归一化LM与S算法 .ppt

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，具有很好的跟踪收敛效果.可见归一化 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。 * *