自适应滤波器翻译作业.docVIP

第八章 快速横向LMS滤波算法 8.1 简介 在大量的算法解决最小二乘问题递归形式的方法中快速横向递归最小二乘(FTRLS)算法是非常具有吸引力，因为其能减少计算复杂度。 FTRLS算法可以通过求解同时向前和向后的线性预测问题,连同其他两个横向过滤器:过程估计量和一个辅助滤波器的期望信号向量有一个作为其第一和唯一的非零元素(例如,d(0)= 1)。与格型算法相比,FTRLS算法只需要时间递归方程。然而,需要得到一些FTRLS算法的关系，可参考前面一章LRLS算法。FTRLS算法考虑快速的横向滤波器RLS的算法更新的解决方法。因为顺序固定，更新横向自适应滤波器系数向量在每个计算中都迭代。 格型算法的向后和向前的派生关系可以用于预测所派生的FTRLS算法。由此产生的算法计算复杂度在实际中实现N使它们特别具有吸引力。相比格型算法，FTRLS算法的计算复杂度较低，由于没有权向量更新方程。特别是，FTRLS算法通常需要7 n到11 n每输出样本,乘法和除法则需要LRLS 14n到29 n计算。因此，FTRLS算法被认为是最快的解决方案的实现RLS的问题[1]-[7]。 在工程实践领域相继提出几种不同的FTRLS算法，所谓的快速卡尔曼算法[1],这的确是一个早期的快速横向RLS算法,计算11n次乘法和除法的复杂运算在每次输出示例。在后面的研究阶段开发领域的快速横向算法,快速后验误差序列的技术(