32、自适应系统中的算法比较与主成分分析

自适应系统中的算法比较与主成分分析

1. LMS和RLS参数比较

在自适应滤波算法中，fast Kalman和FAEST算法有着相似的思路。它们都基于扩展一个长度的卡尔曼增益，同时使用前向和后向预测值a和b，并且引入了遗忘因子ρ。以下是FAEST算法在MatLab中的内循环代码：

%********* FAEST Update of k, a, and b
ef=xin - a’*x; % a priori forward prediction error
ediva=ef/(rho*af); % a priori forward error/minimal error
ke(1)=-ediva; % extended Kalman gain vector update
ke(2:l+1)=k - ediva*a; % split the l+1 length vector
epsf=ef*psi; % a posteriori forward error
a=a+epsf*k; % update forward coefficients
k=ke(1:l) + ke(l+1).*b; % Kalman gain vector update
eb=-rho*alphab*ke(l1); % a priori backward error
alphaf=rho*alphaf+ef*epsf; % forward minimal error
alpha=alpha+ke(l+1)*eb+ediva*ef; % prediction crosspower
psi=1.0/alpha; % psi makes it a 2 div algorit