lms算法在自适应滤波器中解决了什么问题

2020-01-02 22:45:10

自适应算法所采用的最优准则有最小均方误差(LMS)准则，最小二乘(LS)准则、最大信噪比准则和统计检测准则等，其中最小均方误差(LMS)准则和最小二乘(LS)准则是目前最为流行的自适应算法准则。x(n)代表n时刻的输入信号，y(n)代表n时刻的输出信号，d(n)代表n时刻的希望信号，通过希望信号与输出信号之差e(n)来自动调节自适应滤波器的参数，使下一时刻的输出y(n+1)能够更加接近希望信号。利用最速下降算法，沿着性能曲面最速下降方向（负梯度方向）调整滤波器强权向量，搜索性能曲面的最小点，计算权向量的迭代公式为μ为步长因子在最速下降算法中，为获得系统的最佳维纳解，需要知道输入信号和希望信号的相关信息，当希望信号未知时，就无法确定它们的相关特性，必须对梯度向量进行估计。LMS自适应算法直接利用瞬态均方误差对瞬时抽头向量求梯度可得，LMS自适应滤波算法权向量更新方程为：由此可得传统LMS自适应滤波算法流程如下：

相关产品

相关资讯