A. 自適應演算法的簡介
自適應過程是一個不斷逼近目標的過程。它所遵循的途徑以數學模型表示,稱為自適應演算法。通常採用基於梯度的演算法,其中最小均方誤差演算法(即LMS演算法)尤為常用。自適應演算法可以用硬體(處理電路)或軟體(程序控制)兩種辦法實現。前者依據演算法的數學模型設計電路,後者則將演算法的數學模型編製成程序並用計算機實現。演算法有很多種,它的選擇很重要,它決定處理系統的性能質量和可行性。
自適應均衡器的原理就是按照某種准則和演算法對其系數進行調整最終使自適應均衡器的代價(目標)函數最小化,達到最佳均衡的目的。而各種調整系數的演算法就稱為自適應演算法,自適應演算法是根據某個最優准則來設計的。最常用的自適應演算法有迫零演算法,最陡下降演算法,LMS演算法,RLS演算法以及各種盲均衡演算法等。在理論上證明了對於任何統計特性的雜訊干擾,VLMS演算法優於LMS演算法。
自適應演算法所採用的最優准則有最小均方誤差(LMS)准則,最小二乘(LS)准則、最大信噪比准則和統計檢測准則等,其中最小均方誤差(LMS)准則和最小二乘(LS)准則是目前最為流行的自適應演算法准則。由此可見LMS演算法和RLS演算法由於採用的最優准則不同,因此這兩種演算法在性能,復雜度等方面均有許多差別。