搜索资源列表
LMS_filter
- 仿真AR（2）模型的LMS自适应滤波器。 -simulation AR (2) Model LMS adaptive filter.
LMSalgorithm
- 基于MMSE算法的自适应均衡LMS算法仿真，采用AR模型
LMS-FTF-LSL
- 包括：三种LMS算法实现AR(2)的预测，法2、3用递推计算Km,两者区别在于d(n)的取法略微不同；用LSL和FTF算法实现简单的系统辨识。-Include: three LMS algorithm AR (2) the forecast, France 2,3 calculated with recursion Km, whichever is the difference between d (n) of a slightly different取法 LSL and the FTF al
matlat_for_prediction
- 此文件包含三个MATLAB程序，用于对线性系统AR模型的权向量估计：Kalman滤波估计，RLS和LMS，均为较常用的估计方法，并附有相应的仿真图-There are three programs in this files:kalman,RLS and LMS to pridict the victors of linear systems . These three wawys are common and useful in signal processing
LMS_AR
- Matlab Code for Estimation of AR(1) Process by Using LMS Algorithm.
lms
- 自己编写的AR过程线形预测器的LMS算法-I have written of the AR process of the LMS algorithm linear predictor
signal
- 产生一个随机信号和两个不同频率但频率间隔很小的正弦信号，要求对两信号之和进行如下分析： （1） 求该随机信号的自相关性系数、自相关函数，画出对应的图形； （2） 利用不同的参数建模方法求出两个随机信号的功率谱； （3） 利用极大似然估计、递推最小二乘法等常用的参数估计方法估计所建模型，包括AR模型、MA模型和ARMA模型的的参数，阶次自定；并与Matlab工具箱里的一些建模函数的运算结果进行比较； （4） 利用陷波滤波和MUSIC滤波方法对该信号的频谱进行估计； （5） 利
lms_ar
- 用lms迭代算法求解AR参数模型的权向量及学习曲线的训练-using lms to find out the learning plot
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,
lms_AR_pred
- 使用多维最小均方算法来预测AR过程的信号-use multidimensional LMS algorithm to predict AR process
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
Untitled
- 设有一个随机信号 服从AR(4)过程，它是一宽带过程，参数如下： 我们通过观测方程 来测量该信号， 是方差为1的高斯白噪声，用LMS算法和RLS算法通过观测方程来估计原信号。并用Matlab对此问题进行仿真。 -There is a random signal obedience AR (4) process, which is a broadband process parameters are as follows: We are measured by observing
System-identification
- 用Matlab实现自适应信号处理中的系统辨识，自适应处理器采用自适应线性组合器，未知被控系统采用AR model。用了LMS算法和最速下降法实现。-Realise system identification in adaptive signal processing with matlab.The LMS algorithm and Speedest Descent method are used.
ar-kalman
- LMS、LMS/DFT、LMS/DCT、卡尔曼滤波、AR谱分析和小波变换的程序-Program LMS, LMS/DFT, LMS/DCT, Kalman filtering, AR spectral analysis and wavelet transform