搜索资源列表
LMS
- 最小均方（LMS）自适应算法就是一中已期望响应和滤波输出信号之间误差的均方值最小为准的，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法。LMS算法是一种梯度最速下降方法，其显著的特点是它的简单性。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。
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，即用瞬时平方误差作为均方误差的MSE简单估计，这也是LMS算法的基本思想
zishiyingxianbo
- 利用自适应陷波器来消除通信系统中的工频干扰。重点从LMS算法的步长因子、信号与干扰的频率差、参考输入的幅值和相位等几个方面讨论单频陷波器的滤波效果。另外，还以双频为例，讨论了多频级联型陷波器的特性，证实了经过两次滤波后，信号可被真实的恢复出来，且误差收敛趋于稳定。-The use of adaptive notch filter to eliminate the communication system frequency interference. LMS algorithms focus f
anewLMSalgorithm
- 本文对变步长自适应滤波算法进行了讨论,建立了步长因子μ与误差信号e(n) 之间另一种新的非线性函数关系. 该函数比已有的sigmoid 函数简单,且在误差e(n)接近零处具有缓慢变化的特性,克服了Sigmoid 函数在 自适应稳态阶段步长调整过程中的不足. 由此函数本文得出了另一种新的变步长自适应滤波算法,并且分析了参数α,β的取值原则及对算法收敛性能的影响. 该算法有较好的收敛性能且计算量少. 计算机仿真结果与理论分析相一致,证实了该算法的收敛性能优于已有的算法.-In this pap
lms
- 对通信中应用较多的自适应滤波算法LMS算法进行了仿真，并且解决了信号的起始值的对齐问题。-Application of communication are more adaptive filtering algorithm for simulation of LMS algorithm, and solve the initial value of the signal alignment problems.
DSP
- 自适应权向量法(AWVM) 检测弱信号常用LMS滤波算法. 这种方法的最大缺陷之 一是滤波器的权系数仅根据总误差值来调整的. 因此, 这些权系数相互有牵连, 这是LMS自 适应滤波器收敛响应较慢的原因之一. 克服这一缺点的一种方法是采用格型滤波算法. 应用 格型LSL滤波于AWVM中检测噪声中的高频弱信号, 并应用DSP实现高速数据处理, 仿真结 果证明了它的可行性和实时性及优越性.-Adaptiveweightvectormethod (AWVM) indetectingwea
5
- 本文提出一种通过实时调整目标特征权值来进行背景自适应跟踪的算法。首先，定义了一种综合特征集合用以描述目标的颜色和局部轮廓。其次，提出了在滤波框架中对目标特征进行评估的算法，从而使得具有强区分能力的特征占有较大的权值，进而使其能够在跟踪过程起到较大的作用。采用传统的Kalman 滤波和粒子滤波对所提出的算法进行了验证。-In this paper, we propose a new adaptive visual object tracking method based on online f
LMS
- 感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似。它们都是基于纠错学习规则的学习算法。感知器算法存在如下问题：不能推广到一般的前向网络中；函数不是线性可分时，得不出任何结果。而由美国斯坦福大学的Widrow和Hoff在研究自适应理论时提出的LMS算法，由于其容易实现而很快得到了广泛应用，成为自适应滤波的标准算法。-Least mean square error algorithm