通信算法复习总结.pdfVIP

通信算法复习总结 题型：简答、问答、填空、计算 疑似重点：内积、线性空间、正交因子白噪声、宽平稳、 OFDM 多路计算、预测算法过程最 大参数设定、 LMS 算法优势。 第一章 概念：向量空间 正交性 表示信号正交基 随机过程参数模型 ARMA DFT 公式 复基 带表示 二阶矩：广义平稳 均值方差 广义联合平稳 自相关性质 功率谱密度 自相关矩阵 高斯白噪声 为什么称为“白”噪声？ 解释：什么是遍历性？ 第二章 1.什么是维纳滤波器 ? 假定线性滤波器的输入为有用信号和噪声之和， 两者均为广义平稳过程且知它们的二阶 统计特性，根据最小均方误差准则 (滤波器的输出信号与需要信号之差的均方值最小 )，求得 了最佳线性滤波器的参数，这种滤波器被称为维纳滤波器。 2. 维纳滤波实现前提条件： Linear （线性）、WSS （广义宽平稳） 3.维纳滤波优缺点 维纳滤波器的优点是适应面较广， 无论平稳随机过程是连续的还是离散的， 是标量的还 是向量的，都可应用。维纳滤波器的缺点是 : [1] 不能用于噪声为非平稳的随机过程， [2]要求 得到半无限时间区间内的全部观察数据的条件很难满足 . 4.维纳理论来解决的问题： 前向预测和后向预测 维纳滤波和 LS 的一些公式时间充分的话建议大家自己看一下。 第三章：自适应横向滤波器 主要内容： MSE准则、 LMS 算法及其收敛、 RLS算法及其收敛、 LMS 算法的比较和 RLS算法 的比较，自适应滤波算法根据的最佳准则为最小均方误差准则。 1. LMS 算法全称 Least mean square 最小均方算法。 是线性自适应滤波算法，包括滤波过程和自适应过程。 基于最速下降法的 LMS 算法的迭代公式如下： e ( n) = d ( n)- w ( n - 1) x ( n) （1） w ( n) =w ( n - 1) + 2 μ( n) e ( n) x ( n) （2 ） 式中， x ( n)为自适应滤波器的输入； d ( n)为参考信号； e ( n)为误差； w ( n)为权重系数； μ( n)为步长。 LMS 算法收敛的条件为： 0 μ 1/ λmax ， λmax 是输入信号自相关矩阵的最大特征值。 2.LMS 算法的优缺点 由于 LMS 算法具有结构简单，计算复杂度小，性能稳定等特点，缺点：在收敛速率、 跟踪速率和稳态误差特性之间的要求是相互矛盾的， 不能同时得到满足， 其性能由步长来控 制。主要应用：广泛地应用于自适应均衡、语音处理、自适应噪音消除、雷达、系统辨识及 信号处理等领域。 3.RLS(Recursive Least Squares)递归最小二乘算法 递推最小二乘 (RLS)算法是一种在自适应迭代的每一步都要求最优的迭代算法， 滤波器输 出信号法，滤波器输出信号 等于输入信号 与冲激响应序列 的卷积和，即： M y n wk n x n k 1 K n 1,2,..., N (4.1) k 1 误差信号 。由此可以得到自适应横向滤波器按最小均方准，则设代价函数 2 N N