最小二乘求解及简化.ppt

最小二乘的求解及简化  主要内容 最小二乘问题的求解 口2、QR分解求解最小二乘问题 口3、QR分解的几种典型方法 3.1 Gram-Schmidt正交 3.2 Givens旋转 33 Householder反射 34QR分解中的物理意义 口4、 CORDIC高效实现 Givens旋转及硬件中的应用 4.1 CORDIC算法实现 Givens旋转 42SFG表示的 CORDIC实现QRD 43QRD剩余提取的 CORDIC实现 4.4多通道的 QRD-RLS算法来实现误差提取  1、最小二乘估计的矩阵形式 令代表接收到的信号矢量,定义为 X(m)=[x:(n),x2(n)…,xn(n) 根据接收到的矢量序列ⅹ(Ox()…X),构造 个(n+1)xM数据矩阵A(n),定义为 n(n)=[Xn()X2(1)…,X(n)y x1(0)x2(0) am)a2(n),…,a(n x1(n)x2(n)  1、最小二乘估计的矩阵形式 其中矢量a(m)=1.2…M,是A(m)的列矢量, 即a、Gn)=[x()x(0)…,x、m, 同时定义参考信号为d(n)=[4(0)d(),…,d(n)。 通过对信号矢量X(的一个线性加权组合可以 得到对理想信号的一个估值。所以 d(,n)=Xn()h(n)0≤1≤n 定义误差为c(l,n)=()-a(,n)0≤l≤n  1、最小二乘估计的矩阵形式 最小二乘估计问题可以表述为,给定一组观测矢 量组ⅹl=0,…n确定出系数矢量h(n),使加权 误差幅度平方和sM(n)=∑w"=(1,n)最小 用矩阵表示误差矢量为 e(n)=d(n) Am(n)hm(n)  2、QR分解 定理:对任意矩阵A,其中N>M,总存在 个正交矩阵Q,使得 QA≤/R 其中R是一个上三角方阵,O是一个零矩阵 所以,R的形式为 0 r2M R 00  2、QR分解 为了利用QR分解来求解正规方程,可以把方程写成 AH(m)Ah,(n)=A2(n知(n 如果Q和R形成了数据矩阵的一个QRD,可以把 上式表示成 QQ R 定义Qd的分块形式为 Qd  2、QR分解 r Qdo R RdM+ON-mcn-m=r dM 所以QR分解把正规方程简化为等价形式 Rh=d 易知,Q不用显式的计算出来这样硬件实现的时候就 不需要耗费存储器。  3、解决QRD分解的三种典型方法 口31Gram- Schmidt正交化 口32 Givens旋转 口33 Householder反射 口34QR分解中的物理意义