搜索资源列表
Chaaddred
- LMS自适应算法自适应预测的计算机实验matlab仿真例子-LMS adaptive prediction algorithm for the adaptive computer simulation experiments Matlab example
Volterra_MultiStepPred_luzhenbo
- 基于Volterra滤波器混沌时间序列多步预测 作者：陆振波，海军工程大学 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页 电子邮件：luzhenbo@sina.com 个人主页：luzhenbo.88uu.com.cn 参考文献： 1、张家树.混沌时间序列的Volterra自适应预测.物理学报.2000.03 2、Scott C.Douglas, Teresa H.-Y. Meng, Normalized Data Nonlineariti
本自适应LSL算法实现线性预测
- 本自适应LSL算法实现线性预测 以及考察LSL算法的收敛性： 与LMS、RLS算法进行性能比较 -The LSL algorithm adaptive linear prediction and to study the LSL algorithm convergence: the LMS, RLS algorithm performance comparison
LMS111
- 应用LMS算法，用Matlab编程实现线性预测.-Application of LMS algorithm, using Matlab Programming Linear Prediction.
LMS
- 用LMS算法预报时间序列，对比真实值和预报值-LMS algorithm with time-series prediction, compared to the true value and forecast value
VolterraRls
- 应用LMS算法对Volterra级数预报，结果收敛，效果很好-Application of LMS algorithm Volterra series prediction, the results of convergence, good results
LMSAFFilter
- 在分析最小均方自适应滤波器(LMSAF)均方误差(MSE)的收敛性时，文献常用统计自相关矩阵代替瞬时自相关矩阵以简化分析，由此得出的收敛条件比较粗糙。本程序指出：不相关高斯输入情况下，无需如上简化，可依据高斯阶矩因式分解定理得到确切的MSE收敛条件，相应的失调表式能更准确地预报失调-In the analysis of LMS adaptive filter (LMSAF) the mean square error (MSE) convergence, the literature commo
LMS
- LMS prediction algorithm for noise reduction
perceptron
- lms渐进预测算法，非常好用 -lms progressive prediction algorithm, incremental prediction algorithm is very easy to use lms, very easy to use
kalmanandlms
- kalman滤波和LMS滤波MATLAB仿真和预测结果分析-kalman filter and the LMS filter MATLAB simulation and prediction results
xinhaoyuce
- 基于LMS自适应算法的信号预测，可用于图像处理，可用于语音信号处理-LMS adaptive algorithm based on signal prediction, can be used for image processing, can be used for speech signal processing
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,
computerwork_2
- 2. 设 是窄带信号，定义 是在 区间上均匀分布的随机相位。 是寬带信号，它是一个零均值、方差为1的白噪音信号e(n)激励一个线性滤波器而产生，其差分方程为 。 1） 计算 和 各自的自相关函数，并画出其函数图形。根据此选择合适的延时，以实现谱线增强。 2） 产生一个 序列。选择合适的 值。让 通过谱线增强器。画出输出信号 和误差信号e(n)的波形，并分别与 和 比较。 -Computer Experiments: 1. Consider an AR process x
lmssuanfayuce
- lms算法对信号进行线性预测，程序非常棒，欢迎借鉴-lms algorithm for linear prediction signal, the program is great, welcome to learn
FiltrAdatt_Pred
- Solves prediction problem with adaptive linear filtering problem for some standard algorithms (Gradient, LMS, RLS)
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)