首页 理论教育实现最佳自适应滤波:最陡下降法

实现最佳自适应滤波:最陡下降法

【摘要】:最陡下降法是实现自适应滤波器最佳搜索的一种优化技术,它利用梯度信息分析自适应滤波性能和追踪最佳滤波状态。式是最陡下降法的数学公式,由此可得到信号流图如图9-5所示。图9-5 最陡下降算法的信号流图图9-5 最陡下降算法的信号流图

最陡下降法是实现自适应滤波器最佳搜索的一种优化技术,它利用梯度信息分析自适应滤波性能和追踪最佳滤波状态。梯度矢量是由均方误差ξn)的梯度来定义的,在多维超抛物曲面上任一点的梯度矢量是对应于均方误差ξn)对滤波系数win)的一阶导数,由起始点或现在点变化到下一个点的滤波系数变化量正好是梯度矢量的负数。换句话说,自适应过程是在梯度矢量的负方向接连地校正滤波系数的,即在误差性能曲面的最陡下降方向移动和逐步校正滤波系数,最终到达均方误差为最小的碗底最小点,获得最佳滤波或次优工作状态。

978-7-111-48233-8-Chapter09-11.jpgn)代表n时刻的N×1维梯度矢量,这里N等于滤波器滤波系数个数;wn)为自适应滤波器在n时刻的滤波系数或权矢量。按照最陡下降法调节滤波系数,则在n+1时刻的滤波系数或权矢量w(n+1)可以用下列简单的递归关系来计算:

wn+1)=wn)+μ[-Δ(n)] (9-12)

式中,μ是一个正实数,通常称它为自适应收敛系数或步长。由梯度的定义,Δ(n)可以写成:

978-7-111-48233-8-Chapter09-12.jpg

当滤波系数为最佳值即维纳解时,梯度矢量Δ(n)=E[en)x(n)]=0。这意味着误差信号与输入信号矢量的每一个分量都正交(即互不相关)。且由式(9-5)不难证明:

E[enyn)]=0 (9-14)

结合式(9-7)和式(9-13),可求得梯度如下:

978-7-111-48233-8-Chapter09-13.jpgn)=-2P+2Rwn) (9-15)

因此,在最陡下降法中,当相关矩阵R与互相关矢量P已知时,则由w(n)可以计算梯度矢量978-7-111-48233-8-Chapter09-14.jpgn),然后将式(9-15)代入到式(9-12)中,可以计算滤波系数的更新值:

wn+1)=wn)+2μ[P-Rw(n)] (9-16)

式中,μ是收敛因子。式(9-16)是最陡下降法的数学公式,由此可得到信号流图如图9-5所示。图中,I是N阶单位阵。

978-7-111-48233-8-Chapter09-15.jpg

图9-5 最陡下降算法的信号流图