11自适应横向滤波器.pptVIP

3.2.3 最陡下降法 搜索性能曲面最低点 的目的,是求最佳权矢量 (搜索寻优). 但在 实际应用中, 性能曲面的参数和解析式都是未知的, 因此,通常只能根据 已知的量测数据, 采用某种自适应算法自动地对性能曲面进行搜索. 工程上较易实现的一种实用的搜索方法是最优化数学方法——最陡下 降法, 即沿性能曲面向下按最陡方向(即曲面的负梯度方向)搜索曲面的 最低点, 并实现对该最低点的跟踪. 1.最陡下降法迭代公式与求解 按最陡下降法进行搜索的过程, 实际上是一个迭代计算权矢量(迭代寻 优)过程, 即: 在性能曲面上设一初始点 [对应初始权矢量 ] ? 沿该点负梯度方向搜索至1点 [对应权矢量 . 等于 加上一个正比于负梯度的增量] ? ? ? 最后搜索到 （对应曲面最低点） 因此, 采用最陡下降法迭代计算权矢量的公式为： (3.2.35a) 式中, ——自适应增益常数量(或收敛参数), 用于控制搜索步长; ——性能曲面的梯度. 时间指标 , 表示不同时间搜索到曲面上 各点的梯度是不同的. 根据梯度表示式(3.2.13)： 可将迭代公式写成如下形式： (3.2.35b) 求解上式，即可求得权矢量随迭代次数变化的函数关系。为此，需将该 式变换成 个互相独立的标量方程。 在标量方程中，为了避免各方程之间通过 的各分量产生耦合，还需 进一步将 坐标变换成新的 坐标（即“主轴坐标系”）。 （1）迭代方程的坐标转换 ●迭代公式的 坐标表示 将迭代公式两边同减 : 令 , 则有 (3.2.36) 根据性能曲面 , 可求得其梯度 代入式(3.2.36)，得 即 (3.2.37) 上式中: 由于 不是对角矩阵, 计算与分析均较复杂, 因此再将坐 标转换到 坐标. ●迭代公式的 坐标表示 因有 将上式代入式(3.2.37), 得 等式两边左乘 , 并令 得到 (3.2.38) 上式就是采用 坐标系时最陡下降法的迭代计算公式. （2）迭代方程的求解 将式(3.2.38)展开, 得到 个标量方程如下: (3.2.38) 以上各方程间没有 各分量的相互耦合, 可分别由初始权值进行迭 代求解. 例如, 对式(3.2.39)的第一个方程式,设初始权系数为 , 相应有偏 移量 和主轴分量 , 可作如下迭代运算: 对其它各式作同样的迭代运算, 最后得 (3.2.40) 式中, 个初始权值构成一个初始权矢量: (3.2.41) 用矢量表示: (3.2.42) 该式给出了权矢量的递推解以及随迭代次数 的变化关系. 自然坐标系的权矢量的递推解：再回到自然坐标系，由式(3.2.42)得 由于 故式(3.2.42)可写成 (3.2.43) 这就是自然坐标系中权系数的递推公式. 搜索的目标是要实现 [即 ] , 因此, 必呈现几何级数衰减特性, 且每迭代一次, [即 ]衰减 倍. 2. ? 值对稳定性和收敛性的影响 以一维情况为例说明 值的影响。 一维递推公式为 (3.2.44) 式中：误差抛物线梯度 权系数增量 为了分析简单，假设梯度采用一条样本曲线进行估算, 即 (3.2.45) 上式说明, ～ 关系为一直线, 如图3.2.6所示(图中用 代替 ; 代替 ). 由图可见： (1) (2) 由式(3.2.45)可得, ～ 直线的斜率为 与图对照, 得: