使用递推最小二乘法（RLS算法）进行自适应噪声对消

最新推荐文章于 2024-07-25 10:17:05 发布

hdc

最新推荐文章于 2024-07-25 10:17:05 发布

阅读量1.3w

点赞数 8

分类专栏： Matlab Lesson 文章标签：自适应滤波 RLS算法 C++

本文链接：https://blog.csdn.net/orangehdc/article/details/42291275

版权

本文介绍了如何使用递推最小二乘法（RLS算法）实现自适应噪声对消。通过信号模型分析，配合Matlab代码示例，详细阐述了RLS算法在噪声对消过程中的具体应用。

摘要由CSDN通过智能技术生成

自适应噪声对消器的信号模型如下图所示

Matlab代码如下：

clear;
clc;

Ts=0.1;
num=100;%?采样点数?
k=1:num;
x=10*cos(2*pi*k*Ts+0.25*pi);%正弦干扰
%s=0.5*randn(1,num);
%x=x+s;
xr=cos(2*pi*k*Ts);%参考信号

p=2;%滤波器长度
xita=zeros(p,num-p+1); %保存权值
err=zeros(1,num-p+1);  %保存误差
kn=zeros(2,num-p+1);

lamda=0.99; %遗忘因子
diag_I=[1,0;0,1];
for i=1:num-p+1   
    
    if i==1
        hn=[xr(1,i);0];
        corr=10^5*diag_I;        
        kn(:,1)=(corr*hn)./(lamda^i+(hn')*corr*hn);%是列向量
        err(1,i)=x(1,i)-xita(1,1)*xr(1,i);
        xita(:,i)=err(1,i).*kn(:,i);   
         corr=(diag_I-kn(:,i)*hn')*corr;
         aaa=1;
    else
       hn=[xr(1,i); xr(1,i-1)];
        kn(:,i)=(corr*hn)./(lamda^i+(hn')*corr*hn);%是列向量
      % fprintf( '%d',(lamda^i+(hn')*corr*hn));
        err(1,i)=x(1,i)-xita(:,i-1)'*hn;
       fprintf('xi=%d tmp=%d\n',x(1,i),xita(:,i-1)'*hn);
      disp(err(1,i));
        xita(:,i)=xita(:,i-1)+err(1,i).*kn(:,i);
        corr=(diag_I-kn(:,i)*hn')*corr;
        disp(corr);
    end
   
   
end

subplot(2,1,2);
plot(k(1,1:num-p+1),xita,'r-');
subplot(2,1,1);
plot(k(1,1:num-p+1),err,'b-');

C++代码如下：

#include <stdio.h>
#include <iostream>
#include <stdlib.h>
#include <math.h>
#include <fstream>
#include "_Matrix.h"

using namespace std;

const double pi = 3.14159;

int main()
{
	cout<<"基于最小二乘自适应滤波算法的正弦信号干扰对消实验"<<endl;
	
	double Ts=0.1;//采样间隔
	int num = 200;//样本点数
	double *x=new double[num];
	double *xr=new double[num];
	
	int i,j;
	for (i=0;i<num;i++){
		xr[i]=cos(2.0*pi*double(i+1)*Ts);//参考信号	
	}
	int mode;
	cout<<"实验1：普通正弦干扰信号对消"<<endl;
	cout<<"实验2：幅值和相位差中途变化的正弦干扰信号对消"<<endl;
	cout<<"请输入数字1或2（若输入数字不为2，则默认进行实验1）:";

	cin >>mode;
	if (mode==2){