搜索资源列表
系统辨识
- 系统辨识中的各种辨识算法：如最小二乘法、递推最小二乘法、广义最小二乘、变遗忘因子递推算法等。-System Identification of identification algorithm : if the least-squares method, recursive least squares method, generalized least squares, changing the forgotten factor alg
zuixiaoerchengzaixitongbianshizhongdeyingyong
- 在Matlab/Simulink构造一缓慢时变线性系统。试根据系统的输入生产数据分别用带遗忘因子最小二乘法和广义最小二乘法辨识系统的参数。-in Matlab / Simulink constructed a slow time-varying linear systems. Examination under the input production data were used to bring the forgotten fact
Speech Enhancement Based On AUnvoiced-Voiced Model
- 摘要：基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后，将得到两个语音模型：时变AR 模型、时变双AR模型。但是利用这些模型增强语音时，都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型，这种模型在描述语音方面比时变AR模型、时变双AR模型要强，而且物理含义明显 同时在用含噪语音信号预测纯净语音信号时，引入遗忘因子和粒子滤波算法以降低计算复杂性，减小运算量。实验证明，增强后的语
系统辨识
- 系统辨识中的各种辨识算法：如最小二乘法、递推最小二乘法、广义最小二乘、变遗忘因子递推算法等。-System Identification of identification algorithm : if the least-squares method, recursive least squares method, generalized least squares, changing the forgotten factor alg
zuixiaoerchengzaixitongbianshizhongdeyingyong
- 在Matlab/Simulink构造一缓慢时变线性系统。试根据系统的输入生产数据分别用带遗忘因子最小二乘法和广义最小二乘法辨识系统的参数。-in Matlab/Simulink constructed a slow time-varying linear systems. Examination under the input production data were used to bring the forgotten factor
SpeechEnhancementBasedOnAUnvoiced-VoicedModel
- 摘要：基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后，将得到两个语音模型：时变AR 模型、时变双AR模型。但是利用这些模型增强语音时，都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型，这种模型在描述语音方面比时变AR模型、时变双AR模型要强，而且物理含义明显 同时在用含噪语音信号预测纯净语音信号时，引入遗忘因子和粒子滤波算法以降低计算复杂性，减小运算量。实验证明，增强后的语
LMS
- 一种改进的LMS算法及其在噪声对消中的应用。在分析传统定步长LMS算法和变步长LMS算法的基础上，提出了一种改进的变步长LMS算法。新算法利用瞬时误差绝对值三次方的指数形式和遗忘因子同时调整步长，更好的解决了收敛速度和稳态误差的矛盾-An improved LMS algorithm and its application in noise cancellation. In the analysis of the traditional
forgetting-factor-method-
- 考虑一个时变系统，经数字仿真，采用遗忘因子法的递推算法估计参数，有文字说明和源代码-Consider a time-varying systems, the digital simulation, the recursive method with forgetting factor algorithm to estimate parameters of a text and source code
RFM
- 辨识所使用的数据长度保持不变，每增加一个新数据就抛掉一个老数据，使参数估计值始终只依赖于有限个新数据所提供的新消息，克服了遗忘因子法不管多老的数据都在起作用的缺点，因此该算法更能有效的克服数据饱和现象。-Identify the use of data length remain the same, every time you add a new data will throw away an old data, make the p
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
CAR
- CAR模型MATLAB程序,考虑带时变参数的CAR模型，用遗忘因子RLS估计参数-CAR MODEL PROGRAMME
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 int
ILRprogram
- 带遗忘因子的线性回归算法程序，适用于时变特性的数据-Data with forgetting factor linear regression algorithm procedures applicable to the time-varying characteristics
SSRLS
- 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 S