RLS自适应滤波(共6页).doc

精选优质文档-倾情为你奉上RLS自适应滤波1、 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(Recursive Least Square，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）式中，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