3.3.2. Алгоритм МНК
Для вышеописанного итерационного метода необходимо знать точный градиент функции стоимости
. На практике градиент априорно неизвестен, и его необходимо оценить на основе поступающего сигнала. В алгоритме МНК для этой цели используется градиент квадратичной ошибки единственной выборки:
(3.70)
Следовательно, алгоритм МНК можно записать как
(3.71)
Суммирование многих членов вида
дает грубое приближение градиента единственной выборки к истинному градиенту, а ожидаемое значение вектора коэффициентов
будет приближаться к оптимальному вектору коэффициентов
. Отметим, что

(3.72)
Таким образом, математическое ожидание приближенного значения градиента равно истинному значению градиента. Кратко обсудим более точные доказательства сходимости. Отметим простоту МНК – уравнения корректировки. Каждый коэффициент фильтра корректируется путем добавления слагаемого, содержащего взвешенную ошибку:
(3.73)
Ошибка
является общей для всех коэффициентов, тогда как весовой коэффициент
пропорционален текущему значению данных, накопленных в
- ой секции фильтра (см. рис. 3.1). Для вычисления
необходимо выполнить
операций (умножения и сложения). Таким образом, для каждого шага корректировки фильтра потребуется, в целом,
операций (по сравнению с
операций алгоритма РНК).