均衡的算法(数字通信技术)培训讲解.pptVIP

30 四、LMS算法 4、随机梯度算法（LMS算法） 算法推导 Idea：为了采用简单的方法获取对当前梯度的估计值，使当前误差达到最小 代价函数变为： 此时梯度函数为： 因而对滤波器权系数的迭代算法如下： 31 四、LMS算法 LMS算法最终形式： 特点：从上面推导过程中可以看，LMS算法对梯度的估计在噪声环境下具有随机性，这从下图中可以看出，步长越大，随机性的影响也随之加大。 32 四、LMS算法 性能分析 LMS算法与最速梯度算法相比，具有相同的收敛条件要求与收敛时间。但其收敛之后的输入均方误差有： 其中： 越小则 结果越小，从而引起的失调也越小。典型示例如下图所示： 33 四、LMS算法 步长与性能分析 34 四、LMS算法 特点 梯度的估计具有随机性 运算量较最速梯算法大大减少 收敛时间性能与最速梯度性能相当 在小步长情况下，具有与最速梯度算法相近的性能 35 总结 本节课主要讲解了以下内容 均衡器算法的主要性能指标 迫零算法 LMS算法 36 作业与思考题 7.8 题图7-1为一个自适应的FIR滤波器，系统函数 求使均方误差最小的自适应横向FIR滤波器 的最佳系数。加性噪声为白的，方差为　　　 。 谢 谢！ Institute of Communications Engineering §7.3 均衡的算法 3 内容和要求 内容目的 均衡器算法的目的 均衡器算法的主要性能指标 迫零算法 LMS算法 要求 难点为迫零算法与LMS算法的学习，重点是对LMS算法、性能与主要特点的学习。 4 目标与分类 均衡器算法的目标 实现对信道特性的初步估计 跟踪不断变化的信道特性 算法的分类 按照对信道参数估计的过程分 信道参数估值算法：如迫零算法、最小均方误差算法（MMSE） 自适应信道估计算法：各种自适应算法，如LMS算法、RLS算法、平方根算法等等。 7 三、迫零算法 冲激响应测试法 在发送端仅发送一个数据信号，从而在接收端可以获取一个均衡输出的响应方程。 因为　　具有2N+1个未知数，需要2N+1个方程即可解出均衡器的系数，因而对　　只需采样4N+1个样点： 8 三、迫零算法 设输入矩阵： 均衡器系数： 均衡器输出： 有： 在仅传输一个数据情况下，有： 可以计算得： 迫零均衡 9 三、迫零算法 训练序列测试法 发送端产生2N+1个已知数据： 对这串数据信号前后数据不作要求，测量接收信号x(t)并量化，有： 10 三、迫零算法 迫零均衡器的特点 在2N+1个抽头下，无法保证级联响应满足奈奎斯特准则。 对接收信号折叠频谱，在区域　　　　　　进行均衡，会对凹陷处噪声进行放大，从而导致性能变差。 通过均衡之后的总的系统响应只能在（-N~N）区域上为0（不含0点的值），在n-N nN时，并不能保证无码间串扰。 11 四、LMS算法 1、研究背景 空间信号合成问题 如何对这M个信号进行矢量合成的问题 12 四、LMS算法 代价函数为： 理论模型 在自适应滤波器中，需解决两个最基本的问题 代价函数的合理构建 系数调整的自适应算法 13 四、LMS算法 模式识别问题 14 四、LMS算法 2、维纳滤波（维纳接收机Wiener filter） 维纳最佳解 某一时刻识别的系数为： 如何求解最佳解？？ 代价函数定义： 其中　　为待识别系统的输出目标响应。而调整系统的响应为： 15 四、LMS算法 识别误差信号为： 有： 上式两边取数学期望后，得均方误差： 定义： 16 四、LMS算法 有： 这表明，均方误差是权系数向量的二次函数，它是一个中间向上凹的抛物形曲面，具有唯一最小值。 将上式权系数求导数： 在最佳解处代价函数对各变量的偏导数为0，有： 17 四、LMS算法 维纳最佳解误差表达式 （对称矩阵的逆阵仍是对称矩阵） 18 四、LMS算法 正交性原理 由偏导函数的定义： 有： 即： 结论：对于维纳滤波（最佳信号处理）中的装置中，其误差信号将与输入信号呈正交状态。 19 四、LMS算法 总结 维纳最佳解的求解方法与过程 首先求解输入信号的自相关函数矩阵，其是一个对称矩阵 求解目标信号与输入信号的互相关矢量 将输入信号自相关矩阵的逆与互相关矢量相乘，从而求得维纳解 维纳滤波的特点 最佳滤波处理 在环境参数发生改变时，为了正确对其识