计算机硬件及网络自适应滤波器及其应用.pptxVIP

1;第1页/共96页;;;;第5页/共96页;;;;;第10页/共96页;;;第四章 自适应滤波器及其应用;;;第16页/共96页;第17页/共96页;第18页/共96页;第19页/共96页;第20页/共96页;第21页/共96页;;第23页/共96页;第24页/共96页;第25页/共96页;第26页/共96页;第27页/共96页;第28页/共96页;;四、误差性能曲面的几何意义： 为直观期间，假定L=1，考察二维权矢量、三维空间的情况：;;第32页/共96页;第33页/共96页;第34页/共96页;第35页/共96页;第四章 自适应滤波器及其应用; 自适应算法;; 梯度的数学表示：;极小化 取负曲率方向作搜索方向 取负梯度作目标函数的更新方向。;梯度：;由初始权向量迭代可得：;或：;实际常用（保守的）收敛条件：;;;;步长μ 必须满足收敛条件: ● μ 太大将不收敛； ● 在保证收敛情况下：μ 越大，收敛越快，但太大时过渡过程具有振荡特性（欠阻尼），且稳态误差较大；μ 越小，稳态误差越小，但收敛越慢。;第49页/共96页;第50页/共96页;;第52页/共96页;第53页/共96页;第54页/共96页;第55页/共96页;为了保证收敛，步长 ，故有：;;第58页/共96页;第59页/共96页;第60页/共96页;第四章 自适应滤波器及其应用; 自适应滤波器包括两个过程：滤波过程和自适应过程。 滤波器的自适应实现是关键；设计重点是选择FIR结构，主要内容是研究自适应算法。 FIR滤波器的自适应实现指的是(L+1)阶FIR滤波器的抽 头权系数 可以根据估计误差e(n)的大小自动调节，使得误差在某个统计最优准则下最小。 自适应滤波器设计最常用MMSE准则，即：使滤波器 实际输出y(n)与期望响应d(n)之间的均方误差 最小; 最终达到Wiener解。; 最广泛使用的自适应算法是“下降算法”;最陡下降法存在不可实现的缺点：真实梯度含数学期望，只有理论意义。;第65页/共96页;第66页/共96页;第67页/共96页;;权矢量因梯度估计误差而引入的稳态噪声;权矢量稳态噪声功率;;第72页/共96页;第73页/共96页;;;(1)若 常数，则称为基本LMS算法 ；;由上式可写出牛顿迭代公式： ;第四章 自适应滤波器及其应用;一、最小二乘（LS）准则及LS滤波器;;对d(i)的估计：;n个估计误差平方加权和：;;考虑指数加权的最小二乘法，其代价函数表示为;;式(4)表明：指数加权最小二乘问题的最佳权矢量也为维纳解。 最佳权矢量的自适应迭代求解过程即采用RLS自适应算法。 ;二、递归最小二乘（RLS）自适应算法的构造;;可得T(n)的递推关系（请课后自己推导）：;; 是利用n-1时刻最优权 和n时刻数据 对 d(n)进行预测时的预测误差。;三、自适应RLS算法的特性;用Kalman增益矢量k(n)代替LMS算法中 即得RLS算法。;第94页/共96页;作业：P118-119： 、、、;感谢您的观看。