Fig. 5(a) indicates that RLS algori

Fig. 5(a) indicates that RLS algorithm converges quickly and steady. In addition, the RLS algorithm with orthonormal polynomials converges faster than that with conventional polynomials as the orthonormal basis functions can improve the numerical stability. LMS algorithm converges quickly but unsteady when the step size δ =0.05. On the contrary, LMS algorithm converges steady but slowly when the step size δ =0.005. The proposed algorithm achieves almost the same performance as that of the RLS algorithm. Moreover, the proposed algorithm with δ(n) converges a bit slowly than the proposed algorithm with 1/n does.

ผลลัพธ์ (ไทย) 1:

Fig. 5(a) บ่งชี้ว่า อัลกอริทึม RLS converges steady อย่างรวดเร็ว และ อัลกอริทึมบทบาทกับ orthonormal polynomials converges เร็วกว่ากับ polynomials ธรรมดาที่เป็นฟังก์ชันพื้นฐาน orthonormal สามารถปรับปรุงความมั่นคงเป็นตัวเลข อัลกอริทึม LMS converges รวดเร็วแต่ unsteady เมื่อขั้นตอนขนาดδ = 0.05 ดอก อัลกอริทึม LMS converges steady แต่ช้าเมื่อขั้นตอนขนาดδ = 0.005 อัลกอริทึมนำเสนอได้รับเกือบประสิทธิภาพเดียวกันกับอัลกอริทึม RLS นอกจากนี้ อัลกอริทึมที่นำเสนอกับ δ(n) converges บิตช้ากว่าอัลกอริทึมที่นำเสนอกับ 1/n ไม่

ผลลัพธ์ (ไทย) 2:

รูป 5 ( นอกจากนี้ขั้นตอนวิธี ขั้นตอนวิธี ในทางตรงกันข้ามกับขั้นตอนวิธี ขั้นตอนวิธีการประสบความสำเร็จในการเสนอเกือบประสิทธิภาพเช่นเดียวกับที่ของขั้นตอนวิธี นอกจากนี้ยังมีขั้นตอนวิธีการที่นำเสนอมี

ผลลัพธ์ (ไทย) 3:

ภาพที่ 5 ( RLS ) บ่งชี้ว่าขั้นตอนวิธี converges อย่างรวดเร็วและมั่นคง นอกจากนี้ ขั้นตอนวิธีการท RLS ด้วยพหุนามด้วยพหุนาม - เร็วกว่าที่ปกติเป็นฟังก์ชั่นพื้นฐานการทสามารถปรับปรุงเสถียรภาพเชิงตัวเลข ขั้นตอนวิธี LMS converges อย่างรวดเร็ว แต่ไม่มั่นคง เมื่อขั้นตอนขนาดδ = 0.05 ในทางตรงกันข้ามขั้นตอนวิธี LMS ๆคงได้ แต่ช้า เมื่อขั้นตอนขนาดδ = 0.005 . วิธีที่เสนอสามารถเกือบเดียวกันประสิทธิภาพของ RLS ขั้นตอนวิธี นอกจากนี้ วิธีที่เสนอกับδ ( n ) - บิตช้ากว่าวิธีที่เสนอกับ 1 / N ไม่