算法基于C和Python实现，由我一人负责，一周完成。算法的输入是五个任意的高度值，得到与现实相似的河床平面。利用最小二乘法，得到拟合五点的光滑曲面，加入自己设计的复杂数学函数和基于numpy实现的随机化凹凸算子，使曲面粗糙不平，基于Matplotlib将输出的数组可视化

为简单的matlab的最小二乘法的代码，供各位调试代码所用

视频教程

为了解决定步长 LMS 算法不能同时满足快速收敛和低稳态误差的问题，提出了一种基于改进双曲正切函数的变步长LMS算法（IVSSLMS）。该算法利用步长反馈因子的二范数和误差信号的相关值来调节步长，克服了定步长算法收敛速度慢及抗噪声能力差的问题；并从理论上分析了算法的性能，给出了参数的取值方法。仿真实验结果表明，在高/低信噪比条件下，IVSSLMS 算法比已有变步长算法的收敛速度更快、稳态误差更小、系统跟踪能力更优。

基于最小二乘恒模算法的OFDM波束形成方案，赵翔，袁超伟，本文根据OFDM信号的特点，在智能天线自适应波束形成算法的基础上，提出一种基于最小二乘恒模算法（LS-CMA）的低复杂度OFDM接收机方案�

上课作业，如果要使用请自行改造，拒绝抄袭。 用matlab写的拉格朗日插值、分段插值、三次样条插值、最小二乘拟合及可视化，除了基础功能，其他都是手写，没有调用函数。

1、在MATLAB上搭建系统辨识实验平台。设计不低于3阶的拉普拉斯传递函数对象，通过施加白噪声输入产生对应的输出数据。辨识ARMAX模型。 2、以均值为0，方差为1的白噪声为输入产生对应输出，构造不少于200组数据； 3、用课堂所讲的任意一种递推最小二乘编写系统辨识算法； 4、确定最佳模型阶次(尝试2阶、3阶、4阶等，从中选择最优阶次)； 5、模型有效性测试：样本集分成前后两个子集，前一个子集用于系统辨识（该子集要确保递推最小二乘能够收敛），后一个子集用于验证模型有效性：

stm32f103c8t6最小系统。

最小二乘参数辨识共享及答疑-mem_con.m 我编了一个用最小二乘法辨识系统参数的函数，有限定记忆最小二乘递归算法的（辨识量测噪声为白噪声的系统参数），有广义最小二乘算法的（辨识量测噪声为有色噪声的系统参数及参数噪声），递归算法辨识结果正确，但广义最小二乘辨识出来系统参数正确，但噪声参数不正确，大家帮我看看广义最小二乘的算法程序错在何处。我大概说一下广义最小二乘的算法结构，广义最小二乘递推的每一步用两步递推算法，先把噪声参数和模型参数均给个初值，然后第一步先假设噪声参数已知，用最小二乘估计出模型参数，第二步再用最新的模型参数来估计噪声参数，如此循环直到辨识精度达到指定要求或者可用数据用完为止。我的疑问是：辨识模型参数时需要用到噪声参数，我的噪声参数辨识的不对，为何得到的模型参数又是对的，这点让我很纳闷…… 附件中包含模型和最小二乘辨识的函数M文件，其中LSE.mdl为模型文件，mem_con.m为限定记忆最小二乘的源程序，GLS.m为广义最小二乘源程序，u为输入，使用4阶m序列，Y为白噪声作用下的输出，Yv为有色噪声作用下的输出，系统和噪声的模型均为2阶模型，函数文件中有简单的注释，大家很容易看懂，希望看出问题的前辈不吝赐教。在此先谢过了。

针对工业控制领域中非线性系统的模型辨识与预测控制问题,采用最小二乘支持向量机回归方法构造非线性函数,运用状态子空间(N4SID)模型辨识方法辨识非线性状态空间模型.在此基础上建立非线性预测控制器,利用拟牛顿算法进行非线性预测控制律的求解,从而实现了一种新的基于支持向量N4SID 辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.