rls和lms自適應(yīng)算法分析報(bào)告

ID:31476525

大?。?.04 MB

頁數(shù):15頁

時(shí)間:2019-01-11

rls和lms自適應(yīng)算法分析報(bào)告_第1頁
rls和lms自適應(yīng)算法分析報(bào)告_第2頁
rls和lms自適應(yīng)算法分析報(bào)告_第3頁
rls和lms自適應(yīng)算法分析報(bào)告_第4頁
rls和lms自適應(yīng)算法分析報(bào)告_第5頁
資源描述:

《rls和lms自適應(yīng)算法分析報(bào)告》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫

1、WORD格式整理RLS和LMS自適應(yīng)算法分析摘要:本文主要介紹了自適應(yīng)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(yīng)算法。我們對這兩種基本的算法進(jìn)行了原理介紹,并進(jìn)行了Matlab仿真。通過仿真結(jié)果,我們對兩種自適應(yīng)算法進(jìn)行了性能分析,并對其進(jìn)行了比較。用Matlab求出了LMS自適應(yīng)算法的權(quán)系數(shù),及其學(xué)習(xí)過程曲線,和RLS自適應(yīng)權(quán)系數(shù)算法的學(xué)習(xí)過程。關(guān)鍵詞:自適應(yīng)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(gè)二階自回歸模型產(chǎn)生的AR過程。AR模型的系統(tǒng)函數(shù)為:H(Z)=假設(shè)=-1.6,=0.8將系統(tǒng)函

4、數(shù)轉(zhuǎn)化為差分方程為:其中w(n)為白噪聲,參數(shù)=-1.6,=0.8。激勵(lì)源是白噪聲w(n)。本文學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)曲線,還對兩種算法的特性進(jìn)行了對比。引言:由于隨機(jī)信號的未知性和隨時(shí)間變化的統(tǒng)計(jì)特性,需要設(shè)計(jì)參數(shù)隨時(shí)間變化的濾波器算法,即所謂的自適應(yīng)濾波。它是利用前一時(shí)刻以獲得的濾波器參數(shù)的結(jié)果,自動(dòng)的調(diào)節(jié)現(xiàn)時(shí)刻的濾波器參數(shù),以適應(yīng)信號和噪聲未知的或隨時(shí)間變化的統(tǒng)計(jì)特性,從而實(shí)現(xiàn)最優(yōu)濾波。自適應(yīng)濾波器的特性變化是由自適應(yīng)算法通過調(diào)整濾波器系數(shù)來實(shí)現(xiàn)的。

5、不同的自適應(yīng)濾波器算法,具有不同的收斂速度、穩(wěn)態(tài)失調(diào)和算法復(fù)雜度。自適應(yīng)濾波算法中利用了輸出反饋,屬于閉環(huán)算法。其優(yōu)點(diǎn)是能在濾波器輸入變化時(shí)保持最佳的輸出,而且還能在某種程度上補(bǔ)償濾波器元件參數(shù)的變化和誤差以及運(yùn)算誤差。但其缺點(diǎn)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(qiáng)穩(wěn)定性以滿足信號處理的高效性、實(shí)時(shí)性,一直是人們研究的重點(diǎn)和熱點(diǎn)。本文基對比研究了兩類基本的自適應(yīng)算法LMS和RLS,并對它們權(quán)系數(shù)的收斂過程及學(xué)習(xí)過程進(jìn)行了分析。LMS原理分析:LMS算法是自適應(yīng)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(guān)函數(shù)的

6、一段構(gòu)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(jù)最小均方誤差準(zhǔn)則進(jìn)行不斷修正來實(shí)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(gè)初始化值得基礎(chǔ)上進(jìn)行逐步調(diào)整得到的因此在系統(tǒng)進(jìn)入穩(wěn)定之前有一個(gè)調(diào)整的時(shí)間這個(gè)時(shí)間受到算法步長因子的控制在一定值范圍內(nèi)增大會減小調(diào)整時(shí)間但超過這個(gè)值范圍時(shí)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(guān)系如下:學(xué)習(xí)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(shí)刻自適應(yīng)濾波器的權(quán)矢量,N為自適應(yīng)濾波器的階數(shù)。X(n)為n時(shí)刻自適應(yīng)濾波器的參考輸

7、入矢量,由最近的N個(gè)信號的采樣值構(gòu)成,。d(n)是期望的輸出值;e(n)為自適應(yīng)濾波器的輸出誤差調(diào)節(jié)信號;μ是控制自適應(yīng)速度與穩(wěn)定性的增益常數(shù)。學(xué)習(xí)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(jì)算誤差e(n)=d(n)-y(n)計(jì)算因子更新權(quán)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(quán)值均方誤差學(xué)習(xí)參考資料分享WORD格式整理按照如下準(zhǔn)則:越舊的數(shù)據(jù)對的影

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。
关闭