本文详细介绍了LMS算法的最陡下降法矢量迭代公式，探讨了当梯度为零时的维纳解，并通过坐标变换和平移旋转简化了系数矩阵。重点在于利用矩阵幂的性质，推导出步长μ的稳定条件：0<μ<λmax−1，其中λmax是R的最大特征值，确保算法在无限迭代时的稳定性。
最陡下降法矢量迭代公式：
w ( n + 1 ) = w ( n ) + μ ( − ∇ ( n ) ) \boldsymbol{w(n+1)}=\boldsymbol{w(n)}+\mu(-\boldsymbol{\nabla}(n)) w(n+1)=w(n)+μ(−∇(n))
其中梯度 ∇ = R w ( n ) − P \boldsymbol{\nabla}=\boldsymbol{Rw(n)-P} ∇=Rw(n)−P代入上式：
w ( n + 1 ) = w ( n ) − 2 μ ( R w ( n ) − P ) \boldsymbol{w(n+1)}=\boldsymbol{w(n)}-2\mu(\boldsymbol{Rw(n)-P}) w(n+1)=w(n)−2μ(Rw(n)−P)
而梯度为零的地方为为维纳解 w ∗ = P / R w^*=\boldsymbol{P/R} w
最低0.47元/天 解锁文章
扫一扫
09-16
696
696
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
