用于自适应天线的稳键的RLS算法

抗干扰通信是电子战的重要组成部分，自适应天线不仅具有很强的抗干扰能力而且可以与其它通信抗干扰技术相兼容，自适应算法是自适应天线的核心，本文把应用数学学科研究的热门方法之一“稳健估计（RE）”应用于RLS算法中，得到稳健的RLS算法（RRLS），理论分析与计算机模拟结果都证明了RRLS算法基本保持了RLS算法的优点，同时在抗突出值干扰方面，优于RLS算法，提高了RLS算法的稳健性。     

用于自适应数字波束形成的稳健子阵异步RLS算法

提出了一种修正的递归最小二乘自适应算法--稳健子阵异步递推最小二乘算法(MSARLS)--用于自适应数字波束形成.该算法综合运用稳健估计和子阵异步递推技术.改进后的算法,不但大大减少了运算量,而且增强了算法抗突发强干扰的性能.另还给出了计算的理论分析和计算机仿真结果.     

一种基于RLS算法的改进自适应算法DSRLS

在简要介绍RIS算法的基础上,从信道的角度分析该算法的不足并提出了改进算法—双边RLS算法(DSRLS)。对于该算法先从理论的角度进行仿真,从而证明该改进方法的有效性,然后推导出适合于工程的递推算法,并给出递推算法的仿真结果。仿真结果表明DSRLS算法比RLS算法在收敛后具有更好的收敛性能。     

一种基于RLS算法的自适应时延估计算法

针对基于LMS算法的自适应时延估计算法收敛速度慢的缺点,推导出一种基于RLS算法的自适应时延估计算法,并分析了基于RLS算法的自适应滤波器的均值性能。经仿真证明该算法的收敛速度有了一定提高,并且其时延估计的跟踪性能得到了改善。     

稳健的MRLS码片均衡算法

码片均衡是提高第三代移动通信系统性能的关键技术之一。为了增强码片均衡器抗突发干扰的能力，本文将应用数学中的“稳健估计(RE)”应用于MRLS算法中，得到稳健的MRLS算法(RMRLS)。理论分析与计算机模拟结果都证明了RMRLS算法在保持MRLS算法的优点的同时，提高其抗突发干扰的能力，使MRLS算法更加稳健。     

基于LMS算法与RLS算法的自适应滤波

自适应信号处理的理论和技术已经成为人们常用滤波和去噪技术。文中讲述了自适应滤波的原理以及LMS算法和RLS算法两种基本自适应算法的原理及步骤。并用MATLAB分别对两种算法进行了自适应滤波仿真和实现。     

一种新型自适应均衡算法—RLS结合型算法

本文根据RLS算法和自适应均衡的特点,提出了一种新的自适应均衡算法——RLS结合型算法,并通过在短波信道上模拟判决反馈均衡器(DFE)研究了其性能。新算法是这样工作的:在训练方式,采用RLS算法;在传输方式,采用近似RLS算法。分析和计算机模拟结果表明:新算法的收敛速度和RLS算法一样快,稳定性和计算效率均优于RLS算法。     

基于LMS算法与RLS算法自适应滤波及仿真分析

自适应滤波器在随机信号处理当中得到了广泛应用.文讲述了LMS算法和RLS算法的基本原理,基于两种算法的推导过程较为繁琐,不便理解,本文以两种算法的主要计算环节为突破口,选取合适的迭代公式,对两种算法进行公式推导,方便读者理解.同时,本文通过原理推导、软件仿真的试验方法,设置输入信号、噪声信号,通过输出信号的图像走势对两种算法的优缺点进行对比分析,使读者对两种算法及滤波器的设计具有直观的认识,有一定的参考意义.     

CDMA2000下行接收技术研究--一种改进的带自适应存储的RLS算法

在下行链路中,接收机必须克服多径衰落等信道环境的负面影响,同时收端只想解调所期望用户的信号,抑制由其他用户引起的干扰,此外接收机也需要较低的运算量.本文对Rake接收和两种次优线性多用户检测（DD和MMSE）算法进行了研究和性能比较.在综合考虑了各种接收算法优缺点的基础上提出了一种改进的带自适应存储的RLS多用户接收算法,并对这种算法做了分析和性能仿真.仿真结果表明在相同指标和减少运算量的情况下,该算法可以得到比次优MMSE算法近2 dB左右的增益,系统的性能得到了提高.     

并行RLS算法分析

RLS算法是一种被广泛应用、有效的自适应滤波算法。而如何提高算法速度，减少运算量一直是其研究的一个热点。分析提出了并行RLS算法。与常规算法相比，并行算法具有更高的数据吞吐率和滤波速度。如果考虑其硬件实现，可以得到效率更高,结构更简单的滤波器结构。     

基于稀疏重构的共形阵列稳健自适应波束形成算法

针对共形阵列天线自适应波束形成中存在的通用性差、主瓣保形困难、计算复杂度高等问题,该文提出一种基于稀疏重构的稳健自适应波束形成算法。该算法通过引入渐进最小方差准则,实现了干扰加噪声协方差矩阵的稀疏重构,并得到期望方向上的导向矢量估计,进而求得波束形成器的最优权矢量。该算法无需复杂的子阵分解或虚拟映射变换,适用于任意阵列形状。仿真实验验证了该算法不仅保证了期望的主瓣响应,同时对指向误差有较好的稳健性。与现有算法相比,该算法所需采样快拍数少,计算复杂度低,收敛速度快,在较大的输入信噪比范围内达到了较好的阵列输出性能。     

自适应算法LMS和RLS的仿真分析

在目前的移动通信领域中,克服多径干扰,提高通信质量是一个非常重要的问题,而自适应滤波器能很好的解决这个问题,自适应滤波器的核心是自适应算法。具体地讲述自适应算法的理论体系,模型及具体实施,分析两种典型的算法最小均方算法(LMS)和递归最小二次方算法(RLS),并根据仿真的结果得出结论。     

LMS与RLS算法仿真消噪对比研究

讨论了RLS（递归最小二乘）和LMS（最小均方）自适应滤波算法及原理,对两种算法进行了系统全面的分析,对比研究了各自的优势及不足,提出了两种算法在语音消噪仿真中的算法实现,对实际语音信号进行了仿真消噪,研究表明选用算法对语音消噪是明显有效的,RLS自适应消噪算法及LMS自适应噪声抵消算法具有很强的实际应用价值。     

RLS算法自适应信道估计的性能分析

文中首先介绍了基本的RLS算法,分析了RLS算法中的初始化系数δ和遗忘因子λ对RLS算法收敛性能的影响。通过仿真可以看出,在相同的信噪比下,不同的δ对应不同的收敛性能。而不同的λ对收敛性能也有较大的影响。     

一种全解耦的RLS自适应Volterra滤波器

本文研究了Volterra自适应滤波器解耦问题,提出了一种全解耦的RLS自适应Volterra滤波器.按照Volterra滤波器的伪线性组合结构,采用RLS滤波原理和约束优化理论,导出了满足最小累计平方误差指标的具有分块对角形输入相关矩阵的全解耦Volterra标准方程,据此设计了一种全解耦的RLS自适应Volterra滤波器,给出了滤波器权向量自适应修正的一套公式.仿真结果验证了本文方法的有效性.