Les moindres carrés récursifs avec un facteur d'oubli

1. Quel est le facteur d'oubli?
2. Qu'est-ce que la méthode du moindre carré récursive?
3. Quel est le but de l'estimation récursive des moindres carrés?

Quel est le facteur d'oubli?

Résumé: La performance globale de l'algorithme récursive des moindres carrés (RLS) est régie par le facteur d'oubli. La valeur de ce paramètre conduit à un compromis entre un faible mal adaptation et une stabilité d'une part, et le taux de convergence rapide et le suivi d'autre part.

Qu'est-ce que la méthode du moindre carré récursive?

Les moindres carrés récursifs (RLS) sont un algorithme de filtre adaptatif qui trouve récursivement les coefficients qui minimisent une fonction de coût linéaire des moindres pondérés relative aux signaux d'entrée. Cette approche contraste avec d'autres algorithmes tels que les carrés les moins moyens (LMS) qui visent à réduire l'erreur quadratique moyenne.

Quel est le but de l'estimation récursive des moindres carrés?

L'estimateur récursif des moindres carrés estime les paramètres d'un système à l'aide d'un modèle linéaire dans ces paramètres. Un tel système a la forme suivante: y (t) = h (t) θ (t) . y et h sont des quantités connues que vous fournissez au bloc pour estimer θ.