LMS/RLS/LSL性能比较

%LMS、RLS、LSL算法性能比较
clear all;
clear all;
N=500;%抽样次数
%参考信道模型参数值
ini_a=-1.6*ones（1N）;
ini_b=0.8*ones（1N）;
x=randn（1N）;%高斯白噪声
%LMS算法开始
%求LMS算法中的输出期望值 
for i=3:N
    lms_d（i）=x（i）-1.6*x（i-1）+0.8*x（i-2）;
end
lms_w=zeros（N+13）;%LMS算法权系数/估计信道模型参数
%参数逼近/LMS算法
for i=3:N
    lms_u=[x（i）x（i-1）x（i-2）]‘;
    lms_y（i）=lms_w（i:）*lms_u;
    lms_e（i）=lms_d（i）-lms_y（i）;
    lms_w（i+1:）=lms_w（i:）+0.005*lms_e（i）*lms_u‘;
end
%LMS算法结束
%figure
%plot（lms_w（:2）‘r‘）
%draw parameter 3
%figure
%plot（lms_w（:3）‘g‘）
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%RLS算法开始
%求RLS算法输出期望
for i=3:N
    rls_d（i）=x（i）-1.6*x（i-1）+0.8*x（i-2）;
end
rls_w=zeros（N+13）;%RLS算法权系数/估计信道模型参数
%自相关函数及相关参数初始化
R=0;
t=0;
lmta=0.99;
%RLS算法参数逼近
for i=3:N
    rls_u=[x（i）x（i-1）x（i-2）]‘;
    k=t*rls_u/（lmta+rls_u‘*t*rls_u）;
    rls_e=rls_d（i）-rls_w（i:）*rls_u;
    rls_w（i+1:）=rls_w（i:）+（k*rls_e）‘;
    R=lmta*R+rls_u‘*rls_u;
    t=1/R;
end
%figure
%plot（rls_w（:2））
%figure
%plot（rls_w（:3））
%RLS算法结束
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%LSL算法开始
%x=randn（11000）;
lsl_a=[1-1.60.8];    
lsl_b=[1];    
lsl_d=filter（lsl_blsl_ax）;%期望输出
M=3;%滤波器阶数+1
%相关参数初始化
eb（:1）=ze