RLS算法
-
RLS算法实现参数的自适应估计估计
利用RLS算法实现参数的自适应估计估计y(n) = 1.5*y(n-1)-0.7*y(n-2)+0.3*u(n-2)中的参数 -
-
-
基于RLS算法的数据预测与MATLAB实现
递归最小二乘（RLS）算法是一种典型的数据处理方法，由著名学者高斯在1795年提出，高斯认为，根据所获得的观测数据来推断未知参数时，未知参数最可能的值是这样一个数据，即它使各项实际观测值和计算值之间的差的平方乘以度量其精度的数值以后的和为最小，这就是著名的最小二乘。递归最小二乘（RLS）算法在信号自适应滤波分析中广泛应用，递归最小二乘（RLS）算法收敛速度快，且对自相关矩阵特征值的分散性不敏感，然而其计算量交大，本章主要研究基于RLS进行数据的预测与MATLAB实现。 -
-
-
-
-
lms算法和rls算法
利用lms算法和rls算法，对通过给定系统h的随机信号进行自适应滤波，通过抽头w对系统进行逆辨识与辨识，同时产生MSE 即均方误差，来描述对信号恢复的效果。 -
