搜索资源列表
LMS_filter
- 仿真AR（2）模型的LMS自适应滤波器。 -simulation AR (2) Model LMS adaptive filter.
LMSalgorithm
- 基于MMSE算法的自适应均衡LMS算法仿真，采用AR模型
code
- ar模型 bt算法 ls rls lms music等数字信号处理的源代码
LMS-FTF-LSL
- 包括：三种LMS算法实现AR(2)的预测，法2、3用递推计算Km,两者区别在于d(n)的取法略微不同；用LSL和FTF算法实现简单的系统辨识。-Include: three LMS algorithm AR (2) the forecast, France 2,3 calculated with recursion Km, whichever is the difference between d (n) of a slightly different取法 LSL and the FTF al
LMS-AR
- 本程序利用自适应LMS算法实现FIR最佳维纳滤波器。可用于观察影响自适应LMS算法收敛性，收敛速度以及失调量的各种因素-This procedure using adaptive LMS algorithm is optimal FIR Wiener filter. Can be used to observe the impact of adaptive LMS algorithm convergence, convergence speed and the amount of imbalan
matlat_for_prediction
- 此文件包含三个MATLAB程序，用于对线性系统AR模型的权向量估计：Kalman滤波估计，RLS和LMS，均为较常用的估计方法，并附有相应的仿真图-There are three programs in this files:kalman,RLS and LMS to pridict the victors of linear systems . These three wawys are common and useful in signal processing
LMS_AR
- Matlab Code for Estimation of AR(1) Process by Using LMS Algorithm.
lms
- 自己编写的AR过程线形预测器的LMS算法-I have written of the AR process of the LMS algorithm linear predictor
signal
- 产生一个随机信号和两个不同频率但频率间隔很小的正弦信号，要求对两信号之和进行如下分析： （1） 求该随机信号的自相关性系数、自相关函数，画出对应的图形； （2） 利用不同的参数建模方法求出两个随机信号的功率谱； （3） 利用极大似然估计、递推最小二乘法等常用的参数估计方法估计所建模型，包括AR模型、MA模型和ARMA模型的的参数，阶次自定；并与Matlab工具箱里的一些建模函数的运算结果进行比较； （4） 利用陷波滤波和MUSIC滤波方法对该信号的频谱进行估计； （5） 利
lms_ar
- 用lms迭代算法求解AR参数模型的权向量及学习曲线的训练-using lms to find out the learning plot
LMS
- 基于一阶AR模型u(n)=0.99u(n-1)+v(n),白噪声方差0.93627.步长0.05.分别使用M=2和M=3抽头的滤波器，用LMS算法实现u(n)的线性预测估计。并附仿真图已被参考。-Based on a first-order AR model u (n) = 0.99u (n-1) the+v (n), the white noise variance 0.93627 step 0.05. Respectively with M = 2 and M = 3-tap filter,
AR_LMS
- 一阶AR模型使用LMS算法，使用M=2，M=3两种滤波器，步长已选择-A first-order AR model uses the LMS algorithm, M = 2, m = 3 two filters, the step size has been selected
Lms_lichunhua1
- 白噪声经过AR模型的输出作为LMS滤波器的输入，已知：a1=1.558；a2=-0.81；白噪声方差为1.0，均值为0；u＝0.002；利用Matlab实现：-White noise as the input of the LMS filter after the output of the AR model known: a1 = 1.558 a2 =-0.81 white noise variance of 1.0, an average of 0 u = 0.002 using M
ar-kalman
- LMS、LMS/DFT、LMS/DCT、卡尔曼滤波、AR谱分析和小波变换的程序-Program LMS, LMS/DFT, LMS/DCT, Kalman filtering, AR spectral analysis and wavelet transform
LMS
- 基于AR模型的最小均方误差，自适应滤波算法-AR model based on minimum mean square error, adaptive filtering algorithm
AR-model-with-rls-and-lms
- 代码实现了二阶AR模型的最优权值递推，使用了LMS和RLS两种方法，对二者性能进行了比较，分别进行了单次和100次平均进行性能观察，并且仿真了不同步长因子对LMS算法的影响以及不同lamda值对RLS算法的影响。文档包含了模型的详细介绍以及2种方法的理论仿真和结果分析。代码以附在之后。-Code to achieve the optimum weights recursive second order AR model, the use of LMS and RLS are two method
LMS
- LMS算法实现一阶AR模型的线性预测估计(LMS algorithm for linear prediction estimation of first order AR model)
LMS与RLS对比
- 预测信号由二阶AR模型产生，为二阶线性预测滤波器，LMS算法与RLS算法性能对比(The predicted signal is generated by the two order AR model, and is the two order linear prediction filter,performance comparison between LMS algorithm and RLS algorithm)
Least-Mean-Square-LMS-master
- %这是LMS的实现 测试LMS是否正确: 我将估计一个生成的AR函数的重量/系数(% This is an implementation of LMS % To test LMS if it works correctly: % I will estimate the weights/coefficients of a generated AR function)
LMS
- （1）LMS子程序，简单好用，编写主程序直接调用就可以 （2）实现计算二阶AR过程的理论学习曲线与实际曲线(LMS subroutine(easy to use)and realize the theoretical learning curve and actual curve for calculating the second-order AR process)