资源列表
job(2)
- Matlab处理图形图象的一些处理函数使用方法介绍
45666019bosuxingchengsuanfa
- MATLAB Compiler 是MATLAB自带的一个编译器，它能将m文件转化成 C、C++或p等各种类型的源代码，并根据需要生成可执行文件、lib文件（库文件）、dll文件或S函数?BR> [lms_communication
FilterAndColor
- 滤波器与伪彩色变换， 1。一个通用的高通、低通、带通和带阻滤波器函数 2。又分别实现理想、巴特沃思和指数等滤波形式 3。伪彩色处理 内附设计文档。
Adaptivenotchfilter
- 在自适应信号的理想输入为有正弦信号。噪声输入也为一正弦信号。它们相互迭加，再经过LMS自适应算法，再比较它们的结果。
Adaptiveequalizer
- 在信道均衡运用中，将发送的受信道失真影响的原始信号作为自适应滤波器的输入信号，可期望信号是原始信号的时延形式，如图22（a）所示。通常情况下，输入信号的时延形式在接收端是可以得到的，采用形式是标准的训练信号。当MSE达到最小时，就表明自适应滤波器代表了信道的逆模型（均衡器）。
AdaptiveFilter
- 所谓的自适应滤波，就是利用前一时刻以获得的滤波器参数的结果，自动的调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节其自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要关于输入信号的先验知识，计算量小，特别适用于实时处理。
RLS
- 递归式最小均方（RLS）算法的基本思想是力图使在每个时刻对所有已输入信号而言重估的平方误差的加权和最小，这使得RLS算法对非平稳信号的适应性要好。与LMS算法相比，RLS算法采用时间平均，因此，所得出的最优滤波器依赖于用于计算平均值的样本数，而LMS（NLMS）算法是基于集平均而设计的，因此稳定环境下LMS（NLMS）算法在不同计算条件下的结果是一致的
NLMS
- 若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方误差作为均方误差的MSE简单估计，这也是LMS算法的基本思想
fowardpathsimulat
- 前向链路的信道路径仿真 为通信事业做出点小小事情
LMS
- 最小均方（LMS）自适应算法就是一中已期望响应和滤波输出信号之间误差的均方值最小为准的，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法。LMS算法是一种梯度最速下降方法，其显著的特点是它的简单性。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。
generate_datas_oil
- 生成oil价格仿真数据，用于模型辨识，参数辨识的验证
intmain
- 利用matlab产生二进制调制信号波形，以实现噪声信号干扰研究