论文部分内容阅读
在无过程数据平稳性假设和各态遍历等条件下，运用随机过程理论研究了最小均方算法(LMS)的有界收敛性，给出了估计误差的上界，论述了LMS算法收敛因子或步长的选择方法，以使参数估计误差上界最小.这对于提高LMS算法的实际应用效果有着重要意义。LMS算法的收敛性分析表明： i) 对于确定性时不变系统，LMS算法是指数速度收敛的； ii) 对于确定性时变系统，收敛因子等于1，LMS算法的参数估计误差上界最小； iii) 对于时变或不变随机系统，LMS算法的参数估计误差一致有上界.