自适应滤波LMS与RLS的matlab实现.docxVIP

MATLAB仿真实现LMS和RLS算法的二阶AR模型 及仿真结果分析 一、题目概述：二阶AR模型如图1a所示，可以如下差分方程表示： （1） 图1a 其中，v(n)是均值为0、方差为0.965的高斯白噪声序列。a1，a2为描述性参数，设x(-1)=x(-2)=0，权值w1 解答思路： （1）高斯白噪声用normrnd函数产生均值为0、方差为0.965的正态分布随机1*N矩阵来实现。随后的产生的信号用题目中的二阶AR模型根据公式（1）产生，激励源是之前产生的高斯白噪声。 （2）信号长度N取为2000点，用以观察滤波器权值变化从而估计滤波器系数，得到其收敛值。 （3）仿真时分别仿真了单次LMS算法和RLS算法下的收敛性能以及100次取平均后的LMS和RLS算法的收敛性能，以便更好的比较观察二者的特性。 （4）在用不同的分别取3个不同的μ值仿真LMS算法时，μ值分别取为0.001,0.003,0.006；用3个不同的λ值仿真RLS算法时λ值分别取为1,0.98,0.94，从而分析不同步长因子、不同遗忘因子对相应算法收敛效果的影响。 二、 算法简介 1．自适应算法的基本原理 自适应算法的基本信号关系如下图所示： 图 SEQ 图 \* ARABIC 1b 自适应滤波器框图 输入信号x(n)通过参数可调的数字滤波器后产生输出信号y(n)，将其与参考信号d(n)进行比较，形