搜索资源列表
MSLS
- （1）Msls分三步对系统和噪声模型进行辨识，采用脉冲序列作为辅助系统模型，用 计算输出数据 ；用原输出数据 计算 ，用递推最小二乘方法分别对系统参数和模型参数进行估计。 （2）M.dat,wnoise1.dat分别为M和白噪声序列。Wnoise1.dat的长度为700，wnoise2.dat的长度为1000。Msls6.c为N=600的程序，Msls8.c为N=800的程序。 （3）程序运行后，生成的两个h文件为产生的脉冲响应
GLS-DIRECT-GIVEN
- 系统辨识 自适应控制 最小二乘 广义递推算法 噪声参数直接给定-system identification . Generalized least square identfication . with the noise parameters directly given
sthqgwan
- 基于kaiser窗的双谱线插值FFT谐波分析，基于SVPWM的三电平逆变的matlab仿真，预报误差法参数辨识-松弛的思想，最小二乘回归分析算法，包含了阵列信号处理的常见算法，可以广泛的应用于数据预测及数据分析,有信道编码，调制，信道估计等，感应双馈发电机系统的仿真。- Dual-line interpolation FFT harmonic analysis kaiser windows, Based on SVPWM three-l
FFRLS
- 开环系统参数辨识，带遗忘因子的递推最小二乘估计法（FFRLS)，系统为单入单出的CAR(带控制量的自回归模型）模型,三阶系统-Open-loop system parameter identification, recursive least squares estimation method with forgetting factor (FFRLS), SISO system of CAR (with a controlled am
code
- 对于单输入单输出的系统（Single input single output，SISO）常采用最小二乘方法辨识系统的参数。最小二乘参数估计是一个经典的方法，概念简明，适应范围广，来源于数理统计的回归分析，它能提供一个在最小方差意义上与实验数据最好拟合的模型，在一些情况下，可得到与极大似然法一样好的统计效果，并能很方便地与其它辨识算法建立关系。在一定条件下，最小二乘法参数估计法有最佳的统计特性，即一致的、无偏的和有效的结果。本代码主要关于
1
- 最小二乘法的系统参数辨识函数，可以辨识任意的线性函数，效果比其他的一般的最小二乘法好(The system parameter identification function of least squares method can identify any linear function, and the effect is better than other ordinary least squares method.)
系统建模
- 1.批量最小二乘法算法（也称最小二乘的一次性完成辨识算法） 2.递推最小二乘法算法，应用递推算法对参数估计值进行不断修正,以取得更为准确的参数估计值。 3.粒子群算法(PSO)。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解．PSO的优点在于简单容易实现并且没有许多参数的调节。 4.BP神经网络，各个神经元仅接收来自前一级的输出，经神经元处理后的信息将输出至下一级，网络中没有反馈，即前一级神经元不会接受