自适应滤波lms算法及rls算法及其仿真

《自适应滤波lms算法及rls算法及其仿真》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、自适应滤波第1章绪论................................................................................................................................................11．1自适应滤波理论发展过程...........................................................................................

2、...............11．2自适应滤波发展前景..................................................................................................................21．2．1小波变换与自适应滤波....................................................................................................21

3、．2．2模糊神经网络与自适应滤波............................................................................................3第2章线性自适应滤波理论...................................................................................................................42．1最小均方自适应滤波器..........

4、....................................................................................................42．1．1最速下降算法....................................................................................................................42．1．2最小均方算法....................

5、................................................................................................62．2递归最小二乘自适应滤波器......................................................................................................7第3章仿真........................................

6、....................................................................................................123.1基于LMS算法的MATLAB仿真.................................................................................................123.2基于RLS算法的MATLAB仿真.....................

7、............................................................................15组别：第二小组组员：黄亚明李存龙杨振I第1章绪论从连续的(或离散的)输入数据中滤除噪声和干扰以提取有用信息的过程称为滤波。相应的装置称为滤波器。实际上，一个滤波器可以看成是一个系统，这个系统的目的是为了从含有噪声的数据中提取人们感兴趣的、或者希望得到的有用信号，即期望信号。滤波器可分为线性滤波器和非线性滤波器两种。当滤波器的输出为输入的线性函数时，该滤波器称为线

8、性滤波器，当滤波器的输出为输入的非线性函数时，该滤波器就称为非线性滤波器。自适应滤波器是在不知道输入过程的统计特性时，或是输入过程的统计特性发生变化时，能够自动调整自己的参数，以满足某种最佳准则要求的滤波器。1．1自适应滤波理论发展过程自适应技术与最优化理论有着密切的系。自适应算法中的最速下降算法以及最小二乘算法最初都是用来解决有／无约束条件的极值优化问题的