Rekurencyjne najmniejsze kwadraty

Rekurencyjne najmniejsze kwadraty (RLS) to adaptacyjny algorytm filtra, który rekurencyjnie znajduje współczynniki, które minimalizują obciążoną funkcję kosztu najmniejszych kwadratów dotyczących sygnałów wejściowych. Takie podejście jest sprzeczne z innymi algorytmami, takimi jak najmniej średnie kwadraty (LMS), które mają na celu zmniejszenie średniego błędu kwadratowego.

1. Jaki jest cel rekurencyjnego oszacowania najmniejszych kwadratów?
2. Jakie są współczynniki najmniejszych kwadratów?

Jaki jest cel rekurencyjnego oszacowania najmniejszych kwadratów?

Rekurencyjny estymator najmniejszych kwadratów szacuje parametry systemu za pomocą modelu liniowego w tych parametrach. Taki system ma następującą formę: y (t) = h (t) θ (t) . Y i H są znanymi ilościami, które podajesz bloku do oszacowania θ.

Jakie są współczynniki najmniejszych kwadratów?

Zasada najmniejszych kwadratów stanowi sposób skutecznego wyboru współczynników poprzez zminimalizowanie suma błędów kwadratowych. Oznacza to, że wybieramy wartości β0, β1,…, βk β 0, β 1,…, β k, które minimalizują tką = 1ε2t = t słuchystyka = 1 (yt -β0 -β1x1, T -β2x2, t. - ⋯ βKXK, t) 2.