变步长相关搜索 - 下载
程序员联合开发网
搜索最多的包含变步长的的资料：
&1.& - 本程序对两种固定步长和一种变步长最小均方误差算法的权值收敛进行了仿真，结果表明变步长的算法效果更优。 (1KB,下载88次,上载者)
&2.& - 一种变步长LMS的算法，描述了与基本LMS算法的比较，随着迭代次数的增加，变步长的LMS算法达到最优的迭代次数少 (1KB,下载91次,上载者)
&3.& - 自己编写的变步长龙格库塔方法解强非线性微分方程 (4KB,下载<font color=#FF次,上载者)
&4.& - matlab例子自适应滤波最陡下降法特征值扩散度仿真，变步长仿真 (4KB,下载60次,上载者)
&5.& - 变步长的LMS自适应滤波算法(matlab) (1KB,下载97次,上载者)
&6.& - 本程序提出了变步长自适应滤波算法的步长调整原则:即在初始收敛阶段或未知系统参数发生变化时,步长应比较大,以便有较快的收
敛速度和对时变系统的跟踪速度 而在算法收敛后,不管主输入端干扰信号v ( n) (1KB,下载88次,上载者)
&7.& - 这里提供一种变步长LMS算法及其Matalb实现 (41KB,下载<font color=#FF次,上载者)
&8.& - lms滤波器的matlab源代码，可以实现变步长仿真效果！ (1KB,下载<font color=#FF次,上载者)
&9.& - 这里主要对LMS算法及一些改进的LMS算法（NLMS算法、变步长LMS算法、变换域LMS算法）之间的不同点进行了比较，在传统的LMS算法的基础上发展了LMS算法的应用。 (31KB,下载<font color=#FF次,上载者)
&10.& - 变步长LMS算法!用于系统识别的,用MATLAB编写 (1KB,下载<font color=#FF次,上载者)
&11.& - 用matlab自编的的变步长LMS滤波的算法的程序，希望对大家有用 (1KB,下载<font color=#FF次,上载者)
&12.& - 用fortran语言编写的程序，这样可以在fortran系统中直接运行，为大家提供点方便。 (2KB,下载<font color=#FF次,上载者)
&13.& - 单纯形法是一种不错的随机搜索算法，但是其受初始值的选取，步长大小的影响较大，容易陷入局部收敛。程序中列出了基本单纯形法，和几种改进的单纯形法，包括变步长的单纯形法，单纯形加遗传算法等。 (58KB,下载<font color=#FF次,上载者)
&14.& - 自适应变步长定向变异遗传算法解函数优化问题
需要调用GAOT5. (3KB,下载47次,上载者)
&15.& - 变步长LMS算法，可以明显加快LMS收敛速度 (1KB,下载<font color=#FF次,上载者)
&16.& - 变步长五阶精度RK方法，用于积分常微分方程。Fortran程序已验证，放心使用。 (2KB,下载<font color=#FF次,上载者)
&17.& - 归一化LMS算法即NLMS算法源程序，自适应信号处理变步长经典算法 (1KB,下载<font color=#FF次,上载者)
&18.& - 自适应均衡器的LMS算法实现及其仿真 :自适应均衡器已广泛应用于通信、雷达、声纳、控制和生物医学工程等许多领域,为克服多径衰落和信道失真
引起的码间干扰,实时跟踪移动通信信道的时变特性,笔者设计了一 (299KB,下载44次,上载者)
&19.& - 一个计算数值积分的类，包括变步长法和自适应法等。 (3KB,下载32次,上载者)
&20.& - 根据给定的函数，分别用复合梯形公式、复合辛普森公式、龙贝格求积公式和变步长的求积公式计算积分结果，并且比较积分的精确度。 (2KB,下载65次,上载者)
&21.& - C语言实现的改进欧拉法，用定步长和变步长实现改进欧拉法求解常微分方程组。 (1KB,下载78次,上载者)
&22.& - 三点变步长龙格库特法解非线性方程
三点变步长龙格库特法解非线性方程
三点变步长龙格库特法解非线性方程 (1KB,下载29次,上载者)
&23.& - 一种变步长的lms算法实现，用MATLAB编写。 (1KB,下载57次,上载者)
&24.& - 变步长的最小均方算法，步长可变，性能好，收敛速度快。 (1KB,下载15次,上载者)
&25.& - 可以看到
变步长未必会需要更长的时间
因为它是一种自适应的方式
如果某阶段情况理想的话
就会用最大步长来做
那就会很快
(2KB,下载7次,上载者)
&26.& - 变步长的LMS算法，给出误差曲线和理论的权重分析。 (1KB,下载34次,上载者)
&27.& - 时延估计算法 互相关
自适应滤波法
(24KB,下载<font color=#FF次,上载者)
&28.& - 本算法是一种变步长的LMS算法，可以适用于智能算法等相关技术中 (1KB,下载45次,上载者)
&29.& - 利用变步长来计算积分，该算法中用到步长的折半方法。 (1KB,下载<font color=#FF次,上载者)
&30.& - 本人写的预测控制仿真小程序，文件包括改变步长预测和进行辨识。 (1KB,下载<font color=#FF次,上载者)
&31.& - 　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S (202KB,下载13次,上载者)
&32.& - 固定步长和变步长批处理自然梯度语音盲分离算法，包括主程序和调用程序。 (3KB,下载79次,上载者)
&33.& - 一种变步长的归一化最小均方自适应滤波算法的实现 (2157KB,下载44次,上载者)
&34.& - 在一种变步长算法基础上, 从语音信号相关性的角度出发, 提出了一种新的去相关变步长LMS 算法( DCL―NLMS) 。该算
法结构简单, 收敛速度快, 稳态失调小, 计算量与NLMS 算法相当。仿 (434KB,下载30次,上载者)
&35.& - 可移植的积分算法 ，提供了数种方法（变步长梯形求积分；变步长辛卜生求积分；自适应梯形求积分；龙贝格求积分；计算一维积分的连分式法；高振荡函数求积分；勒让德-高斯求积分；拉盖尔-高斯求积分；埃尔米特-高 (31KB,下载82次,上载者)的海词问答和网友补充：
相关词典网站：复值数据统计信号处理:失真和非源信号理论-搜狗百科
《复值数据统计信号处理:失真和非源信号理论》内容简介：在过去，人们通常认为复随机信号是真的和圆的，常常假设真复随机变量与其复共轭变量是不相关的，圆复随机变量在复平面上具有旋转不变的概率密度分布。这些假设不仅可以简化计算，而且可以使复随机信号在许多方面与实随机信号具有相同的性质。人们通常认为这些假设是合理的。但是，在实际中有一些物理机制的模型不能用真和圆随机信号表示。早在20世纪70年代初，海洋学家就意识到这个问题，但是只有跨学科的声学家、光学科学家和通信理论学家承认这一事实。
书名 :复值数据统计信号处理:失真和非源信号理论外文名 :Statistical Signal Processing of Complex-Valued Data:the Theory of Improper and Noncircular Signals作者 :施雷尔 (Peter J.Schreier)出版社 :国防工业出版社出版日期 :日页数 :293页语种 :简体中文, 英语开本 :16ISBN :9品牌 :国防工业出版社
《复值数据统计信号处理:失真和非源信号理论》编辑推荐：复随机信号已经应用到科学和工程领域的方方面面，在通信、雷达、声纳、地球物理学、海洋学、光学、电磁学、声学和其他应用科学领域中必不可少。检验、估计和信号分析中的许多问题可以表述为双通道实信号的组合。在科学和工程应用中，通常把这些信号描述成一个复信号的实部和虚部。信号复数表示形式的简洁性与直观性，是实数表示形式不能达到的。
作者：（德国）施雷尔（Peter J.Schreier） （美国）沙尔夫（Loris L.Schaff） 译者：王伟 李欣 王咸鹏
第1部分简介第1章复信号的起源与应用1.1二维信号在笛卡儿坐标、极坐标、复数域的表示1.2简谐振荡与相量1.3李萨如图形、椭圆和电磁极化1.4复调制、希尔伯特变换和复解析信号1.4.1应用复包络的复调制1.4.2希尔伯特变换、分相器与解析信号1.4.3复解调1.4.4Bedrosian理论：积的希尔伯特变换1.4.5瞬时振幅、频率与相位1.4.6希尔伯特变换与单边带调制1.4.7基带的带通滤波1.5高效率利用FFY的复信号1.5.1复离散时间傅里叶变换1.5.2一举两得：由一个复DFF得到两个实DFT1.5.3一举两得：由一个复N点DFT得到一个实2N点DFT1.6二元高斯分布及其复表示1.6.1二元高斯分布1.6.2二元高斯分布的复表示1.6.3极坐标与边缘概率密度函数1.7极化椭圆的二阶分析1.8数学框架1.9简明应用概述第2章复随机向量与复随机过程简介2.1实描述与复描述间的联系2.1.1广义线性变换2.1.2内积与：次型2.2二阶统计特性2.2.1实数域到复数域的定义扩展2.2.2增广协方差矩阵的特性2.2.3功率与熵2.3概率分布与概率密度2.3.1复高斯分布2.3.2条件复高斯分布2.3.3标量复高斯分布2.3.4复椭圆分布2.4充分统计量和协方差最大似然估计量：复Wishart分布2.5特征函数与高阶统计量描述2.5.1高斯分布与椭圆分布的特征函数2.5.2高阶矩2.5.3累积量生成函数2.5.4圆度2.6复随机过程2.6.1广义平稳过程2.6.2广义线性移不变滤波器注释第2部分复随机向量第3章复随机向量的二阶描述3.1特征值分解3.1.1主成分3.1.2降秩和变挟编码3.2圆度系数3.2.1熵3.2.2强不相关变换（SUT）3.2.3互补协方差矩阵的特性描述3.3失真度3.3.1上下界3.3.2增广协方差矩阵的特征值扩散度3.3.3最大失真向量3.4失真检验3.5独立分量分析注释第4章相关分析4.1两复随机向量多元联合测量的基础4.1.1复标量的旋转相关、反射相关和全相关4.1.2多元相关分析准则4.1.3复向量的旋转相关、反射相关和全相关4.1.4潜变量变换4.2变特性4.2.1典型相关4.2.2多元线性回归（半—典型相关）4.2.3偏最小二乘4.3复向量的相关系数4.3.1典型相关4.3.2多元线性回归（半—典型相关）4.3.3最小二乘4.4相关扩散度4.5相关结构检验4.5.1球形4.5.2数据集内的独立性4.5.3数据集间的独立性注释第5章估计5.1二阶随机变量的希尔伯特—空间几何5.2最小均方误差估计5.3线性最小均方误差估计5.3.1信号加噪声信道模型5.3.2观测量加误差信道模型5.3.3滤波模型5.3.4非零均值5.3.5密集椭圆5.3.6特殊情形5.4广义线性最小均方误差估计5.4.1特殊情形5.4.2线性与广义线性最小均方误差估计性能比较5.5降秩广义线性估计5.5.1最小化均方误差（最小迹问题）5.5.2最大化互信息（最小行列式问题）5.6线性和广义线性摄小方差无失真响应估计器5.6.1秩—1线性最小方差无失真响应接收机5.6.2广义旁瓣相消器5.6.3多—秩线性最小方差无失真响应接收机5.6.4子空间波束形成识剐和谱分析5.6.5扩展至广义线性最小方差无失真响应接收机5.7广义线性二次型估计5.7.1实二次型与复二次型的联系5.7.2广义线性：次型最小均方误差估计注释第6章参数估计的性能界6.1频率理论和贝叶斯理论6.1.1偏差、误差协方差和均方误差6.1.2频率理论与贝叶斯理论的联系6.1.3扩展至增广误差6.2二次频率理论性能界6.2.1虑拟双信道试验和二次频率理论性能界6.2.2二次频率理论界的投影算子和积分鼻子表示6.2.3二次频率理论界扩展至失真误差和品质6.3Fisher品质和Cramer—Rao界6.3.1多余参数6.32真多元高斯模型的Cramer—Rao界6.3.3可分线性统计模型和Cramer—Rao界几何构型6.3.4Fisher品质和Cramer—Rao界扩展至失真误差和品质6.3.5失真多元高斯模型的Cramer—Rao界6.3.6参数函数的Fisher品质和Cramer—Rao界6.4二次贝叶斯界6.5Fisher—贝叶斯品质和Fisher—贝叶斯界6.5.1Fisher—贝叶斯品质和信息6.5.2Fisher—贝叶斯界6.6各性能界的联系与排序注释第7章检测7.1二元假设检验7.1.1Nevman—Pearson引理7.1.2贝叶斯检测器7.1.3自适应Neyman—Pearson与经验贝叶斯检测器7.2充分性和不变性7.3接收机操作特性7.4失真高斯模型下的简单假设检验7.4.1非公共均值与公共协方差7.4.2公共均值与非公共协方差7.4.3线性检测与广义线性检测的比较7.5复合假设检验与Karlin—Rubin定理7.6假设检验的不变性7.6.1匹配子空间检测器7.6.2CFAR匹配子空间检测器注释第3部分复随机过程第8章广义平稳过程8.1谱表示和功率谱密度8.2滤波器8.2.1解析信号和复基带信号8.2.2非因果雏纳滤波器8.3因果维纳滤波器8.3.1谱分解8.3.2因果合成、解析、维纳滤波器8.4旋转分量和极化分析8.4.1旋转分量8.4.2随机信号的旋转分量8.4.3极化和相干8.4.4斯托克斯向量和琼斯向量8.4.5两个信号的联合分析8.5商阶谱8.5.1矩谱和主域8.5.2解析信号注释第9章非平稳过程9.1Karhunen—Loeve展开9.1.1估计9.1.2检测9.2Cramer—Loeve谱表示9.2.1四角图示9.2.2能量谱密度和功率谱密度9.2.3解析信号9.2.4离散时间信号9.3Rihhaezek时间—频率表示9.3.1解释9.3.2核估计器9.4旋转分量和极化分析9.4.1椭圆特性9.4.2解析信号9.5高阶统计量注释第10章周期平稳过程10.1特性描述和谱特性10.1.1日期功率谱密度10.1.2周期谱相干10.1.3周期功率谱密度估计10.2线性调制数字通信信号10.2.1符号速率相关周期平稳10.2.2载波频率相关周期平稳10.2.3率分集周期平稳10.3周期维纳滤波器10.4周期维纳滤波器的因果滤波器组实现10.4.1标量周期平稳过程和向量广义平稳过程之间的联系10.4.2滑动窗滤波器组10.4.3等价FRESH滤渡器10.4.4因果近似注释附录1矩阵分析基础A1.1矩阵分解A1.1.1分块矩阵A1.1.2特征值分解A1.1.3奇异值分解A1.2正定矩阵A1.2.1矩阵平方根与Cholesky分解A1.2.2更新Gramrnlan矩阵的Cholesky因子A1.2.3偏序A1.2.4不等式A1.3矩阵的逆A1.3.1分块矩阵A1.3.2M—P（Moore—Penmse）伪逆A1.3.3投影附录2复微积分（Wirtinger微积分）A2.1复梯度A2.1.1全纯函数A2.1.2复梯度和雅克比行列式A2.1.3Wirtinger微分的特性A2.2特殊情况A2.3复Hessian函数A2.3.1特性A2.3.2扩展至复值函数附录3优化简介基本定义A3.1.1优化A3.1.2Schur—凸函数A3.2Sehur—凸性检验A3.2.1特殊检验A3.2.2口内定艾的函数A3.3特征值与奇异值A3.3.1对角元素与特征值A3.3.2对角元素和奇异值A3.3.3分块矩阵参考文献
对复值数据...仍有疑问？您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
自适应网络的分布式估计研究.pdf61页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：180 &&
你可能关注的文档：
··········
··········
硕士专业学位论文
论 文 题 目
自适应网络的分布式估计研究
研究生姓名
指导教师姓名
专 业 名 称
电子与通信工程
研 究 方 向
自适应信号处理
论文提交日期
2014 年5 月
自适应网络的分布式估计研究
自适应网络的分布式估计研究
分布式网络是分散在一片地理区域上、能够从周围的环境中采集数据的节点集
合。分布式信号处理能够处理从节点采集到的数据中提取有用信息的问题。在一些
应用中，网络中的每个节点能够采集到与某个感兴趣的未知参数相关的含噪观察
值。分布式估计是分布式信号处理的一个分支，其目的是通过每个节点的含噪观察
值来估计感兴趣的未知参数。在分布式估计中，不同的算法具有不同的收敛速度、
稳态失调和鲁棒性。为了解决分布式最小均方算法在输入信号相关性较高时收敛速
度较慢、分布式仿射投影算法计算量较大等问题，本文提出了两种分布式子带自适
应滤波算法，即增量式和扩散式子带自适应滤波算法。分布式子带自适应滤波算法
将每个节点的信号进行子带分割来降低信号的相关性，因而能够加快收敛速度。由
于用于子带分割的滤波器组中包含了抽取单元，因此分布式子带自适应滤波算法和
对应的分布式最小均方算法的计算复杂度相近。为了解决分布式最小均方算法和分
布式仿射投影算法在脉冲噪声干扰下鲁棒性较差的问题，本
正在加载中，请稍后...