11.4. РЕКУРРЕНТНЫЕ АЛГОРИТМЫ МИНИМАЛЬНЫХ КВАДРАТОВ ДЛЯ АДАПТИВНОГО ВЫРАВНИВАНИЯНК алгоритм, который был описан в разделе 11.1 и 11.2 для адаптивной настройки коэффициентов ячеек линейного эквалайзера или ЭОСР является по существу (стохастическим) алгоритмом кратчайшего спуска, в котором правильный вектор градиентов аппроксимируется оценкой, полученной непосредственно по данным. Важнейшее преимущество алгоритма кратчайшего спуска определяется его вычислительной простотой. Однако плата за простоту – медленная сходимость особенно, если характеристики канала отражены в матрице автокорреляций Для получения быстрой сходимости необходимо разработать более сложные алгоритмы, включающие дополнительные параметры. В частности, если матрица При разработке алгоритмов быстрой сходимости мы будем использовать подход минимальных квадратов. Таким образом, мы будем работать непосредственно с принимаемыми данными для минимизации квадратичного показателя качества, в то время как раньше мы минимизировали ожидаемую величину среднеквадратичной ошибки. Проще говоря, это значит, что показатель качества выражается через временное среднее вместо статистического среднего. Удобно выразить рекуррентные алгоритмы наименьших квадратов в матричном виде. С этой целью определим некоторое число векторов и матриц, которые необходимы в этом исследовании. Так поступая, мы не значительно изменим привычные обозначения. Конкретнее, оценку информационных символов в момент Изменяя индекс оценку
где Аналогично, в эквалайзере с обратной связью по решению мы имеем коэффициенты ячеек Для удобства обозначений мы также определим
Следовательно,
|