最小二乘法(Least Square, LS)大约是1795年高斯在其著名的星体运动轨道预报研究工作中提出的。后来,最小二乘法成为了估计理论的基石。最小二乘法由于原理简明、收敛较快、易于编程实现等特点,在系统参数估计中应用相当广泛。 在自适应控制系统中,被控对象通常都可以不断提供新的输入输出数据,而且还希望利用这些新的信息来改善估计精度,因此常常要求对象参数能够在线实时估计。解决这个问题的方法就是采用最小二乘算法的递推算法,其基本思想可以概括为: 即将下式改写为递推形式,即递推最小二乘参数估计算法。可以辨识定子电阻,磁链,DQ轴电感。
2023-06-09 23:14:09 80.64MB 最小二乘法 永磁同步电机 参数辨识
1
定价博弈matlab代码递归词典搜索 该代码实现了RLS方法并解决了Bertrand的定价和投资博弈,该论文在“递归词典搜索:找到有限状态定向动态博弈的所有马尔可夫完美均衡”(经济研究评论,2015年)和“ Bertrand Price的动力学”一书中与降低成本的投资竞争”,作者:Fedor Iskhakov,Bertel Schjerning和John Rust。 任何run_leapfrog_ *脚本都将运行该模型的各种版本。 要运行此代码,必须使用C编译器正确配置Matlab(运行mex -setup)并参考(Matlab R2015b)
2023-04-04 21:49:54 262KB 系统开源
1
基于FIR的RLS自适应滤波器的设计,李国峰,马世亮,本文在MATLAB平台上实现了基于FIR的RLS自适应滤波器,并对模拟结果进行了分析讨论,证明了所编程序的正确性,其结果为将来硬件实现RLS
2023-03-24 21:06:45 346KB 首发论文
1
自适应均衡属于自适应信号处理的应用范畴,各种各样的自适应均衡算法如迫零(ZF)算法、均方(LMS)算法、递归二乘(RLS)算法、变换域均衡算法、Bussgang 算法、高阶或循环统计量算法、基于非线性滤波器或神经网络的均衡算法等应运而生。均衡器通常工作在接收机的基带或中频信号部分,基带信号的复包络含有信道带宽信号的全部信息,所以,均衡器通常在基带信号完成估计信道冲激响应和解调输出信号中实现自适应算法等,本文选择了两种典型的自适应算法:以LMS自适应均衡器和RLS自适应均衡器为基础,用MATLAB 仿真软件对LMS和RLS两种算法进行仿真,比较并分析了两种算法的性能。   1 自适应均衡器
1
基于RLS和LMS的自适应滤波器的MATLAB代码,带有中文注释
2023-02-20 14:28:31 2KB RLS LMS MATLAB
1
RLS系统辨识matlab源码,仅供参考
2023-02-13 10:25:44 8KB matlab
1
【预测模型】 RLS算法数据预测【含Matlab源码 222期】.zip
2023-02-05 16:10:47 108KB
1
RLS算法实现AR过程线性预测,matlab实现
2023-01-09 15:06:59 1KB RLS matlab
1
给定主麦克风录制的受噪声污染的语音信号和参考麦克风录制的噪声,实现语音增强的目标,得到清晰的语音信号。
2022-12-28 21:56:30 378KB RLS 多麦克风 降噪
1
RLS算法实现自适应均衡器的MATLAB程序.doc
2022-12-15 01:14:11 100KB 互联网
1