自适应过滤法计算

A. 自适应过滤法完整正确c++程序

自适应过滤法？？？抱歉我还没学过！一、自适应过滤法就是从自回归系数的一组初始估计值开始利用公式
逐次迭代，不断调整，以实现自回归系数的最优化。
自适应过滤法的基本步骤有：
（1）首先确定模型阶数P
（2）选择合适的滤波参数k
（3）计算每一次残差e
（4）根据残差e以及调整公式计算下一轮的系数
（5）迭代直到取得合适的系数
二、自适应过滤法的一个很重要的特点是经过逐次迭代，自回归系数可以不断调整，以使自回归系数达到最优化。

自适应过滤法优点是：
（1）简单易行，可采用标准程序上机运算。
（2）适用于数据点较少的情况。
（3）约束条件较少
（4）具有自适应性，他能自动调整回归系数，是一个可变系数的数据模型。
三、使用自适应过滤法应选择好滤波常数k，这样不仅可使迭代次数不太多，而且可以确保MSE取值最小。
滤波常数k的选择原则有：

（1）k越接近于1可以减少迭代次数
（2）为了避免太大的k而导致的误差序列的发散性，k应小于或等于1/P
（3）根据Box-Jenkins方法的基本知识，
，
而Windrow将其表述为：
四、对原始数列做标准化处理很重要，这样可加快迭代的收敛速度，并使取得的误差从平均意义上逐渐减小。
五、学会使用计算机来进行自适应过滤法的计算，这样可使自适应过滤法的应用变得简单易行。

B. 自适应过滤法的应用

用自适应过滤法调整权数的方法如下：基于不断发现预测值与观测值之间的误差，然后对预测模型的权数加以调整，以缩小误差，并反复循环，最终使误差为零。调整权数的公式是按数学中最优化原理的最速下降法给出的。
一、自适应过滤法就是从自回归系数的一组初始估计值开始利用公式
逐次迭代，不断调整，以实现自回归系数的最优化。
自适应过滤法的基本步骤有：
（1）首先确定模型阶数P
（2）选择合适的滤波参数k
（3）计算每一次残差e
（4）根据残差e以及调整公式计算下一轮的系数
（5）迭代直到取得合适的系数
二、自适应过滤法的一个很重要的特点是经过逐次迭代，自回归系数可以不断调整，以使自回归系数达到最优化。
自适应过滤法优点是：
（1）简单易行，可采用标准程序上机运算。
（2）适用于数据点较少的情况。
（3）约束条件较少
（4）具有自适应性，他能自动调整回归系数，是一个可变系数的数据模型。
三、使用自适应过滤法应选择好滤波常数k，这样不仅可使迭代次数不太多，而且可以确保MSE取值最小。
滤波常数k的选择原则有：
（1）k越接近于1可以减少迭代次数
（2）为了避免太大的k而导致的误差序列的发散性，k应小于或等于1/P
（3）根据Box-Jenkins方法的基本知识，
，
而Windrow将其表述为：
四、对原始数列做标准化处理很重要，这样可加快迭代的收敛速度，并使取得的误差从平均意义上逐渐减小。
五、学会使用计算机来进行自适应过滤法的计算，这样可使自适应过滤法的应用变得简单易行。

C. 预测方法中自适应过滤法的一段C++程序，哪位大虾帮我看看，我这个程序没有错误，但是不能输入数据

gezhongshuju

D. 自适应过滤法最适用于哪些类型的数据

自适应过滤法对处理具有长期趋势性变动或季节性变动的确定型时间序列比较有优势。对于有线性趋势的数据，可以应用差分方法消除数据的趋势。

E. 要求进行自适应过滤法分析

你好：
这可以用SPSS软件进行分析的！

F. 自适应过滤法的介绍

自适应过滤法是根据一组给定的权数对时间数列的历史观察值进行加权平均计算一个预测值，然后根据预测误差调整权数以减少误差，这样反复进行直至找出一组“最佳”权数，使误差减少到最低限度，再利用最佳权数进行加权平均预测。

G. 自适应滤波器算法h（n+1）=h（n）+2μx（n）e（n）用C语言完成 其中函数问题

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

long float fun1(int x,int n) //求x的n次方函数
{
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("请输入x:\n");
scanf("%d",x);
for(i=1;i<150;i++) //n最大取值为149
sum+=fun1(x,i)/fun(i);
printf("e的%d次方的值为：%f\n", x,sum);
}

H. 自适应维纳滤波的原理算法是什么啊

利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法，1942年美国科学家N.维纳为解决对空射击的控制问题所建立。维纳滤波是40年代在线性滤波理论方面所取得的最重要的成果。
滤波问题 用()表示信号的真实值，()表示噪声，其中表示时间，则实际上观测到的信号是
()=()+()滤波就是要从实测信号()中尽可能滤掉噪声()，以得到真实信号()的良好估值。数学上，滤波问题可以归结为根据()来求出()的最优估值()。
维纳滤波中,最优估值()是在均方误差的数学期望E[()-()](取极小意义下的一种估值。在假定信号过程()与噪声过程()为联合平稳和假定在半无限时间区间(－∞,)内能获得()的全部观测数据的前提下，维纳滤波给出了计算最优估值()的一种方法。
维纳滤波器 实现维纳滤波方法的系统或装置称为维纳滤波器。维纳滤波器在结构上是一个定常线性系统（见图[维纳滤波器]），通过合理的设计可使其对噪声()具有良好的过滤特性当观测信号()=()+()输入滤波器时,它的输出就是信号()的最优估值()。
构造维纳滤波器的步骤 假设维纳滤波器的单位脉冲响应函数是()，则最优估值()的关系式为:
[470-01]如用R()表示()和()的互相关函数,R()表示()的自相关函数，那么业已证明它们之间具有类似于上式的关系式.
[470-02]这个关系式称为维纳－霍夫方程。如果所讨论的各随机过程均具有各态历经性,则式中的R()和R()均是已知的。设计维纳滤波器的问题,可归结为从维纳-霍夫积分方程中解出未知函数()。()的拉普拉斯变换就是所要决定的维纳滤波器的传递函数H()。对于一般问题,维纳-霍夫方程往往不易求解。但当给定问题的随机过程的功率谱密度是有理分式函数时，H()的显式解就可比较容易地定出。根据求得的H()即可构造所需的维纳滤波器,而信号的最优估值()则可由相应关系式定出。
维纳滤波器的优缺点 维纳滤波器的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。对某些问题，还可求出滤波器传递函数的显式解，并进而采用由简单的物理元件组成的网络构成维纳滤波器。维纳滤波器的缺点是，要求得到半无限时间区间内的全部观察数据的条件很难满足，同时它也不能用于噪声()为非平稳的随机过程的情况，对于向量情况应用也不方便。因此，维纳滤波在实际问题中应用不多。

I. 各位 有谁知道自适应过滤法的MATLAB的程序

（1）首先确定模型阶数P
（2）选择合适滤波参数k
（3）计算每残差e
（4）根据残差e及调整公式计算轮系数
（5）迭代直取合适系数！