1) complex recursive Householder-QR factorization
递推复House-holder-QR分解
2) complex QR decomposition
复数QR分解
1.
Using complex QR decomposition and Householder transformation, the algorithm can be recursively implemented.
此外, 算法引入了复数QR分解,解决了算法只能处理实数信号的问题。
3) Inverse QR-Decomposition Recursive Least Squares Algorithm
逆QR分解递推最小二乘算法
4) complex Householder-QR factorization
复域Householder-QR分解
5) recursive decomposition
递推分解
1.
This paper suggests a recursive decomposition form of system reliability structure function and establishes a recursive decomposition method for large-scale network seismic reliability analysis.
提出了系统结构函数的递推分解格式 ,建立了网络抗震可靠度的递推分解算法 。
6) QR factorization
QR分解
1.
Reconstruction of compressive sensing and semi-QR factorization;
可压缩传感重构算法与近似QR分解
2.
QR factorization of row(column) antisymmetric matrices;
行(列)反对称矩阵的QR分解
3.
QR factorization of real row(column) symmetric matrices
实行(列)对称矩阵的QR分解
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条