RLS算法的matlab代码

本例比较了在四种特征值扩散度不同的情况下RLS算法的学习曲线

%本例比较了在四种特征值扩散度不同的情况下RLS算法的学习曲线
clear all
close all
sigma = 0.001;                 %噪声功率
NR = 11;                        %抽头数
N = 300;                        %采样次数
wn=[3.5 3.3 3.1 2.9];           %设置四种特征值扩散度
E=zeros（N-NR+14）;              %误差矩阵的初始化
for t = 1:4
    W = wn（t）;
    %独立的200次实验
    for j=1:200       
        %加入信道的随机序列
        X = binornd（1 0.5 N 1）*2 - ones（N 1）;  
        %信道冲激响应
        n=1:3;
        Hn = 1/2 * （1+ cos（2 * pi / W * （n-2）））;
        
        C = conv（X Hn）;
        %信道噪声为加性高斯白噪声
        B = normrnd（0 sqrt（sigma） length（C） 1）;
        C = B + C;
        %算法的初如化设置
        delta = 0.004;
        lambda = 1.0;
        Mn = zeros（ NR 1）;
        Pn = 1/delta * eye（NR）;
        
        for i =1: N-NR+1 
            Xn = C（i:i+NR-11）;
            Pin = Pn * Xn;
            Kn = Pin./（lambda + Xn‘ * Pin）;
            Y（i） = Mn‘ * Xn;
            e（i） = X（i+7） - Y（i）;
            Mn = Mn + Kn * e（i）;
            Pn = 1/lambda * Pn-1/lambda * Kn * Xn‘ * Pn;
            E（it） = E（it）+e（i）^2;            %每种特征值下的集平均误差
        end
    end
end
semilogy（E/200）;legend（‘W=3.5‘‘W=3.3‘‘W=3.1‘‘W=2.9‘）;

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

     文件       1296  2009-04-19 10:25  RLS.m

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

                 1296                    1