并對它們權系數(shù)的收斂過程及學習過程進行了分析。LMS原理分析:LMS算法是自適應濾波器中常用的一種算法與維納算法不同的是其系統(tǒng)的系數(shù)隨輸入序列而改變。維納算法中截取輸入序列自相關函數(shù)的
6、一段構造系統(tǒng)的最佳系數(shù)。而LMS算法則是對初始化的濾波器系數(shù)依據最小均方誤差準則進行不斷修正來實現(xiàn)的。因此理論上講LMS算法的性能在同等條件下要優(yōu)于維納算法但是LMS算法是在一個初始化值得基礎上進行逐步調整得到的因此在系統(tǒng)進入穩(wěn)定之前有一個調整的時間這個時間受到算法步長因子的控制在一定值范圍內增大會減小調整時間但超過這個值范圍時系統(tǒng)不再收斂的最大取值為R的跡。LMS采用平方誤差最小的原則代替均方誤差最小的原則,信號基本關系如下:學習參考資料分享WORD格式整理寫成矩陣形式為:式中W(n)為n時刻自適應濾波器的權矢量,N為自適應濾波器的階數(shù)。X(n)為n時刻自適應濾波器的參考輸
7、入矢量,由最近的N個信號的采樣值構成,。d(n)是期望的輸出值;e(n)為自適應濾波器的輸出誤差調節(jié)信號;μ是控制自適應速度與穩(wěn)定性的增益常數(shù)。學習參考資料分享WORD格式整理LMS的算法流程圖:讀取x(n)和d(n)初始化w(n)計算誤差e(n)=d(n)-y(n)計算因子更新權RLS算法原理分析:為遺忘因子,它是小于1的正數(shù):參考信號或期望信號第n次迭代的權值均方誤差學習參考資料分享WORD格式整理按照如下準則:越舊的數(shù)據對的影