基于递归最小二乘算法的自适应波束形成器matlab代码

用RLS算法实现自适应均衡器的MATLAB程序用RLS算法实现自适应均衡器的MATLAB程序

随着近年来数字通信技术的发展，信号中经常混有各种复杂成分，所以很多信号分析都是基于滤波器而进行的，而数字滤波器是通过数值运算实现滤波，具有处理精度高、稳定、灵活、不存在阻抗匹配问题，可以实现模拟滤波器无法实现的特殊滤波功能。对于基带信号传输来说，自适应时域性均衡器越来越得到重视，它是以有限长冲激响应(FIR)数字滤波器为基础，提出的一种可以适应当前环境的一种滤波器，其所用的存储单元较少，效率高，精度高，而且能够保留一些模拟滤波器的优良特性，因此应用很广。Matlab软件以矩阵运算为基础，把计算、可视化及程序设计有机融合到交互式工作环境中，并且为数字滤波的研究和应用提供了一个直观、高效、便捷的利器。尤其是Matlab中的信号处理工具箱使各个领域的研究人员可以直观方便地进行科学研究与工程应用。本文介绍了自适应滤波器的理论基础，重点讲述了自适应滤波器的几种实现结构， 然后重点介绍了两种自适应滤波算法最小均方误差（LMS）算法和递推最小二乘（RLS）算法，并对LMS算法和RLS算法性能进行了详细的分析。其中LMS算法结构简单，鲁棒性强，但其收敛速度很慢，而RLS收敛速度快，但其运算量很大。最后本文对基于LMS算法和RLS算法的自适应滤波器进行MATLAB仿真分析。

自适应均衡中RLS的Matlab实现(以函数形式给出，很方便使用)，有详细的注释，希望大家喜欢。

使用常模算法实现通信信号的盲均衡，具体算法有CMA算法、RLS-CMA算法，以及改进软法MRLS-CMA算法

现有的信道估计算法大多是基于高斯噪声模型假设。然而在实际无线通信环境中，常常出现脉冲噪声使得噪声不再满足高斯模型，而是满足一种广义高斯分布（GGD）噪声模型。采用传统的自适应信道估计算法（如递归最小二乘（RLS）算法）无法抑制这种非高斯噪声的干扰。对此提出一种可抑制非高斯噪声干扰的RLS信道估计算法。该算法通过在标准RLS算法中引入两种稀疏约束函数（L1-范数和L0-范数）来有效地挖掘稀疏结构信息。通过蒙特卡罗仿真，验证了提出的信道估计算法的估计性能比标准RLS算法更好。

This paper discussed the performance analysis of the recursive least squares (RLS) algo- rithm. Both mean and mean square behavior are studied. By using a novel and more accurate ap- proaching method, accompany with averaging principle, an improved performance analysis of mean square behavior is carried out. It is shown that the theoretical analysis and the simulation result are close to each other, outperforming of the conventional analysis of RLS algorithm. The stability of the basic RLS algorithm is discussed under the new analysis result

rls算法，递推最小二乘法是最小二乘法中的一种快速算法。递推最小二乘（RLS）算法在迭代过程的每一步都能达到最佳迭代算法。RLS算法可以使输出信号在最小二乘意义上尽可能接近期望信号，因为它可以选择自适应滤波器的权重系数。RLS算法在最小化过程中必须使用所有可用的输入信号信息。

MATLAB RLS算法的代码，详细地介绍了 RLS的迭代递归过程。

RLS递归最小二乘方自适应算法源程序-rls算法.rar RLS（递归最小二乘方自适应算法源程序）