基于RLS算法的数据预测与MATLAB实现

资 源 简 介

递归最小二乘（RLS）算法是一种典型的数据处理方法，由著名学者高斯在1795年提出，高斯认为，根据所获得的观测数据来推断未知参数时，未知参数最可能的值是这样一个数据，即它使各项实际观测值和计算值之间的差的平方乘以度量其精度的数值以后的和为最小，这就是著名的最小二乘。递归最小二乘（RLS）算法在信号自适应滤波分析中广泛应用，递归最小二乘（RLS）算法收敛速度快，且对自相关矩阵特征值的分散性不敏感，然而其计算量交大，本章主要研究基于RLS进行数据的预测与MATLAB实现。

详 情 说 明

在数据处理中，递归最小二乘（RLS）算法是一种广泛使用的方法。这种方法最早由著名学者高斯在1795年提出。高斯认为，当我们根据获得的观测数据推断未知参数时，未知参数最可能的值是一个数据，这个数据使得各项实际观测值和计算值之间的差的平方乘以度量其精度的数值以后的和最小。这就是著名的最小二乘。递归最小二乘（RLS）算法在信号自适应滤波分析中广泛应用。它具有收敛速度快的优点，而且对自相关矩阵特征值的分散性不敏感。然而，由于其计算量巨大，本章将重点研究如何基于RLS进行数据预测，并提供MATLAB实现的方法。