在matlab里，用自适应的LMS算法来实现均衡器，对学习均衡的朋友很有帮助

根据浏览器屏幕大小高度自适应

论文研究-平滑系数自适应的二次指数平滑模型及其应用.pdf,  通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.

有限时间自适应鲁棒控制

lms滤波器matlab代码自适应滤波器 在GNU Octave和Matlab中开发自适应过滤。 您只需要在GNU-Octave或Matlab中运行“ applied_in_music”（但您需要在代码中更改什么是音乐文件）。 我正在使用自适应过滤来执行系统识别，“猜测”将哪些“未知”过滤器u应用于已知输入x（来自mp3文件） 目前有3个分支机构： 母版：为Matlab编写的FIR滤波器标识，使用NLMS方法（请参阅参考资料） octave：FIR滤波器标识，为Octave编写，Laso使用NLMS方法（请参阅参考资料） octave_IIR_filter：IIR滤波器标识，为Octave编写。 IIR识别不是FIR识别的简单扩展（问题没有单一的解决方案）。 它实现了全梯度IIR LMS算法，从而使系统近似。 当您已经知道系统的极数和零数时，结果会好得多。

接收 5 个参数：被积函数 (FUNCTIONHANDLE) 'func'、下/上界 'left'/'right'、所需精度（绝对值）、总长度 'length'。 返回整数值。

采用CCS８.３.０＋ＣＣＳ５.０的软件仿真功能，搭建出一个自适应滤波器

timeseries-lstm-keras：基于Jason Brownlee教程，在Keras中使用LSTM递归神经网络在Python中进行时间序列预测

基于BD算法的多用户MIMO下行功率自适应，杨文谦，王亚峰，在多天线系统的研究中，目前的方向多数集中在通过预编码或者其他干扰消除技术来提升系统性能，而对于功率控制和干扰消除技术相结

完美解决winform窗体自适应，满足各种分辨率显示，难得的资料啊，这个问题困扰很长时间了，这个资料很难得啊啊啊啊