RLS的数据预测与matlab

递归最小二乘（RLS）算法在信号自适应滤波分析中广泛应用，递归最小二乘（RLS）算法收敛速度快，且对自相关矩阵特征值的分散性不敏感，然而其计算量交大，本章主要研究基于RLS进行数据的预测与MATLAB实现。

clcclearclose all
warning off      % 消除警告
N = 1000;        % 信号观测长度
a1 = 0.99;       % 一阶AR参数
sigma = 0.0731; % 加性白噪声方差
v = sqrt（sigma）*randn（N1）; % 产生v（n）加性白噪声
u0 = [0];      % 初始数据
num = 1;       % 分子系数
den = [1a1];  % 分母系数
Zi = filtic（numdenu0）;    % 滤波器的初始条件
un = filter（numdenvZi）;   % 产生样本序列u（n） N x 1 x trials
figurestem（un）title（‘随机信号‘）;grid on;

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

     文件        438  2018-06-29 12:59  第5章\ysw5_1.m

     文件       1684  2018-06-29 12:59  第5章\ysw5_2.m

     目录          0  2018-08-20 17:45  第5章

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

                 2122                    3