梯度向量正交的相关函数自适应滤波算法
该文把Asharif(1999)定义的相关函数均方误差(MSE)准则Jr(n)=E「eT(n)Ce(n)」改为时变的遗忘因子指数加权最小二乘误差(LSE)准则Jr(n)=∑n/t=0 λn-teT(n)Ce(n),对这一准则利用梯度法,使当前时刻的梯度向量正交于前一时刻的梯度向量而得到一种新的相关函数自适应滤波算法.计算机仿真结果表明新算法的收敛性能优于Asharif提出的ECLMS算法.
相关函数自适应滤波算法、梯度向量、CLMS算法、ECLMS算法
26
TN911.72
国家自然科学基金69972016;广东省自然科学基金990892;广东省优秀人才培养基金2000-6-15
2004-05-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
318-321