RLS递归最小二2乘法自适应滤波器代码实现

最新推荐文章于 2024-04-12 09:12:59 发布

KPer_Yang

最新推荐文章于 2024-04-12 09:12:59 发布

阅读量952

点赞数 2

分类专栏：信号处理算法文章标签：算法

本文链接：https://blog.csdn.net/KPer_Yang/article/details/127480797

版权

信号处理算法专栏收录该内容

38 篇文章 17 订阅

订阅专栏

1.基本原理

步骤如下，根据公式很容易写出代码；

（1）求误差；

（2）求增益；

（3）求互相关矩阵；

（4）求输出；
$\begin{aligned} &e(n)=d(n)-y(n)\\ &\pmb{\overline{g}}(n)=\lambda^{-1}\pmb{P}(n-1)\pmb{x}(n) \\ &\alpha (n) = 1 + \pmb{\overline{g}}^T(n)\pmb{x}(n)\\ &\pmb{g}(n) = \frac{\pmb{\overline{g}}(n)}{\alpha (n)}\\ &\pmb{w}(n)=w(n-1)+ \pmb{g}(n)e(n)\\ &\pmb{P}(n)=\lambda^{-1}\pmb{P}(n-1)-\pmb{g}(n)\pmb{\overline{g}}^T(n)\\ &y(n)=\pmb{x}(n)\pmb{w}^T\\ \end{aligned}$

2.代码实现

clear;close;
% 初始化
N = 1000; % 采样数
Fs = 500; % 采样频率
n = 0 : N-1;
t = n / Fs;
d = (sin(2 * pi * 3 * t))'; % 纯净信号，作为参考信号；
noise = (0.5 * randn(1, length(t)))'; % 噪声；
x = d + noise; % 加如性噪声；
order_n = 10; % 滤波器的阶数；
w = (zeros(1, order_n))'; % 权重系数初始化0
x_len = length(x); 
p = 0.1 * eye(order_n, order_n); % 初始化互相关向量单位矩阵
a = 0.1;
y = (zeros(1, x_len))'; % 输出向量
e = (zeros(1, x_len))'; % 误差向量

%RLS自适应迭代
lambda_inverse = 1 / a;
for n = order_n : x_len
    x1 = x(n - order_n + 1 : 1 : n);
    g_overline_n = lambda_inverse * p * x1; %计算g_overline
    g_overline_n_1 = lambda_inverse * x1' * p; %计算g_overline
    alpha_n = 1 + g_overline_n' * x1; % 计算alpha
    g_n = g_overline_n / alpha_n; % 计算增益
    e(n) = d(n) - w' * x1; % 计算误差
    w = w + g_n * e(n);
    p = lambda_inverse * p - lambda_inverse * g_n * x1' * p;
    %p = lambda_inverse * p - g_n * g_overline_n';
    y(n) = w' * x1;
end

%画图
figure(1);
subplot(311);plot(t, x);axis([0 1 -5 5]);xlabel('时间');ylabel('s幅度');
hold on

subplot(312);plot(t, d);axis([0 1 -5 5]);xlabel('时间');ylabel('x幅度');
hold on


subplot(313);plot(t, y);axis([0 1 -5 5]);xlabel('时间');ylabel('e幅度');