自適應過濾法計算

A. 自適應過濾法完整正確c++程序

自適應過濾法？？？抱歉我還沒學過！一、自適應過濾法就是從自回歸系數的一組初始估計值開始利用公式
逐次迭代，不斷調整，以實現自回歸系數的最優化。
自適應過濾法的基本步驟有：
（1）首先確定模型階數P
（2）選擇合適的濾波參數k
（3）計算每一次殘差e
（4）根據殘差e以及調整公式計算下一輪的系數
（5）迭代直到取得合適的系數
二、自適應過濾法的一個很重要的特點是經過逐次迭代，自回歸系數可以不斷調整，以使自回歸系數達到最優化。

自適應過濾法優點是：
（1）簡單易行，可採用標准程序上機運算。
（2）適用於數據點較少的情況。
（3）約束條件較少
（4）具有自適應性，他能自動調整回歸系數，是一個可變系數的數據模型。
三、使用自適應過濾法應選擇好濾波常數k，這樣不僅可使迭代次數不太多，而且可以確保MSE取值最小。
濾波常數k的選擇原則有：

（1）k越接近於1可以減少迭代次數
（2）為了避免太大的k而導致的誤差序列的發散性，k應小於或等於1/P
（3）根據Box-Jenkins方法的基本知識，
，
而Windrow將其表述為：
四、對原始數列做標准化處理很重要，這樣可加快迭代的收斂速度，並使取得的誤差從平均意義上逐漸減小。
五、學會使用計算機來進行自適應過濾法的計算，這樣可使自適應過濾法的應用變得簡單易行。

B. 自適應過濾法的應用

用自適應過濾法調整權數的方法如下：基於不斷發現預測值與觀測值之間的誤差，然後對預測模型的權數加以調整，以縮小誤差，並反復循環，最終使誤差為零。調整權數的公式是按數學中最優化原理的最速下降法給出的。
一、自適應過濾法就是從自回歸系數的一組初始估計值開始利用公式
逐次迭代，不斷調整，以實現自回歸系數的最優化。
自適應過濾法的基本步驟有：
（1）首先確定模型階數P
（2）選擇合適的濾波參數k
（3）計算每一次殘差e
（4）根據殘差e以及調整公式計算下一輪的系數
（5）迭代直到取得合適的系數
二、自適應過濾法的一個很重要的特點是經過逐次迭代，自回歸系數可以不斷調整，以使自回歸系數達到最優化。
自適應過濾法優點是：
（1）簡單易行，可採用標准程序上機運算。
（2）適用於數據點較少的情況。
（3）約束條件較少
（4）具有自適應性，他能自動調整回歸系數，是一個可變系數的數據模型。
三、使用自適應過濾法應選擇好濾波常數k，這樣不僅可使迭代次數不太多，而且可以確保MSE取值最小。
濾波常數k的選擇原則有：
（1）k越接近於1可以減少迭代次數
（2）為了避免太大的k而導致的誤差序列的發散性，k應小於或等於1/P
（3）根據Box-Jenkins方法的基本知識，
，
而Windrow將其表述為：
四、對原始數列做標准化處理很重要，這樣可加快迭代的收斂速度，並使取得的誤差從平均意義上逐漸減小。
五、學會使用計算機來進行自適應過濾法的計算，這樣可使自適應過濾法的應用變得簡單易行。

C. 預測方法中自適應過濾法的一段C++程序，哪位大蝦幫我看看，我這個程序沒有錯誤，但是不能輸入數據

gezhongshuju

D. 自適應過濾法最適用於哪些類型的數據

自適應過濾法對處理具有長期趨勢性變動或季節性變動的確定型時間序列比較有優勢。對於有線性趨勢的數據，可以應用差分方法消除數據的趨勢。

E. 要求進行自適應過濾法分析

你好：
這可以用SPSS軟體進行分析的！

F. 自適應過濾法的介紹

自適應過濾法是根據一組給定的權數對時間數列的歷史觀察值進行加權平均計算一個預測值，然後根據預測誤差調整權數以減少誤差，這樣反復進行直至找出一組「最佳」權數，使誤差減少到最低限度，再利用最佳權數進行加權平均預測。

G. 自適應濾波器演算法h（n+1）=h（n）+2μx（n）e（n）用C語言完成 其中函數問題

#include <stdio.h>
long float fun(int n) //求階乘函數
{
if(n>1)
return n*fun(n-1);
else
return 1;
}

long float fun1(int x,int n) //求x的n次方函數
{
long float i;
long float sum=1;
if(n>=1)
for(i=1;i<=n;i++)
sum*=x;
else
sum=1;
return sum;
}

main()
{
int x,i=1;
long float sum=1,s;
printf("請輸入x:\n");
scanf("%d",x);
for(i=1;i<150;i++) //n最大取值為149
sum+=fun1(x,i)/fun(i);
printf("e的%d次方的值為：%f\n", x,sum);
}

H. 自適應維納濾波的原理演算法是什麼啊

利用平穩隨機過程的相關特性和頻譜特性對混有雜訊的信號進行濾波的方法，1942年美國科學家N.維納為解決對空射擊的控制問題所建立。維納濾波是40年代在線性濾波理論方面所取得的最重要的成果。
濾波問題 用()表示信號的真實值，()表示雜訊，其中表示時間，則實際上觀測到的信號是
()=()+()濾波就是要從實測信號()中盡可能濾掉雜訊()，以得到真實信號()的良好估值。數學上，濾波問題可以歸結為根據()來求出()的最優估值()。
維納濾波中,最優估值()是在均方誤差的數學期望E[()-()](取極小意義下的一種估值。在假定信號過程()與雜訊過程()為聯合平穩和假定在半無限時間區間(－∞,)內能獲得()的全部觀測數據的前提下，維納濾波給出了計算最優估值()的一種方法。
維納濾波器 實現維納濾波方法的系統或裝置稱為維納濾波器。維納濾波器在結構上是一個定常線性系統（見圖[維納濾波器]），通過合理的設計可使其對雜訊()具有良好的過濾特性當觀測信號()=()+()輸入濾波器時,它的輸出就是信號()的最優估值()。
構造維納濾波器的步驟 假設維納濾波器的單位脈沖響應函數是()，則最優估值()的關系式為:
[470-01]如用R()表示()和()的互相關函數,R()表示()的自相關函數，那麼業已證明它們之間具有類似於上式的關系式.
[470-02]這個關系式稱為維納－霍夫方程。如果所討論的各隨機過程均具有各態歷經性,則式中的R()和R()均是已知的。設計維納濾波器的問題,可歸結為從維納-霍夫積分方程中解出未知函數()。()的拉普拉斯變換就是所要決定的維納濾波器的傳遞函數H()。對於一般問題,維納-霍夫方程往往不易求解。但當給定問題的隨機過程的功率譜密度是有理分式函數時，H()的顯式解就可比較容易地定出。根據求得的H()即可構造所需的維納濾波器,而信號的最優估值()則可由相應關系式定出。
維納濾波器的優缺點 維納濾波器的優點是適應面較廣，無論平穩隨機過程是連續的還是離散的，是標量的還是向量的，都可應用。對某些問題，還可求出濾波器傳遞函數的顯式解，並進而採用由簡單的物理元件組成的網路構成維納濾波器。維納濾波器的缺點是，要求得到半無限時間區間內的全部觀察數據的條件很難滿足，同時它也不能用於雜訊()為非平穩的隨機過程的情況，對於向量情況應用也不方便。因此，維納濾波在實際問題中應用不多。

I. 各位 有誰知道自適應過濾法的MATLAB的程序

（1）首先確定模型階數P
（2）選擇合適濾波參數k
（3）計算每殘差e
（4）根據殘差e及調整公式計算輪系數
（5）迭代直取合適系數！