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。     

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.     

前窗快速RLS算法的重新启动

本文对前窗快速RLS算法提出了几种新的重新启动方法,使前窗算法在重新启动后仍能有效地应用于联合过程估计问题,而避免了较复杂的协方差类算法。实验结果表明,这些方法具有简单实用的特点。     

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。     

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。     

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。     

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。     

智能天线自适应算法研究

智能天线是第三代移动通信系统的关键技术之一。本文在简要介绍智能天线的基本原理和系统组成的基础上,详细论述了智能天线的自适应算法和技术优势。     

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.     

WCDMA系统中智能天线PSALS-SDRMTA自适应算法

本文结合3GPP协议针对第三代移动通信WCDMA系统推导出了基于最小二乘准则的导频符号辅助解扰解扩重扩多目标阵列自适应算法,然后对此算法作了仿真,结果证明PSALS-SDRMTA算法是有效的。     

WCDMA-TDD中的重复迭代自适应智能天线算法

提出一种用于WCDMA-TDD系统的重复迭代自适应智能天线算法.通过在自适应算法中把阵列输入信号和作为参考信号的训练序列重复使用,可以在短训练序列情况下实现较好的收敛,提高通信系统的传输效率.对LMS算法中全训练序列重复迭代和滑动窗口重复迭代算法进行了仿真,结果表明,在有限训练序列时该算法比传统LMS算法更好地逼近最佳解.     

CDMA系统中自适应阵列天线的改进算法

为改善调节阵列天线阵元权向量自适应算法的收敛稳定性，提出了一个改进算法。该改进算法不仅稳定、简单，而且能大大降低误码率。仿真结果对改进算法给予了有力的支持。     

智能天线自适应波束形成算法的研究

巨大的通信需求量与有限的频谱资源之间的矛盾越来越突出,智能天线凭借其特有的空间滤波的特性,采用空分多址方式,高效率地使用频谱资源,在保证通信质量的基础上大规模地提高系统容量。按照非盲算法与盲算法的分类,分别介绍了非盲目算法中的最小均方算法和盲目算法中的最小二乘恒模算法,并对两种算法通过matlab进行仿真。     

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。     

智能天线自适应波束赋形算法的研究

智能天线作为3G及未来移动通信的核心技术，是当前通信领域的研究热点。阐述了智能天线的基本原理，并对自适应波束赋形算法进行了分类，较为详细地比较和分析了几种算法的特点及其适用条件。基于算法的现状，提出了未来的研究方向。     

TD-SCDMA系统中智能天线的重复迭代自适应算法

提出一种用于TD-SCDMA系统的重复迭代自适应智能天线算法。通过在自适应算法中把阵列输入信号和作为参考信号的训练序列重复使用,可以在短训练序列情况下实现较好的收敛,提高通信系统的传输效率。对LMS算法中全训练序列重复迭代和滑动窗口重复迭代算法进行了仿真,结果表明,在有限训练序列时本算法比传统LMS算法更好地逼近最佳解。     

一种改进的RLS自适应滤波器算法

本文首先简单地介绍了快速ＲＬＳ（ＦＲＬＳ）算法，并提出了稳定快速的基于ＦＲＬＳ算法的修正ＦＮＴＦ算法——ＣＦＮＴＦ算法。最后对其进行计算机仿真。