%LMS、RLS、LSL算法性能比較
clear?all;
clear?all;
N=500;%抽樣次數
%參考信道模型參數值
ini_a=-1.6*ones（1N）;
ini_b=0.8*ones（1N）;
x=randn（1N）;%高斯白噪聲
%LMS算法開始
%求LMS算法中的輸出期望值?
for?i=3:N
????lms_d（i）=x（i）-1.6*x（i-1）+0.8*x（i-2）;
end
lms_w=zeros（N+13）;%LMS算法權系數/估計信道模型參數
%參數逼近/LMS算法
for?i=3:N
????lms_u=[x（i）x（i-1）x（i-2）]‘;
????lms_y（i）=lms_w（i:）*lms_u;
????lms_e（i）=lms_d（i）-lms_y（i）;
????lms_w（i+1:）=lms_w（i:）+0.005*lms_e（i）*lms_u‘;
end
%LMS算法結束
%figure
%plot（lms_w（:2）‘r‘）
%draw?parameter?3
%figure
%plot（lms_w（:3）‘g‘）
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%RLS算法開始
%求RLS算法輸出期望
for?i=3:N
????rls_d（i）=x（i）-1.6*x（i-1）+0.8*x（i-2）;
end
rls_w=zeros（N+13）;%RLS算法權系數/估計信道模型參數
%自相關函數及相關參數初始化
R=0;
t=0;
lmta=0.99;
%RLS算法參數逼近
for?i=3:N
????rls_u=[x（i）x（i-1）x（i-2）]‘;
????k=t*rls_u/（lmta+rls_u‘*t*rls_u）;
????rls_e=rls_d（i）-rls_w（i:）*rls_u;
????rls_w（i+1:）=rls_w（i:）+（k*rls_e）‘;
????R=lmta*R+rls_u‘*rls_u;
????t=1/R;
end
%figure
%plot（rls_w（:2））
%figure
%plot（rls_w（:3））
%RLS算法結束
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%LSL算法開始
%x=randn（11000）;
lsl_a=[1-1.60.8];????
lsl_b=[1];????
lsl_d=filter（lsl_blsl_ax）;%期望輸出
M=3;%濾波器階數+1
%相關參數初始化
eb（:1）=ze