RLS自适应滤波一、RLS自适应算法最小二乘(LS)法是一种典型的有效的数据处理方法，既可用于静态系统，又可用于动态系统：既可用于线性系统，又可用于非线性系统；既可用于离线估计，又可用于在线估计。递归最小二乘(RecursiveLeastSquare，RLS)是最小乘法的一种快速算法，它包含时间递归最小二乘(TRLS)算法和阶数递归最小二乘(ORES)算法两方面内容，一般前者适用于动态系统辨识和在线估计，后者适用于静态系统辨识和离线估计。与LMS算法相比，RLS算法有着非常快的收敛速度。在快速收敛算法的推导中，我们采用最小二乘法。因此，将直接处理接收数据，使二次性能指数最小，而以前是使平方误差的期望值最小。这意味着，用时间平均而不是统计平均来表示性能指数。基于时间平均的最小平方误差被定义如下：1)J(n)=2九e(i)2i=1式中，九是接近1,但是小于1的加权因子，称作遗忘因子。其中估计误差定义为2)3)e(i)=dwH(n)x(i)且xC)=lxC)x(i-1)A,x(i-N+1)T式中，x(i)是i时刻的输入数据向量，w(n)
