- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
关于自适应
2.2.1自适应估计原理:
图2.1 FIR自适应滤波器功能参考模型框图
自适应估计算法的系统功能参考模型框图如图2.1所示,参考输入为上面反馈信道模拟器的输出,与反馈信道输出信号n相关,接收从施主天线传来的信号s与、n无关, s、n、和都是统计平稳的,且具有零均值,则抵消器输出误差模的平方为:
2.1
将上式两边取期望,则得:
2.2
当调整自适应滤波器使均方误差达到最小时,由于信号功率不受影响,相应最小输出功率为:
2.3
所以,当达到最小时,也同时达到最小。所以,滤波器的输出即为反馈信道输出信号n的最佳最小均方估计,从而抵消器输出即为从施主天线传来信号s的最佳最小均方估计。
2.2.2最小均方算法:
假设是回波信道的冲激响应函数,也是我们所要求得的信道冲激响应函数.按照均方误差(MSE)准则所定义的目标函数是: (注:下面函数均表示序列或矩阵)
2.4
即:
2.5
令是输入信号的自相关矩阵;
是期望信号与输入信号的互相关矢量。
2.6
当矩阵R和矩阵P已知时,可以由权系数c直接求其解,当我们将式(3)对c求导数,并令其等于零,同时假设R是非奇异的,由此可得到目标函数最小的最佳滤波系数为
2.7
这个解称为维纳解,即最佳滤波系数值。
为了找到,我们可以采用最陡下降法。它是利用梯度信息分析自适应滤波性能和跟踪最佳滤波状态。梯度矢量是由均方误差的梯度来定义的,在多维抛物曲面上任意一点的梯度矢量是对应于均方误差对滤波系数的一阶导数。换句话说,自适应过程是在梯度矢量的负方向接连地校正滤波系数的,即在误差性能曲面的最陡下降方向移动和逐步校正滤波系数,最终到达均方误差为最小的碗底最小点,获得最佳滤波或准优工作状态。
如果可以得到矩阵R和矩阵P的较好估计,分别记为R(k)和P(k),则可以利用如下的最陡搜索算法得到维纳解:
2.8
2.9
其中,k=0,1,2,...,表示目标函数相对于滤波器系数的梯度向量估计值。
对于梯度有:
2.10
则权系数更新方程为:
2.11
其中,收敛因子μ应该在一个范围内取值,以保证收敛性。
文档评论(0)