数学专业外文文翻献译.docVIP

第3章 最小均方算法 3．1 引言 最小均方(,least-mean-square)算法是一种搜索算法，它通过对目标函数进行适当的调整[1]—[2],简化了对梯度向量的计算。由于其计算简单性，算法和其他与之相关的算法已经广泛应用于白适应滤波的各种应用中[3]-[7]。为了确定保证稳定性的收敛因子范围，本章考察了算法的收敛特征。研究表明，算法的收敛速度依赖于输入信号相关矩阵的特征值扩展[2]—[6]。在本章中，讨论了算法的几个特性，包括在乎稳和非平稳环境下的失调[2]—[9]和跟踪性能[10]-[12]。本章通过大量仿真举例对分析结果进行了证实。在附录B的B．1节中，通过对算法中的有限字长效应进行分析，对本章内容做了补充。 算法是自适应滤波理论中应用最广泛的算法，这有多方面的原因。算法的主要特征包括低计算复杂度、在乎稳环境中的收敛性、其均值无俯地收敛到维纳解以及利用有限精度算法实现时的稳定特性等。 3．2 LMS算法 在第2章中，我们利用线性组合器实现自适应滤波器，并导出了其参数的最优解，这对应于多个输入信号的情形。该解导致在估计参考信号以时的最小均方误差。最优(维纳)解由下式给出： 其中，且，假设和联合广义平稳过程。 如果可以得到矩阵R和向量p的较好估计，