自适应信号与系统 LMS与RLS算法收敛比较

通过matlab编程来实现LMS 与RLS 算法的实现，在相同的参数下，通过matlab图表观察两者收敛速度的快慢，是自适应信号学习者很好的参考

close all;
clear all;
clc;
DataLength=600;
RunTimes=500;
NoiseVar=0.001;
FilterStep=11;
Delay=6;
w=[2.9 3.1 3.3 3.5];
u=0.038;
Colors=[100;010;001;000;1.51;0.2.80.4;0.30.60.1;00.30.5];
for t=1:4
    h=0.5*（1+cos（（2*pi/w（t））*（（1:3）-2）））;
    TempNo=DataLength+FilterStep;
    E1=zeros（DataLength1）;
    E2=zeros（DataLength1）;
   for iter=1:RunTimes 
       OriSig=randsrc（TempNo1[-11;0.50.5]）;
       ConvSig=conv（OriSigh）;
       ConvSig=ConvSig（1:TempNo）;
       Signal=ConvSig+sqrt（NoiseVar）*randn（length（ConvSig）1）;
       X=zeros（1FilterStep）;
       Y=OriSig（Delay:Delay+DataLength-1）;
       W=zeros（1FilterStep）;
       for n=1:DataLength
           X=Signal（n:n+FilterStep-1）‘;
           Epshino（n:）=Y（n:）-X*W‘;
           W=W+2*u*Epshino（n:）‘*X;
       end
       E1=E1+Epshino.^2;
       W1=zeros（1FilterStep）;
       Q=eye（FilterStep）;
       for n=1:DataLength
           X=Signal（n:n+FilterStep-1）‘;
           R=Q*X‘/（1+X*Q*X‘）;
           Epshino（n:）=Y（n:）-X*W1‘;
           W1=W1+R‘*Epshino（n:）;
           Q=Q-R*（X*Q）;
       end
       E2=E2+Epshino.^2;
   end
   E1=E1/RunTimes;
   E2=E2/RunTimes;
   figure（1）;
   semilogy（E1‘color‘Colors（t:））;
   title（‘The Competetion Between LMS-RLS‘）;
   hold on;
   semilogy（E2‘color‘Colors（t+4:））;
   str=[‘LMS（w=2.9）‘;‘LMS（w=3.1）‘;‘LMS（w=3.3）‘;‘LMS（w=3.5）‘;‘RLS（w=2.9）‘;‘RLS（w=3.1）‘;‘RLS（w=3.3）‘;‘RLS（w=3.5）‘];
   legend（str）;
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1481  2011-04-13 18:35  LMS-RLS.m

----------- ---------  ---------- -----  ----

                 1481                    1