信號建模(3):多頻信號模型的遞推參數(shù)估計
發(fā)布時間:2023-11-14 20:04
利用梯度搜索、牛頓搜索、多新息辨識理論,研究多頻標準正弦信號的建模問題,提出了相應的最小均方參數(shù)辨識算法、隨機梯度參數(shù)辨識算法、多新息隨機梯度參數(shù)辨識算法、遞推梯度參數(shù)辨識算法、牛頓遞推參數(shù)辨識算法等,給出了幾個典型辨識算法的計算步驟。文中的方法可以推廣到其它多頻信號模型的參數(shù)辨識。
【文章頁數(shù)】:12 頁
【文章目錄】:
1 多頻標準信號模型
2 最小均方參數(shù)辨識算法
3 隨機梯度參數(shù)辨識算法
3.1 隨機梯度辨識算法
3.2 遺忘因子隨機梯度辨識算法
3.3 投影辨識算法
3.4 修正隨機梯度辨識算法
3.5 修正遺忘因子隨機梯度辨識算法
4 多新息隨機梯度參數(shù)辨識算法
4.1 多新息隨機梯度辨識算法
4.2 加權多新息隨機梯度辨識算法
4.3 遺忘因子多新息隨機梯度辨識算法
4.4 多新息投影辨識算法
4.5 修正多新息隨機梯度辨識算法
4.6 修正遺忘因子多新息隨機梯度辨識算法
5 遞推梯度參數(shù)辨識算法
6 牛頓遞推參數(shù)辨識算法
7 結語
本文編號:3864116
【文章頁數(shù)】:12 頁
【文章目錄】:
1 多頻標準信號模型
2 最小均方參數(shù)辨識算法
3 隨機梯度參數(shù)辨識算法
3.1 隨機梯度辨識算法
3.2 遺忘因子隨機梯度辨識算法
3.3 投影辨識算法
3.4 修正隨機梯度辨識算法
3.5 修正遺忘因子隨機梯度辨識算法
4 多新息隨機梯度參數(shù)辨識算法
4.1 多新息隨機梯度辨識算法
4.2 加權多新息隨機梯度辨識算法
4.3 遺忘因子多新息隨機梯度辨識算法
4.4 多新息投影辨識算法
4.5 修正多新息隨機梯度辨識算法
4.6 修正遺忘因子多新息隨機梯度辨識算法
5 遞推梯度參數(shù)辨識算法
6 牛頓遞推參數(shù)辨識算法
7 結語
本文編號:3864116
本文鏈接:http://www.sikaile.net/projectlw/xtxlw/3864116.html
最近更新
教材專著