Kernel自适应滤波器算法是基于Kernels的在线自适应回归算法。非常适合非线性滤波，跟踪和回归。该工具箱包括算法，演示和性能比较工具(Kernel adaptive filtering algorithms are online and adaptive regression algorithms based on kernels. They are suitable for nonlinear filtering, prediction, tracking and nonlinear r

状态空间递归最小二乘（SSRLS）是确定性信号的线性估计的最优。 然而，SSRLS的性能取决于模型的不确定性，观测信号的时变性质或观测噪声的非平稳行为。 我们结合遗忘因子的随机梯度调整来开发具有自适应记忆的SSRLS。 这种新算法解决了标准SSRLS面临的局限性。 还导出了减轻计算负担的实际滤波器的近似值。 跟踪有噪声啁啾的示例表示并演示了新算法的整体能力和功能。 预计这种新滤波器能够跟踪和估计难以处理可用工具的时变信号(State Space Recursive Least Squares (

jQuery文件树插件wdTree， 此演示显示一次性加载10,000个节点树的性能。 您可以展开/折叠并选中/取消选中/取消选中节点以查看其响应速度。