为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾,基于独立假设,以最小均方误差为准则,提出并证明最优步长定理,说明最优步长和均方误差之间存在一一映射的关系;以此构造最优变步长LMS(optimal variable step-sizeLM...为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾,基于独立假设,以最小均方误差为准则,提出并证明最优步长定理,说明最优步长和均方误差之间存在一一映射的关系;以此构造最优变步长LMS(optimal variable step-sizeLMS,OVS-LMS)模型,确定了变步长LMS算法收敛速度的理论极限;讨论了最优初始相对步长的选取方法和未知系统跳变时最优步长的计算。根据导出的两个最优步长迭代式,提出OVS-LMS算法,仿真结果表明,该算法和OVS-LMS模型的学习曲线基本一致,证明该算法是独立假设条件下的最优变步长LMS算法。展开更多
文摘为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾,基于独立假设,以最小均方误差为准则,提出并证明最优步长定理,说明最优步长和均方误差之间存在一一映射的关系;以此构造最优变步长LMS(optimal variable step-sizeLMS,OVS-LMS)模型,确定了变步长LMS算法收敛速度的理论极限;讨论了最优初始相对步长的选取方法和未知系统跳变时最优步长的计算。根据导出的两个最优步长迭代式,提出OVS-LMS算法,仿真结果表明,该算法和OVS-LMS模型的学习曲线基本一致,证明该算法是独立假设条件下的最优变步长LMS算法。
