【带遗忘因子的递归最小二乘估计算法(Recursive least squares, RLS)】封装Matlab函数

背景

本人最近设计的算法，需要用到带遗忘因子的RLS估计，于是将其封装为函数，后续使用直接进行调用即可。
设计加入的遗忘因子$\lambda \in [0,1]$可以调节收敛速度，使得可以在收敛速度和波动程度之间灵活调节，遗忘因子的经验值$\lambda \in [0.9,1]$
注意：封装的函数仅仅是单一时刻的计算，调用需要在循环体内进行。

函数代码

%Project: 带遗忘因子的递归最小二乘法
%Author: Jace
%Data: 2022/04/10
%====================函数体====================
function [P,xRls]=Rls(Dim,H,R,Pp,xRlsp,y,lambda)
    I=eye(Dim);
    
    K=Pp*H'/(H*Pp*H'+R);  
    xRls=(I-K*H)*xRlsp+K*y;
    if nargin==6 %参数个数判断是否含有遗忘因子
        P=((I-K*H)*Pp*(I-K*H)'+K*R*K');
    elseif nargin==7
        P=((I-K*H)*Pp*(I-K*H)'+K*R*K')/lambda;
    else
        error('参数不足');
    end
end

调用方法

[P,xRls]=Rls(Dim,H,R,Pp,xRlsp,y,lambda)

对应

[当前时刻估计协方差P, 当前时刻估计值xRls]=Lkf(状态维度, 量测矩阵H, 量测噪声协方差R, 上一时刻估计协方差Pp, 上一时刻估计值xRlsp, 当前时刻量测值y, 遗忘因子lamda)

注意：输入参数中的lamda为可选参数，实际使用时可以省略，省略时即使用标准RLS。

调用测试函数

测试中的MSE依赖于MSE函数，在前序博文中给出

%Project: 基本一维Rls测试Rls估计函数
%Author: Jace
%Data: 2021/10/06
%====================准备====================
close all;
clear all;
clc;
%====================设定全局参数====================
%--------全局参数--------
N=300;%设定采样点数，即持续时长
%--------设定维度--------
Dim=1;%量测维度
%--------系统参数--------
H=1;

x=ones(1,N);%状态
y=zeros(1,N);%量测
y(1)=x(1);

R=0.1;
v=sqrt(R)*randn(Dim,N);

%--------Rls参数--------
P=zeros(1,1,N);
xRls=zeros(1,N);

P(:,1)=0.1;
xRls(1)=1;

I=eye(Dim);

for k=2:N
    %量测模型，标量
    y(k)=H*x(k-1)+v(k);
    %====================Rls过程====================
    [P(:,k),xRls(k)]=Rls(Dim,H,R,P(:,k-1),xRls(k-1),y(k));
    %使用遗忘因子时，如下
    %[P(:,k),xRls(k)]=Rls(Dim,H,R,P(:,k-1),xRls(k-1),y(k),0.96);
end

%====================MSE计算====================
Step=10;
[MSE]=MSE(Dim,Step,N,xRls,y); %依赖前面文章给出的均方误差计算函数
%====================绘图====================
%状态与估计
figure;
hold on,box on;
plot(x,'-k.');
plot(y,'-r.');
plot(xRls,'-b.');
legend('状态值','量测值','状态量Rls估计值');
xlabel('采样时间');ylabel('数值');

%均方差
figure;
hold on,box on;
plot(MSE,'-k.');
legend('均方误差');
xlabel('采样时间');ylabel('数值');

仿真效果

不选用遗忘因子时

1. 状态值、量测值与估计值
   
2. 均方误差
   

遗忘因子选为0.96时

1. 状态值、量测值与估计值
   
2. 均方误差
   
   可以看出加入遗忘因子后，估计算法收敛更快，但波动更大。因此在实际使用中需要根据实际情况选取。