第五章基本自适应算法.pptVIP

河南工业大学这些结论对平稳环境或慢时变环境成立。但是，如果环境状态突变，而且这一变化发生在RLS滤波器达到稳态时，则该滤波器就会将这一突变视为用较大的Φ(0)进行新一轮的初始化，这里的n=0对应于环境突变的那个瞬间。在这种情况下，最好停止RLS滤波器的工作，改用一个较小的Φ(0)进行初始化而重新开始新一轮的迭代。第61页，共95页，星期日，2025年，2月5日河南工业大学5.2.5误差平方加权和的更新递归当抽头权向量等于其最小二乘估计时，误差平方加权和可达到最小值.为计算，可用关系式(5-60)其中定义(使用本章的表示)为(5-61)第62页，共95页，星期日，2025年，2月5日河南工业大学(5-62)上式最后一项中的z(n)已被还原为原来的形式。根据定义，式(5-62)右边第一个括号中的表达式等于。另外，根据定义，第二个括号中的表达式等于先验误差ξ(n)的复共轭。因此，将式(5-37)(5-49)和式(5-61)代入式(5-60)，得第63页，共95页，星期日，2025年，2月5日河南工业大学上式中，第二行应用了相关矩阵Φ(n)的埃尔米特性质，在第三行用到了等于最小二乘估计.对最后一项，我们用增益向量K(n)的定义来表示内积.第64页，共95页，星期日，2025年，2月5日河南工业大学其中e(n)是后验估计误差。式(5-63)是更新误差加权平方和的递归公式。由此可见，ξ(n)的复共轭与e(n)的乘积表示更新过程中的修正项。注意，该乘积是实数，这意味着，总有(5-64)(5-63)因此，式(5-62)可化简为第65页，共95页，星期日，2025年，2月5日河南工业大学收敛因子式(5-63)涉及两种不同的估计误差：先验估计误差ξ(n)和后验估计误差e(n)，它们之间有着本质的联系。为了建立这种估计误差之间的联系，可从式(5-51)的定义出发，将式(5-49)代入(5-51)，得(5-65)第66页，共95页，星期日，2025年，2月5日河南工业大学上式中的最后一行，应用了式(5-50)的定义。后验估计误差e(n)与先验估计误差ξ(n)的比值称为收敛因子，记为r(n)。因此，可以写出(5-66)其值由增益向量k(n)和抽头输入向量u(n)唯一确定。第67页，共95页，星期日，2025年，2月5日河南工业大学其中u(i)是i时刻的抽头输入向量，定义为(5-25)式中w(n)是n时刻抽头权向量，定义为(5-26)注意，在代价函数定义的观测区间１≤i≤n内，横向滤波器的抽头权值保持不变．式（5-23）中的加权因子满足如下关系i=1,2,…n第29页，共95页，星期日，2025年，2月5日河南工业大学一般说来，加权因子的使用是为了保证“遗忘”掉久远的过去数据，以便当滤波器工作在非平稳时，能跟踪观测数据的统计变化。通常所用的加权因子是指数加权因子，或所谓遗忘因子,定义为(5-27)式中λ是一个接近1，但又小于1的正常数。当λ=1时,对应一般的最小二乘法。粗略地说，1-λ的倒数可以用来衡量算法的记忆能力；而λ=1的特殊情况，则应对于无限记忆。i=1,2,…n第30页，共95页，星期日，2025年，2月5日河南工业大学正则化最小二乘估计和最小二乘法一样，是一个病态的求逆问题。在该问题中，给定构成抽头输入向量u(n)的输入数据和相应的期望响应d(n)（其中n是变量），要求估计出多重回归模型中的未知向量，该向量与d(n)和u(n)有关．最小二乘估计的病态特性源于以下原因：输入数据中的信息不足以唯一地构建输入输出间的映射关系。在输入数据中不可以避免地存在着噪声或不精确性，这为构建输入输出映射关系增加了不确定性。第31页，共95页