考慮一個(gè)線性自適應(yīng)均衡器的原理方框圖如《現(xiàn)代數(shù)字信號(hào)處理導(dǎo)論》p.275自適應(yīng)均衡器應(yīng)用示意圖。用LMS算法實(shí)現(xiàn)這個(gè)自適應(yīng)均衡器,畫出一次實(shí)驗(yàn)的誤差平方的收斂曲線,給出最后設(shè)計(jì)濾波器系數(shù)。一次實(shí)驗(yàn)的訓(xùn)練序列長(zhǎng)度為500。進(jìn)行20次獨(dú)立實(shí)驗(yàn),畫出誤差平方的收斂曲線。給出3個(gè)步長(zhǎng)值的比較。
標(biāo)簽: 均衡器 275 LMS 線性
上傳時(shí)間: 2015-07-03
上傳用戶:yangbo69
上傳時(shí)間: 2013-12-25
上傳用戶:362279997
數(shù)值與符號(hào)計(jì)算LU分解法,運(yùn)用LU分解函數(shù)求解Ax=b的矩陣運(yùn)算
標(biāo)簽: 數(shù)值 分解 符號(hào) 計(jì)算
上傳時(shí)間: 2014-01-23
上傳用戶:sdq_123
Kohonen 網(wǎng)絡(luò)模擬大腦神經(jīng)系統(tǒng)自組織特征映射的功能,它是一種競(jìng)爭(zhēng)式學(xué)習(xí)網(wǎng)絡(luò),在學(xué)習(xí)中能無(wú)監(jiān)督地進(jìn)行自組織學(xué)習(xí)。
標(biāo)簽: Kohonen 網(wǎng)絡(luò) 模擬 大腦
上傳時(shí)間: 2014-01-24
上傳用戶:愛死愛死
CMAC網(wǎng)絡(luò)最初主要用來(lái)求解機(jī)械手的關(guān)節(jié)運(yùn)動(dòng)。W.T.Miller等人把CMAC網(wǎng)絡(luò)成功的運(yùn)用到機(jī)器人的控制上,S.Cetinkunt等又將其運(yùn)用到高精度機(jī)械工具的伺服控制。
標(biāo)簽: CMAC Miller 網(wǎng)絡(luò) 機(jī)械手
上傳時(shí)間: 2015-07-04
上傳用戶:tianjinfan
利用神經(jīng)網(wǎng)絡(luò)自校訂、自學(xué)習(xí)功能在線整定PID
標(biāo)簽: PID 神經(jīng)網(wǎng)絡(luò) 整定
上傳時(shí)間: 2013-12-22
上傳用戶:gxrui1991
MYSQL全系列自導(dǎo)入數(shù)據(jù)庫(kù)備份程序 v1.0 支持MYSQL4.1
標(biāo)簽: MYSQL 1.0 4.1 自導(dǎo)
上傳時(shí)間: 2013-12-18
上傳用戶:qweqweqwe
開發(fā)環(huán)境:Matlab 簡(jiǎn)要說(shuō)明:動(dòng)量-自適應(yīng)學(xué)習(xí)調(diào)整算法。在實(shí)際應(yīng)用中,原始的BP算法很難勝任,因此出現(xiàn)了很多的改進(jìn)算法。BP算法的改進(jìn)主要有兩種途徑,一種是采用啟發(fā)式學(xué)習(xí)方法,另一種則是采用更有效的優(yōu)化算法。本例采用動(dòng)量BP算法,來(lái)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的訓(xùn)練過程,動(dòng)量法降低了網(wǎng)絡(luò)對(duì)于誤差曲面局部細(xì)節(jié)的敏感性,有效地抑制網(wǎng)絡(luò)陷于局部極小。
標(biāo)簽: Matlab 開發(fā)環(huán)境 動(dòng)量 實(shí)際應(yīng)用
上傳時(shí)間: 2014-11-04
上傳用戶:腳趾頭
利用自回歸模型產(chǎn)生Rayleigh率落信道
標(biāo)簽: Rayleigh 回歸 信道 模型
上傳時(shí)間: 2015-07-07
上傳用戶:lanjisu111
清濁音判別方法,用matlab軟件開發(fā),如自相關(guān)和能量方法等
標(biāo)簽: matlab 判別方法 軟件開發(fā) 能量
上傳時(shí)間: 2013-12-23
上傳用戶:silenthink
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1