梯度可变遗忘因子RLS算法在智能天线中的应用

提出了用于智能天线自适应波束形成的梯度变遗忘因子RLS算法-GVFF-RLS (Gradient variable forgetting factor Recursive Least Square)算法，通过稳态性能分析及仿真模拟结果，此算法相比其它RLS算法有更快的跟踪能力和更小的均方误差(Mean Square Error)，并且在低信噪比的条件下仍能保持良好的性能。     

基于遗忘因子RLS算法的自适应直达波对消技术

在以民用广播、电视及CDMA等信号为照射源的无源雷达系统中,由于发射信号为连续波信号,直达波和多径信号对雷达回波的干扰很强,影响了目标的检测。为此采用RLS自适应对消处理技术来抑制直达波干扰,针对RLS自适应算法的性能分析,提出了改进RLS自适应处理算法,收到了良好的滤波效果。最后在以广播信号为照射源的实验系统中,根据实际采集的数据进行仿真论证,验证了该方法的可行性。     

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。     

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。     

一种改进RLS算法的性能研究及应用

提出了一种改进的RLS算法,它结合了可变遗忘因子的RLS算法和平方根Kalman 算法的优点,既有可变遗忘因子的RLS算法对时变参数的快速跟踪能力,又有平方根Kalman 算法对设备精度要求低的特点。改进后的RLS算法具有较小的参数估计误差,数值稳定性好,是一种适合工程实现的较优算法,已经在跳频通信中应用实现。     

混合噪声中非线性RLS算法的性能分析

本文给出了在混合噪声中非线性递归最小均方误差算法的性能分析.该算法即是非线性RLS(NRLS).对残差的饱和处理使用了广义限幅函数.提出了改进的NRLS均方分析.计算机数值模拟表明理论分析与模拟结果符合得很好.根据该分析,可以将NRLS的收敛和均方误差表示为非线性函数的斜率和限幅水平的函数.基于归一化的均方误差(mse),引入了一个辅助变量,导出了时变限幅函数,加速了收敛并且得到了更小的均方误差.     

一种基于误差相关函数的改进变步长LMS算法

最小均方算法的收敛速度和稳态误差之间存在矛盾,为此人们提出了各种变步长LMS算法,其中E-LMS算法是将步长与瞬时误差平方相关联,R-LMS算法是将步长与误差的相关函数相关联。E-LMS算法的抗噪性能较差,在低信噪比条件下性能明显变差,R-LMS算法对突变系统的跟踪能力较差。为此文中给出了一种改进的,基于误差相关函数的VSS-LMS算法,该方法利用E-LMS算法的控制步长策略提高算法的跟踪能力。计算机仿真结果显示,该算法能够同时满足抗噪和跟踪两种要求。     

一种新的可变步长LMS自适应滤波算法

在简单讨论基本LMS，变步长NLMS和LMS／F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法，新算法引入修正系数ρ和遗忘因子λi=exp(-i)，并利用ρ和λi来产生新的步长参与迭代，计算机仿真结果表明，与基本LMS算法或变步长NLMS、LMS／F组合算法相比，新算法在保持算法简单这一特点的同时进一步加快了收敛速度，并能够收敛到更小且稳定的均方误差(MSE)。     

基于遗传算法的RLS自适应算法研究

在通信系统中采用信道均衡技术是改善信道特性行之有效的方法,但研究算法的同时,往往需要通过大量的仿真实验取平均值来选取最优的参数值,本文首先利用MATLAB仿真软件对线性调制下RLS自适应算法进行仿真分析,然后引入遗传算法的寻优特性及其优点,对RLS最佳遗忘因子λ的选取进行了寻优,得出最佳遗忘因子λ的取值,提供了参数选择的一条捷径,最后通过对比最优λ与参照λ,计算RLS算法均衡已知信号的均方误差值,证明了该方法的可行性。     

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。     

基于可变遗忘因子RLS在OFDM系统的载波频偏估计

在时变信道下正交频分复用（OFDM）系统中,通过导频辅助,提出基于可变遗忘因子RLS（VFF-RLS）的载波频偏（CFO）估计改进算法。针对传统RLS（CFF-RLS）算法中遗忘因子无法同时满足CFO估计收敛速度和收敛精度的缺陷,本文设计了线性变化遗忘因子(LFF)和非线性变化遗忘因子(NLFF) 两种可变遗忘因子方案来提升CFO估计性能。仿真结果显示：在低信噪比的情形下,基于VFF-RLS算法的CFO估计性能明显优于基于CFF-RLS算法的CFO估计性能。     

RLS Algorithm with Variable Fogetting Factor for Decision Feedback Equalizer over Time-Variant Fading Channels

In a high-rate indoor wireless personal communication system, the delay spread due to multipath propagation results in intersymbol interference (ISI) which can significantly increase the transmission bit error rate (BER). Decision feedback equalizer (DFE) is an efficient approach to combating the ISI. Recursive least squares (RLS) algorithm with a constant forgetting factor is often used to update the tap-coefficient vector of the DFE for ISI-free transmission. However, using a constant forgetting factor may not yield the optimal performance in a nonstationary environment. In this paper, an adaptive algorithm is developed to obtain a time-varying forgetting factor. The forgetting factor is used with the RLS algorithm in a DFE for calculating the tap-coefficient vector in order to minimize the squared equalization error due to input noise and due to channel dynamics. The algorithm is derived based on the argument that, for optimal filtering, the equalization errors should be uncorrelated. The adaptive forgetting factor can be obtained based on on-line equalization error measurements. Computer simulation results demonstrate that better transmission performance can be achieved by using the RLS algorithm with the adaptive forgetting factor than that with a constant forgetting factor previously proposed for optimal steady-state performance or a variable forgetting factor for a near deterministic system.     

ATM基于预测的动态带宽分配及仿真

研究了ATM通信网络在通信业务量控制中的带宽资源分配问题,提出了基于变遗忘因子的递推最小二乘预测的动态带宽分配决策的基本原理,建立了以实时预测值作为反馈的网络资源分配机制,并通过一个实例仿真和分析表明了这种方法的可行性。     

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。     

Numeric Variable Forgetting Factor RLS Algorithm for Second-Order Volterra Filtering

Nonlinear adaptive filtering techniques for system identification (based on the Volterra model) are widely used for the identification of nonlinearities in many applications. In this correspondence, the improved tracking capability of a numeric variable forgetting factor recursive least squares (NVFF-RLS) algorithm is presented for first-order and second-order time-varying Volterra systems under a nonstationary environment. The nonlinear system tracking problem is converted into a state estimation problem of the time-variant system. The time-varying Volterra kernels are governed by the first-order Gauss–Markov stochastic difference equation, upon which the state-space representation of this system is built. In comparison to the conventional fixed forgetting factor recursive least squares algorithm, the NVFF-RLS algorithm provides better channel estimation as well as channel tracking performance in terms of the minimum mean square error (MMSE) for first-order and second-order Volterra systems. The NVFF-RLS algorithm is adapted to the time-varying signals by using the updating prediction error criterion, which accounts for the nonstationarity of the signal. The demonstrated simulation results manifest that the proposed method has good adaptability in the time-varying environment, and it also reduces the computational complexity.     

用于自适应天线的稳健的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。     

应用于自适应格型RLS滤波器的变阶数算法

提出了一种新的变阶数(或抽头长度)算法,并将之应用于变阶数自适应格型递归最小二乘(RLS)滤波器的阶数更新中,讨论了格型滤波器阶数更新时相关参数的调整方法。新算法以分贝的形式比较短滤波器与长滤波器的时平均平方误差,采用自适应的抽头长度步长,能够在滤波器权值未收敛时同时快速更新滤波器长度与权值,且在不同大小噪声条件下都能收敛到最优阶数。理论分析与不同大小噪声条件下的自适应系统辨识仿真结果验证了新算法的有效性。