搜索资源列表
RLSAdaptiveAlgorithms
- 智能天线波束形成RLS自适应滤波器matlab原代码-smart antenna beam-forming RLS adaptive filter Matlab source
RLS-auto-adapter-fiter
- 考虑一个线性自适应均衡器的原理方框图如《现代数字信号处理导论》p.275自适应均衡器应用示意图。用LMS算法实现这个自适应均衡器,画出一次实验的误差平方的收敛曲线,给出最后设计滤波器系数。一次实验的训练序列长度为500。进行20次独立实验,画出误差平方的收敛曲线。给出3个步长值的比较。-consider a linear adaptive equalizer block diagram as the principle of "modern digital signal process
LMSandRLS
- 用于数字信号处理中的LMS和RLS自适应滤波器实现的算法源码-for digital signal processing LMS and RLS Adaptive Filter algorithm source code
RLS_algorithm
- RLS自适应滤波算法程序。包含FIR RLS demo和IIR RLS demo。
RLS
- RLS自适应均衡仿真程序.采用多级抽头,有信噪比
RLS
- 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
RLS
- 基于RLS算法的自适应逆控制系统,实现自适应滤波
ch92
- RLS自适应滤波器结构模型,参数设置比较合理,不错!
RLS222
- 这是一个m文件,主要介绍RLS自适应滤波器的普通应用
comp_lr
- LMS和RLS自适应算法性能比较-The comparation of LMS and RLS in adapinve signal processing
一维和多维RLS算法
- 给压缩包包含两个程序,分别为一维和多维RLS算法程序,RLS算法程序在预失真自适应算法中会用到。
rls.rar
- 自适应递推最小二乘RLS算法,用matlab的m文件,Adaptive recursive least squares RLS algorithm
RLS
- 自适应滤波算法的实现,RLS与LMS收敛性能比较代码。(Comparison of RLS and LMS convergence performance code)
RLS
- RLS算法是自适应波束形成中的经典算法,程序实现了用RLS算法得出波束形成图。(RLS algorithm is the classic algorithm of adaptive beamforming, and the program realizes beamforming with RLS algorithm.)
RLS算法
- 自适应 RLS算法的实现,结合RLS算法理论,编制了一个较为基础的RLS算法实现过程。(Implementation of adaptive RLS algorithm)
3
- 对基于LMS(最小均方)、NLMS(归一化最小均方)、RLS(递归最小二乘)算法的自适应噪声抵消系统进行MATLAB仿真,发现这几种算法都能从高背景噪声中有效地抑制干扰提取出有用信号,显示出了良好的的收敛性能,相比之下RLS算法去噪效果较好,呈现出更快的收敛速度,更强的稳定性和抑噪能力(the principle of LMS (minimum mean square), NLMS (normalized least mean square), RLS (recursive least squa
RLS算法仿真程序源代码
- RLS算法仿真程序源代码 用RLS算法实现自适应均衡器的MATLAB程序(Implementation of MATLAB program for adaptive equalizer with RLS algorithm)
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检测特性。相比之下, RLS 算法 具有良好的收敛性
lms
- 亲测好用的基本的自适应波束形成,LMS和RLS,可以在此基础上改进(Adaptive beamforming, LMS and RLS)