RLS自适应滤波器
基于 LMS 准则的自适应滤波算法的收敛速度通常较慢,有些在调整过程中的
延时也较大。为了克服 LMS 算法的缺点,我们采用在每个时刻对所有已输入信号
重估的平方误差之和最小这样的准则,即 RLS 自适应滤波算法。从物理概念上说,
这是一种在现有约束条件下利用了最多可利用信息的原则。
RLS 自适应滤波器的结构框图如图 1.1 所示:
图 1.1 RLS 横向自适应滤波器
基本 RLS 自适应算法所遵循的准则是确定这样的 W,它使
=
-
(1-1)
的加权平方和:
=
(1-2)
最小。其中:
=
T
Nkxkxkx )]1(),...,1(),([
(1-3)
=
(1-4)
为略小于 1 的值,
,称为遗忘因子。加入这个因资额的物理含义是在
权系数 W 所用到的输入信号中,我们对时间较近的数据加以较大的权来考虑,时
间教前的数据其权按指数规律减小。这样可使算法更能反映当前的情况,从而加
强对信号统计特性有缓慢变动时的适应性。
一般取 0.95~0.9995,这种加权
的方式为指数权。