递归最小二乘算法RLS

RLS算法中，权矢量随迭代次数的增长而变化的收敛情况

% RLS算法
randn（‘seed‘ 0） ;
rand（‘seed‘ 0） ;
NoOfData = 8000 ; % Set no of data points used for training
Order = 32 ; % 自适应滤波权数
Lambda = 0.98 ; % 遗忘因子
Delta = 0.001 ; % 相关矩阵R的初始化
x = randn（NoOfData 1） ;%高斯随机系列
h = rand（Order 1） ; % 系统随机抽样
d = filter（h 1 x） ; % 期望输出
% RLS算法的初始化
P = Delta * eye （ Order Order ） ;%相关矩阵
w = zeros （ Order 1 ） ;%滤波系数矢量的初始化
% RLS Adaptation
for n = Order : NoOfData ; 
u = x（n:-1:n-Order+1） ;%延时函数
pi_ = u‘ * P ;%互相关函数
k = Lambda + pi_ * u ;
K = pi_‘/k;%增益矢量
e（n） = d（n） - w‘ * u ;%误差函数
w = w + K * e（n） ;%递归公式
PPrime = K * pi_ ;
P = （ P - PPrime ） / Lambda ;%误差相关矩阵
w_err（n） = norm（h - w） ;%真实估计误差
end ;
% 作图表示结果
figure ;
plot（20*log10（abs（e））） ;%| e |的误差曲线
title（‘学习曲线‘） ;
xlabel（‘迭代次数‘） ;
ylabel（‘输出误差估计‘） ;
figure ;
semilogy（w_err） ;%作实际估计误差图
title（‘矢量估计误差‘） ;
xlabel（‘迭代次数‘） ;
ylabel（‘误差权矢量‘） ;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1008  2011-07-24 12:36  RLS算法.m