数字信号处理-性能函数及最陡下降法.ppt

* 数字信号处理 3.2.3 最陡下降法 3.2.2 性能函数表示式及其几何意义 3.2.2 性能函数表示式及其几何意义 自适应滤波器的分析研究中，性能函数是一个重要函数 下面我们推导它的其它表示方法以及几何意义。 将(3.2.14)式代入(3.2.8)式，可以用最小均方误差表示性能函数，推导如下： 为表示方便，令 ζ=E［e2j］, 则 将(3.2.12)式代入上式，得到 令 V=W-W*=［v1, v2, …, vN］T V称为偏差权向量，它表示权向量对最佳权向量的偏差。这样性能函数： (3.2.15) (3.2.16) (3.2.17) 因为Rxx是对称的，正定或半正定的，利用它的特征值和特征向量再进一步简化，假设Rxx是N×N维，它的N个特征值为： λ1,λ2,…,λN，将Rxx进行分解，得 Rxx=QTΛQ,Λ=QTRxxQ 通过调节使Q归一化，即 (3.2.18) (3.2.19) (3.2.20) 式中，Q称为正交矩阵或特征矩阵，qi称为特征向量，满足下式： Λ是由特征值组成的对角矩阵， 用下式表示： 将(3.2.18)式代入(3.2.17)式，得到 令 (3.2.21) (3.2.22) (3.2.23) (3.2.24) 则 (3.2.25) 上式将性能函数变成了平方和的形式。 观察(3.2.24)式，该式将V坐标中的Rxx的特征向量变成了V′坐标中的单位向量。 (3.2.26) 也就是说，qi′为V′坐标中的第i个单位向量，qi′亦是Λ 矩阵对应于λi的特征向量。 下面用二维权矢量的情况说明它的几何意义。对于二维权矢量情况，有下面公式： 图 3.2.5 二维权矢量性能表面 图 3.2.6 等均方误差的椭圆曲线族 按照(3.2.17)式，有 或 当c=ζmin时，对应椭圆的中心，V=W-W*, 则相当于W坐标平移到V坐标的原点，即V坐标的原点对应W坐标的最佳点W *。这里, v1v2不是椭圆的主轴。但经过对Rxx的分解： 且V′=QTV将性能函数的椭圆族(按照(3.2.25)式)变成 即 或者 显然，上式是一个椭圆方程，v1′和v2′是椭圆族的主轴，如果λ1＜λ2,则v1′是长轴，v2′是短轴。因此(3.2.24)式起坐标旋转的作用，将v1v2旋转到主轴上，形成v1′v2′主轴。对于维数N＞2的情况，长轴对应最小特征值，按照上面的椭圆方程长轴正比于 ；短轴对应于最大特征值，正比于 。 (3.2.27) 3.2.3 最陡下降法 1. 最陡下降法的递推公式 将(3.2.11)式代入(3.2.29)式，得到 在上式两边都减去W *,并令Vj=W j-W*, 得到 Vj+1=［I-2μRxx］Vj 由于［·］项不是对角矩阵，计算与分析均复杂。 (3.2.30) (3.2.31) (3.2.32) (3.2.29) (3.2.33) 此时，［·］项已变成对角矩阵，假设起始值是V0′，可得到上式的递推解为 (3.2.34) 再将(3.2.24)式代入，再经过坐标平移，即代入Vj=Wj-W*式， 最后得到权系数的递推公式： (3.2.35) 上面递推公式中，［·］部分已变成对角矩阵， 这使分析与研究自适应特性变得简单了。 2. 收敛条件 由最陡下降法的递推公式不难分析出它的收敛条件，即当迭代次数j趋于∞时，权系数收敛最佳时的条件。按照上式， 显然只有当 (3.2.36) (3.2.37) 满足时，才能得到：  。(3.2.37)式即是最陡下降法的收敛条件，式中λmax是Rxx的最大特征值。(3.2.36)式中的0表示0矢量。 3. 过渡过程 过渡过程是指权矢量和性能函数由起始点随迭代次数的增加，进行变化的过程。权矢量的过渡过程： 按照(3.2.34)式，权矢量的递推解是 第i个权系数递推方程是 (3.2.38) 令 (3.2.39) *