Howtosignalprocessing
Rekursive kleinste Quadrate (RLS) ist ein adaptiver Filteralgorithmus, der die Koeffizienten rekursiv findet. Dieser Ansatz steht im Gegensatz zu anderen Algorithmen wie den am wenigsten mittleren Quadraten (LMS), die darauf abzielen, den mittleren quadratischen Fehler zu verringern.
- Was ist der Zweck der rekursiven Schätzung der kleinsten Quadrate?
- Was sind die kleinsten Quadrate -Koeffizienten?
Was ist der Zweck der rekursiven Schätzung der kleinsten Quadrate?
Der rekursive Schätzer der kleinsten Quadrate schätzt die Parameter eines Systems unter Verwendung eines Modells, das in diesen Parametern linear ist. Ein solches System hat die folgende Form: y (t) = h (t) θ (t) . Y und H sind bekannte Mengen, die Sie dem Block zur Verfügung stellen, um θ abzuschätzen.
Was sind die kleinsten Quadrate -Koeffizienten?
Das Prinzip der kleinsten Quadrate bietet eine Möglichkeit, die Koeffizienten effektiv auszuwählen, indem die Summe der quadratischen Fehler minimiert wird. Das heißt, wir wählen die Werte von β0, β1,…, βK β 0, β 1,…, β k, die t .. - ⋯ -βkxk, t) 2.
