RLS自适应算法基本原理PPT_第1页
RLS自适应算法基本原理PPT_第2页
RLS自适应算法基本原理PPT_第3页
RLS自适应算法基本原理PPT_第4页
RLS自适应算法基本原理PPT_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、RLS自适应算法基本原理,刘庆杰 信号与信息处理,1,目录：,RLS算法基本原理 RLS算法性能分析 RLS算法的特点 RLS算法简单应用,2,RLS算法基本原理,线性滤波器,性能评价,自适应方法,通用自适应滤波器的基本原理,滤波器参数,输入信号,输出信号,期望响应,误差,在线更新,（校正项）,3,RLS算法基本原理,所谓自适应实现是指利用前一时刻获得的滤波器参数，根据估计误差自动调节现时刻的参数，使得某个代价函数达到最小，从而实现最优滤波。 下降算法：最广泛使用的自适应算法 自适应梯度算法(LMS) 自适应高斯-牛顿算法(RLS),4,RLS算法基本原理,RLS算法： （Recursive

2、Least-Squares），递归最小二乘算法。 设计思路： 它是利用在已知n-1时滤波器抽头权系数的情况下，通过简单的更新，求出n时刻的滤波器抽头权系数。 代价函数：使用指数加权的误差平方和 （01,称为遗忘因子） 引入遗忘因子作用是离n时刻近的误差附较大权重， 离n时刻远的误差赋较小权重，确保在过去某一段时 间的观测数据被“遗忘”，从而使滤波器可以工作在非 平稳状态下。,5,RLS算法基本原理,估计误差定义： 可取滤波器的实际输入d*(i)作为期望响应d(i)。 将误差代入代价函数得到加权误差平方和的完整表达式,6,抽头权向量取的是n时刻的w(n)而不是i时刻的w(i). i=n时刻， 故

3、代价函数J(n)比J(n)更合理。,RLS算法基本原理,7,为了使代价函数取得最小值,可通过对权向量求导,RLS算法基本原理,（公式2）,其中：,由此可见指数加权最小二乘法的解转化为Wiener滤波器的形式:,下面研究它的自适应更新过程。,（公式1）,解得：,8,RLS算法基本原理,由公式1可得：,令：,令：,则原式可化为,由矩阵求逆引理得,9,RLS算法基本原理,其中k(n)为增益向量,又由：,10,RLS算法基本原理,式中：,内积表示在n1时刻对u(n)所得滤波器的实际输出,如图指数加权的RLS算法功能示意图。,先验误差,11,RLS算法基本原理,总结RLS算法的步骤。 1、初始化：w(0)=0, R(0)=I, 2、更新：对于n=1、2计算：,12,RLS算法基本原理,希望相关矩阵初始值R(0)在R(n)中占很小的比重，因此设R(0)=I。一般取0.001。,13,RLS算法性能分析,随着迭代时间增长，跟踪能力越来越好,14,RLS算法性能分析,15,RLS算法的特点,1、RLS算法对非平稳信号的适应性好。,2、RLS算法收敛速度快，估计精度高稳定性好。,3、遗忘因子越大，越不易遗忘，效果越好。,4、RLS算法计算复杂度高，不利于实时性出理。,16,

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论