RLS算法及其改进形式在信号分离中的应用分析

本文着重研究了自适应滤波器的重要实现形式——递推最小二乘算法（RLS）的原理,分析了RLS算法在应用中的优点及存在问题。为解决RLS算法收敛速度和稳态误差的矛盾及系统在趋于平稳时跟踪效果差的问题,本文从实现可变遗忘因子和增加自扰动项两个方面介绍了RLS算法的几种改进方法。并将它们应用于复杂电磁环境、强干扰背景下的信号分离中去。通过仿真实验,对RLS算法及其两种改进方法在信号分离中的效果进行了比较,得出可变遗忘因子RLS算法在收敛速度和分离信号的准确性上都具有较好的性能。     

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。     

基于可变遗忘因子在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,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。     

基于可变遗忘因子RLS的Boost转换器在线多参数辨识北大核心CSCD

针对Boost转换器控制性能受电感和电容变化影响的问题,提出了一种基于可变遗忘因子递推最小二乘法(recursive least squares method,RLS)的在线多参数辨识算法.考虑电感电流纹波,推导了精确的电感和电容辨识模型.在此基础上,研究了RLS算法中遗忘因子动态取值问题.通过在算法的误差信号中恢复系统噪声的方法,动态计算遗忘因子的取值,解决了传统RLS算法难以兼顾稳态精度和参数跟踪能力的问题.仿真结果表明,该算法可以在动态条件下,精确且快速地跟踪电感和电容值的变化,且具有良好的鲁棒性.     

一种基于无偏协方差估计RLS的自适应阵列天线抗干扰算法

RLS是自适应阵列天线抗干扰的主要算法之一。为提高RLS算法对遗忘因子选择健壮性,避免因遗忘因子选择不当所造成的算法不收敛问题,本文针对自适应阵列天线的多路接收信号,基于其无偏协方差矩阵模型,推导设计出了一种新的RLS算法,相比于常规RLS,在该算法中遗忘因子可以更加精确地控制RLS迭代过程项,降低因遗忘因子设置不当而造成的算法不收敛风险。通过仿真验证了算法的有效性。     

一种自适应可变遗忘因子DCD-RLS算法

RLS最终的问题可以归结为正规方程的求解。解决正规方程可以采用非线性搜索的方法。为了降低复杂度可以采用二分坐标下降法。可变遗忘因子对算法有影响。可变遗忘因子的设置是通过时间平均误差相关来自适应调节。相对于其他可变遗忘因子的设置方法它的复杂度很低。通过仿真结果发现此算法与传统的算法的性能差不多。     

平方根递归最小二乘自适应判决反馈均衡器算法

在近四年来发展的平方根递归最小二乘(RLS)算法的基础上,本文导出了一种新形式的自适应均衡器算法——分数间隔(Fractional]y-spaced)平方根RLS判决反馈均衡(DFE)算法。除了保持DFE的优良特性外,该算法以少量计算量增加的代价改善了普通RLS均衡算法(如快速Kalman、斜格算法等)的数值稳定性并压缩了其动态范围。文中给出了数值结果对比。     

一种变遗忘因子RLS算法的分析与仿真

自适应信息处理的算法中的RLS算法在信号处理等方面已经得到了大量的应用。首先简要介绍了RLS算法,然后通过对RLS算法中的遗传因子的研究与分析,提出了一种新的变遗忘因子算法,通过修正函数对遗传因子进行修正,实现了此算法的优势,最后对该算法做了仿真试验。试验证明,此算法收敛速度和跟踪效果远好于普通RLS算法,并且系统稳定,具有较强的应用价值。     

PCMA自适应自干扰对消算法与仿真

讨论了成对载波多址(PCMA)自适应自干扰对消原理,分析了参数估计误差对自干扰对消的影响。在频偏误差的影响下对消误差为非平稳过程,传统自适应对消滤波器无法收敛。为了克服频偏误差的影响,提出了一种自适应可变遗忘因子(VFF)RLS算法,同时,给出了具有高精度低运算量的模糊函数参数估计算法。仿真证明了VFF-RLS对消算法具有良好的对消性能和稳健性,且需要的额外功率较低,能满足PCMA系统要求。     

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。