中文
Sign in
AI tools
聊天
热门问题
时间线
Loading AI tools
全部
文章
字典
引用
地图
recursive least squares
来自维基百科,自由的百科全书
Found in articles
自适应滤波器
机以及其它通信设备、数码录像机和数码照相机以及医疗监测设备中。 下面图示的框图是最小均方滤波器(LMS)和递归最小平方(英语:
Recursive
least
squares
filter)(RLS)这些特殊自适应滤波器实现的基础。框图的理论基础是可变滤波器能够得到所要信号的估计。 在开始讨论结构框图之前,我们做以下假设:
湯瑪斯·薩金特
0-674-21877-9. Sargent, Thomas J. and Albert Marcet. Convergence of
Least
Squares
Learning Mechanisms in Self-Referential Linear Stochastic Models. Journal
自适应控制
型结构有清晰的了解。然而要想获得实际系统的精确模型几乎是不可能的。 參數估測是適應控制的基礎,常見的方式有遞歸最小平方(英语:
recursive
least
squares
)及梯度下降法。兩種方法都提供在系統運作時修改估測值的更新法則。李雅普诺夫稳定性會用來推導更新法則,並且證明在什麼情形下會收斂
滾動時域估計
非線性濾波器(英语:Non-linear filter) 粒子濾波器 預測子-修正子法(英语:Predictor corrector) 遞迴最小平方法(英语:
Recursive
least
squares
) 施密特–卡尔曼滤波器 滑動模式控制 维纳滤波 J.D. Hedengren; R. Asgharzadeh Shishavan;
最小平方頻譜分析法
最小平方頻譜分析法(英語:
Least
-
squares
spectral analysis)是一種利用最小平方法尋找適配於資料點之最佳正弦曲線,以估算頻譜的方法。其數學原理與科學界中最常用的傅立葉分析相似。一般而言,傅立葉分析會將間隔較長之訊號的長周期雜訊放大,而最小平方頻譜分析法則解決了這個問題。