自适应滤波器第5章.pptVIP

5月20日结束点 a1和a2的选取应保证 的根为复数，即 预测误差为： 按表5.1， RLS算法的递推公式为 取实验参数值1为： (5.4.4) 取实验参数值2、3等为不同的值，分析对收敛性的影响。结果是：条件数增大时，稳态误差降低；初值δ对RLS的影响很小；λ值的影响主要表现在稳态误差上， λ减小时，稳态误差增大。 递推最小二乘算法（RLS）计算流程（表5.1） 1）初始条件 2）运算 取实验参数值1为： 取实验参数值2、3等为不同的值，分析对收敛性的影响。结果是：条件数增大时，稳态误差降低； ① Cond(Rxx)=1.2222 ② Cond(Rxx)=10 ③ Cond(Rxx)=100 初值δ对RLS的影响很小；λ值的影响主要表现在稳态误差上， λ减小时，稳态误差增大。 λ值的影响主要表现在稳态误差上， λ减小时，稳态误差增大。 5.4.2 模式识别 1、模式识别模型 识别对象为具有可加噪声 两参数a1、a2的移动平均（MA）模型。 为方差为 、均值为零的高斯白噪声。 模式识别的目的在于确定其参数 a1、a2。 识别对象与自适应滤波用同一个噪声发生器驱动 令 RLS算法的递推公式： (5.4.4) 按表5.1， RLS算法