基于递归最小二乘 (RLS) 和最小均方 (LMS) 算法进行系统识别附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测雷达通信 无线传感器

信号处理图像处理路径规划元胞自动机无人机 电力系统

⛄ 内容介绍

采用最小均方误差(LMS)算法和递归最小二乘(RLS)算法进行MATLAB仿真分析,对比两种误差收敛曲线可以看出,LMS算法误差收敛速度和收敛精度均要低于RLS算法,所以RLS算法收敛更快更精确.

⛄ 部分代码

%% System Identification Using Recursive Least Square (RLS) and Least Mean Square (LMS) algorithm

% Plant identification simulation

% Author: SHUJAAT KHAN (shujaat123@gmail.com)

%% Start

clc;

clear all;

close all;

N = 100000;       % Number of samples

Bits = 2;      % For PSK modulation    

SNR = 10;       % Noise level

h = [0.9 0.2 0.5 -0.7];         % Plant impulse response

data = randint(1,N);            % Random index for input data

x = real(pskmod(data,Bits));    % Phase shit keying (PSK) modulation

r = filter(h,1,x);              % Input passed trought system(h)

d = awgn(r, SNR);               % Addition of white gaussian noise of decined SNR

⛄ 运行结果

⛄ 参考文献

[1]陈国通, 孙敬, 刘琪. 基于MATLAB的波束形成算法研究[J]. 内蒙古科技与经济, 2018(23):2.

⛄ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料