数字通信技术 普通高等教育“十一五”国家级规划教材 作者 张杭 张邦宁 郭道省 王孝国 陈瑾 07-4.pptVIP

§7.3　均衡的算法（续） 内容和要求 内容目的 理解RLS算法原理 了解均衡器中RLS算法的实现复杂性 常用自适应算法的性能 要求 难点为RLS算法的学习，了解RLS与LMS在算法上的侧重点有什么不一样。学习常用自适应算法和性能。 一、LMS算法的特点 LMS具有上讲所说的优点之外，明显的缺点如下： 采用随机梯度算法进行最佳参数的搜索。 对所有对数采用同一个参数：步长进行调整。 在输入信号相关矩阵特征值具有很强的弥散性时，整个LMS算法收敛速度将大大将低。 二、对自适应算法改进的思考 问题 对LMS算法是基于噪声梯度，从统计意义上向最佳点进行迫近。其调整的出发点是基于当前的输入信号与估计误差 新思想 如果随着接收数据的加大，每次更新滤波器系数时能否考虑到更新之后的系数能否同样对以前的样点产生的误差数值为最优？即每次系数的更新，可用更新之后的系数对以前的误差信号进行重新计算，使所有的误差平方之和达到最小。 二、对自适应算法改进的思考 如果完整考虑新系数对以前输入信号点的影响，会产生两个问题： 随着时间的推进，累计误差将不断加大，这对实现上将存在影响； 如果外部系统的特性产生变化，则以前的误差信号对当前的系统状态（滤波器系数）没有参考价值。 改进思想 对误差进行加权的方式进行考虑，最近的误差具有较高的加权系数，过去的误差加权系数较小。即其代价函数可以考虑为下式：