电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

NLMS算法相关VIP免费

NLMS算法相关_第1页
1/10
NLMS算法相关_第2页
2/10
NLMS算法相关_第3页
3/10
基于DSP的回波抵消器设计与实现 要求: –掌握回波抵消原理 –掌握NLMS算法 – 完成信号源的MATLAB 仿真 – 用汇编编程实现 – 用CCS 图形功能观察各信号波形 – 讨论:步长因子、滤波器阶数N 对收敛速度的影响 基于LMS算法及其变体算法 在各种各样的自适应算法里,应用最广的自适应算法形式为“下降算法”。即: ˆ (1)nh k =ˆ ( )nh k +(1) (1)kv k (3.2) 式中ˆ (1)nh k 为第k+1次迭代的权向量,(1)k为第k+1次迭代的更新步长,而(1)v k 为第k+1次迭代的更新方向(向量); “下降算法”有两种实现方法。一种是“自适应梯度算法”,另一种是“自适应高斯—牛顿算法”。自适应梯度算法包括 LMS(Least Mean Square)算法及其各种变型和改进算法(统称 LMS类自适应算法),自适应高斯-牛顿算法则包括 RLS(Recursive Least Square)算法及其变型和改进算法。下面首先介绍的是LMS类算法。 1、 LMS算法 最常用的下降算法为“梯度下降法”,常称“最陡下降法”。在这类算法里,更新方向向量(1)v k 取作第k次迭代的代价函数J[ˆ ( )nh k ][1]的负梯度,用“ˆ( )[ ( )]nnJ h k”表示。 有名的LMS自适应算法正是以最陡下降法为原则的,它是一种很有用且很简单的估计梯度方法,其最核心的思想是用平方误差来代替均方误差。即使 e(n)平方值的期望值最小,并且根据此判据来修改权系数ˆ ( )nh k 。现在最常用的Widrow-Hoff LMS自适应算法是采用“随机梯度法”来求解最佳权系数的。该算法用瞬时的“-2e(n)*x(n)”来代替对“-2E{e(n)*x(n)}”的估计运算。其权系数更新表达式为(3.3)式。 ˆ (1)nh k = ˆ ( )nh k + 2( ) ()e k x kn (3.3) 其中 e(k)意义同公式(3.1),定义为期望输出和滤波器实际输出之间的误差。 是一个控制稳定性和收敛速度的待定常数参量,称之为环路增益参量(loop gain parameter)或步长因子(Step-size factor)。 过去三四十年中,人们一直致力于 LMS算法的研究。其中最引人注目的是优化理论。迄今已有各种改进型算法被提出来,而这些改进型算法一般都可以归结为步长因子  的某种取法。事实上公式(3.2)中只有  是待定的。许多研究已证明, 值与学习曲线的时间常数成反比,与失调量成正比。即  的优化只能在收敛速度和失调量两个指标之间取折衷,折衷思想是以后各种改进算法,...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

NLMS算法相关

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部