搜索资源列表
RLSVLMS
- MMSE忙多用户检测算法的收敛性能分析，通过仿真选取了遗忘因子和训练序列,仿真结果表明该算法具有较小的误码率性能,可以有效地提高通信质量。-MMSE busy multi-user detection algorithm convergence performance analysis, simulation and training forgetting factor selected sequence, the simulation results show that the algorit
wzrh
- (1)针对在线计算量大这一缺陷，将预测控制中的柔化输出信号的思想推广到柔化输入信号，使得约束条件被简化为仅对当前控制量的约束，可以直接计算得出；同时该方法避免了求逆矩阵，大大减小了计算量，并能够保证控制算法的可行性和良好的控制性能。 (2)针对传统算法中设计参数整定困难这一缺点，应用基于BP神经网络变参数设计的广义预测控制算法，实现了对控制量柔化参数的在线调整。 (3)利用带有遗忘因子的最小二乘法对系统辨识。本文通过仿真发现该方法对于Hénon混沌系统并不完全适用，可考虑利用其他优化系统
ade_flipud
- 自适应均衡器的仿真程序：基于抽头系数，遗忘因子，噪声方差，初始化的延迟信号设计输入信号，利用LMS 算法建立自适应均衡器滤波信号。-Adaptive equalizer simulation program: based tap coefficients, forgetting factor, noise variance, the initialization of the input signal delayed signal design, the use of the LMS algor
Low-Complexity-
- 本文提出了一种低复杂度的变遗忘因子机制用于递归最小二乘恒模约束算法中来抑制干扰。改进的方法通过恒模代价函数的时间平均来调节遗忘因子，从而更快地跟踪干扰并抑制，该文章计算量低，收敛速度快。-This paper presents a low complexity variable forgetting factor recursive mechanism for lscm constraint method to suppress interference. Improved methods be
RLS3
- 利用MATLAB实现带遗忘因子的系统参数的估计，这里用到的是系统辨识中的RLS3法-Using MATLAB with forgetting factor to estimate system parameters, used here is RLS3 method of system identification
RLS-with-forgetting-factor
- the RLS algorithm with forgetting factor