归一化LMS算法
报告人:王倩
LMS算法
最小均方算法(LMS)是一种以期望响应和滤波器输出信号之间误差的均方最小为准则,依据输入信号在迭代过程在估计梯度矢量,并更新权系数以达到最佳的自适应迭代算法。LMS算法是一种用瞬时值估计梯度矢量的方法,即
LMS算法的公式如下:
归一化LMS算法
归一化 LMS 算法可以看作是时变步长参数的LMS算法。归一化 LMS 算法是通过输入向量 x(n)的平方欧氏范数对步长μ进行“归一化”。归一化 LMS算法的变步长μ的公式为:
μ(n)=
其中μ为算法所取的初始步长。
归一化LMS算法
归一化LMS算法公式:
归一化LMS算法
输入x(n)的平方欧氏范数即二范数去除算法的初始步长μ,随着输入的增大,变步长μ(n)逐渐的减小,算法的稳态误差也相应逐步减小, LMS 算法与变步长 LMS 算法相比,具有更快的收敛速度与更小的稳态误差。
归一化LMS算法 来自淘豆网m.daumloan.com转载请标明出处.
