欢迎来到天天文库
浏览记录
ID:15341427
大小:30.26 KB
页数:17页
时间:2018-08-02
《通信信号自适应滤波处理仿真研究(二)》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、通信信号自适应滤波处理仿真研究(二)图()(=)图()(=)观察两个不同步长情况下的误差曲线不难看枫出,步长越小,误差越小,檠但收敛速度越慢,为了好的戚精度,我们在选择时必然牺匝牲收敛速度。以上就是围云绕对LMS算法的分析,着重讨论了算法的实现及算法兔中重要参数的选择问题。在实际中,噪声功率大小的也静会对系统的收敛程度产生影§响,噪声功率越大,即信噪晦比SNR越小,误差曲线就脱会明显增加,这就是更大噪柳声功率对算法中随机梯度的册影响,可以通过下面两个仿珙真图看出。分别取信噪比S牦NR=5和SNR=20。淬=图()(SNR=5)阝
2、图()(SNR=20)递推最小二乘(RLS)算嗳法最小二乘法设已知n龋个数据,…, ,…, ,利用图所示的滤波器结构来估计期望信号,…, ,…啾,。对的估计可表示成 式髀()17/17估计误差- 式(跃)根据最小二乘法,(n簋)的最佳值应该使下列累计平方误差性能函数为最小 ㄗ式(),其中0前加窗法最椭小二乘性能函数为 式(箦)其中 。引入m维矢量祆: 式(),而维矩阵: 式() 式()的最暂佳值满足方程 式()从而有 式()最终得到最小二乘算法的最后方程 式()递推最小二乘(忪RLS)算法由于最小二末乘法的运
3、算量较大,一般不矸适合实时滤波,采用递推算注法可以减少运算量。由式辜()有 式()根据式啁得 式()对矩阵求彀逆得 式()其中为一怂纯量。矩阵 式()N维矢量 , 为谖增益系数式()由式和式ㄜ逆推式可得17/17式()利用臾式,就可以用递推的方式求Чmm维矩阵 的逆,使运算┫量降低。式两端乘以,利Ф用式可得 式()另外荞,根据式可得 式()将式,式,式代入式就可以哏得到式()利用式和式坜的最后两项可简化为,而式进的前两项中的即为。所以由道式可得式()这即为递推最小二乘(RLS)算法雏的递推公式。下图为RL
4、铟S算法的流程图:RLS窑算法的参数分析RLS算码法具体实现需要以下计算式;;;=; ;其中个芍参数意义与LMS相同,新赛增个参数意义为:反相关矩阵; (n):增益向量;宏 :遗忘因子。17/17在RLSД算法中遗忘因子是一个接近≯1但是小于1的正数,一般瞳来说介于到1之间。使用遗畚忘因子的目的在于把接近目悖前时间点的信息乘上越大的权值,而离目前时间点越远Ι的信息乘上越小的权值,也珞就是说,我们重视较近时间点的信息甚与较远时间点的挤信息。若等于1,则表示对领所有的信息都一样,其权值菱都是相同的。RLS算法肷Matlab仿真分
5、析图上图分别为输入信号,输出虽信号和误差信号的曲线,可碾以看出输出信号在经过一段敷时间的自适应调整后,便能第基本达到跟踪,滤波的效果盂。从误差信号曲线也可以看觎出这点,误差输出经过一段瞄时间就趋于稳定。图上图为误差平方的均值曲线,喝大约在t=300时,误差痄趋于收敛,系统完成自适应过程。以上就是围绕对R啶LS算法的分析,着重讨论漠了RLS算法推导,具体实燧现的相关公式以及运用matlab软件对其进行仿真鲧。RLS算法与LMS算醍法的比较分析RLS算法嘶能够在很短的时间内就趋于囊17/17收敛,而LMS算法则有一超个比较长的渐变
6、过程,所以忍RLS的跟踪性能要优于L降MS,这可以从图和图看出析。换句话说,RLS比LM涟S的收敛速度要快。可以通に过下图看出:上图蓝色是矛LMS收敛曲线,红色为R聒LS收敛曲线。可以看出明呙显RLS收敛性要优于LMS算法。而且LMS在收龋敛后波形还有较大波动,而窜RLS就要小的多,基本没有波动,这说明RLS的稳则态误差也是小于LMS的,饔从图和图可以看出。但是由焖于LMS计算量简单,适合于硬件实现,这是RLS无鲣法相比的。所以二者各有优劣。(以上LMS和RLS算法仿真均采用相同的外界谯信号及采样时间点)归一扪化LMS算法
7、(NLMS)主NLMS算法实现NL尥MS算法是将LMS算法中鹄的值重新定义,让值会随输催入信号之正规化作改变,能瞬提升收敛的稳定性。下面为荪NLMS算法实现所需的计算式:; ;;; 各崖参数的定义和LMS算法定适义相同,新增参数的定义为蛰:很小的正常数,一般取=1e-10。LMS算法茇的稳定度和收敛速率受到值啐和参考信号的影响,由于值叟为一固定值,因此LMS的桨整体收敛速率就受它的影响17/17缈,收敛速率对变化较快的信胸号反应并不理想。而NLM立S算法能改善输入信号对收敛因子的影响,值随着时间趑n变化成为(n),使之随中时变
8、化,从而调节至最佳值蟹。另外为了避免当输入信号任过小时造成收敛因子的发散鹜,还加入 值。下图为N`LMS算法的流程图: 瀣SHAPE*MERGEFORMAT NLMSΤ算法的Matlab仿真分睑析图()图()由图器和图可以看出NL
此文档下载收益归作者所有