搜索资源列表
normalizion_LRLS
- 时域自适应滤波中基于后验概率的归一化格型RLS算法
NLMS
- 若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方
normalizion_LRLS
- 时域自适应滤波中基于后验概率的归一化格型RLS算法-Time-domain adaptive filter based on a posteriori probability of the normalized lattice RLS algorithm
math
- 一些数学处理函数，包括：用窗函数方法设计线性相位FIR数字滤波器、归一化最小均方(LMS)算法的自适应数字滤波器-Deal with some mathematical functions, including: window function designed with linear phase FIR digital filter, normalized least mean square (LMS) algorithm for a
NLMS
- 若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方
nlms
- 归一化最小均方（LMS）自适应数字滤波，带测试主程序。-Normalized least mean square (LMS) adaptive digital filter with the test main program.
adaptivefilter
- 归一化最小均方（NLMS）和递归最小二乘法（RLS）解决自适应滤波器的MATLAB源码-Adaptive Filter implementation using nlms & rls algorithms.
bianbuchang
- 自适应滤波变步长Lms归一化算法的仿真实现程序-simulation in lms normolized algorithm
zishiyingjiangzao
- 这里介绍了一种基于自适应滤波的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度，自然度方面优于谱减法。-Here a novel adaptive n
A-Variable-Step-Size-LMS-Algorithm
- 一种变步长的归一化最小均方自适应滤波算法的实现-A variable step size normalized least mean square adaptive filter algorithm to achieve
NLMS
- 本文对变步长(VSS) 自适应滤波算法进行了分析,针对输入信号高度相关时算法收敛速度下降导致性能下降 的问题,提出了一种解相关变步长归一化LMS 自适应算法,引入相关性原理,使得算法保持良好的收敛性能。计算机仿真 结果与理论分析相一致-In this paper , we discuss and analyze the variable step2size adaptive algorithm(VSSLMS) ,in which
7-4
- 归一化LMS算法，自适应滤波研究中的一个小程序。20次训练学习。-Normalized LMS algorithm, Adaptive Filtering in a small program. 20 training and learning.
Normalized-LMS-adaptive-filter
- 归一化LMS自适应滤波算法的matlab仿真及DSP实现-Normalized LMS adaptive filter algorithm MATLAB simulation and DSP Implementation
aec-master
- webrtc 的回声抵消(aec、aecm)算法主要包括以下几个重要模块：1.回声时延估计 2.NLMS(归一化最小均方自适应算法) 3.NLP（非线性滤波） 4.CNG(舒适噪声产生），一般经典aec算法还应包括双端检测(DT)。考虑到webrtc使用的NLMS、NLP和CNG都属于经典算法范畴，故只做简略介绍，本文重点介绍webrtc的回声时延估计算法,这也是webrtc回声抵消算法区别一般算法(如视频会议中的算法)比较有特色的地方
NLMS_AEC
- 频域归一化的自适应滤波消除回声，效果非常不错-Frequency domain normalization of adaptive filtering to eliminate echo, the effect is very good
NLMS
- 在外辐射源雷达中测试通过的归一化自适应滤波算法，很简单，只有几行代码()
adaptive filter
- 介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法，并对最小均 方 (LMS, Least Mean Squares) 、归一化 LMS(NLMS, Normalized Least Mean Squares) 和递推最小二乘 (RLS, Recursive Least Squares) 三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明，这 几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号
FIR_RLS
- RLS滤波算法即递推最小二乘法，其又称为最小二乘法，是最小二乘算法的一类快速算法，递归最小二乘自适应滤波器是对一组已知数据的最佳滤波器,处理过程中没有对输入序列的统计特性做出假定,而是纯决定性的最小化问题。相对于LMS自适应横向滤波器具有更好的性能。(RLS filtering algorithm)
LRSs
- 递归最小二乘(RLS)是一种自适应滤波算法，它可以递归地找到最小化加权线性最小二乘代价函数与输入信号相关的系数。这种方法与其他算法相比较，例如最小均方(LMS)，旨在减少均方误差。在RLS的推导中，输入信号被认为是确定性的，而对于LMS和类似的算法，它们被认为是随机的。(Recursive least squares (RLS) is an adaptive filter algorithm that recursively finds