自适应信号处理讲述.pptVIP

* 在无噪声条件下， 和 收敛仅取决于标量收敛因子 为此代入 式 归纳为 可以准确知道 * 在无噪情况下的收敛条件为： 是一步收敛 是振荡收敛 实际自适应系统中具有噪声， 的优化在小于1/2，通常 作为多次迭代的收敛因子。 是平滑收敛 * 最陡下降法和牛顿方法不同，每一步的加权调节是在梯度方向上。最陡下降法迭代算法为： 而 则 平移向量 平移 C.2.3 最陡下降梯度搜索方法 所以 * 旋转座标到主轴方向，即 其中 故 归纳可得迭代公式 * 最陡下降法稳定和收敛的条件为： 由于对角矩阵之积恰等于相应对角元素乘积之矩阵，故 * 要满足收敛条件 ，须 其中 是 的最大特征值。 而 则 则 * * C.2.4 迭代的稳定性和收敛速率 若满足上述条件，各项公比 均满足 迭代收敛的条件为 * 当 ，称为过阻尼情况，稳定收敛。 ， 当 ，称为临界阻尼情况，一步收敛。 ， 当 ，称为欠阻尼情况，振荡收敛。 ， 当 或 称为不收敛或不稳定情况。 时， * 收敛速率随 r 的减小而增大。 * 自适应系统中，MSE收敛于其最小值的过程，作为其性能的一种测度，我们现称之为学习过程，而MSE值对应其迭代次数的曲线称之为学习曲线。 均方误差 利用移动座标 则 C.2.5 自适应搜索学习