稀疏自适应Volterra滤波的QRD-RLS算法

求解非线性问题时,非线性Voherra滤波的性能明显优于线性滤波;稀疏结构Volterra滤波器有效降低了Volterra滤波的工程应用复杂度;本文针对稀疏Volterra滤波,改进了基于QR分解的RLS算法,在更换滤波器抽头的时候保留了先前的数据信息,从而加速当前抽头的收敛,加快了滤波器核矢量的更新和替换。仿真结果表明改进的QRD-RLS算法具有快速自适应能力;一同验证了稀疏Volterra滤波的有效性。

一种无开方无除法的逆QRD-RLS算法在MVDR中的应用

通过仿真,比较了逆QRD-RLS算法和LMS算法的性能。在此基础上,推导并总结了一种基于κλ旋转的无开方无除法的逆QRD-RLS算法。分析表明该算法在估计残差的同时可以方便地提取最优权值。并以4元阵为模型,用该算法设计了波束成形器。

一种基于QRD-RLS分数倍时延估计的方法

数字预失真技术可以有效的增大功放线性工作区间来提高功放效率[1]。数字预失真做为自适应系统,在直接学习和间接学习架构中都试图使得进入预失真器的信号与从功放耦合的反馈信号的差值趋于最小。因此输入信号和功放反馈信号在时域上必须要严格对齐,从保证预失真器的收敛。但是由于进入预失真器的信号经过处理后,再经由DAC、射频处理链路、反馈射频链路和反馈下变频得到对应的反馈信号,使得两者间存在一定时延差。常见的延时估计法有插值估计法和基于自适应算的估计算法,文章提出的基于QRD-RLS的延时估计方法具有实现简单以及适应性好的特点。

快速时变信道中几种自适应信道估计算法的比较研究

主要研究了MIMO-OFDM系统中快速时变信道的信道估计问题,将3种自适应信道估计算法: RLS,QRD-RLS,IQRD-RLS,应用于快速时变信道进行比较研究,并对其进行计算机仿真。仿真结果表明,3种算法性能相似,其中,QRD-RLS和IQRD-RLS算法的收敛速度要快于RLS算法,对于实时系统而言,这两种算法的效率更高。因此,QRD-RLS和IQRD-RIS算法更适合于快速时变信道。