§ 6.7. Адаптивный фильтр-предиктор

Известный адаптивный фильтр-предиктор Д. Габора, структурная схема которого приведена на рис. 6.10, обладает рядом особенностей, заслуживающих того, чтобы на них немного остановиться. В основе работы этого фильтра лежат своеобразные поисковые алгоритмы.

Рис. 6.10.

Критерием оптимальности здесь служит среднеквадратическое  отклонение  выходного  сигнала  от  эталонного:

                  (6.31)

Для обучения фильтра используется запись некоторого входного сигнала и соответствующая ей запись эталонного.

Оптимальное расчетное значение некоторого параметра вычисляется после измерения квадратического отклонения за определенный интервал времени, причем одновременно получаются три значения величины , соответствующие трем значениям искомого параметра: наименьшему (), среднему () и наибольшему (). В силу квадратичности критерия эти три значения позволяют вычислить наименьшее значение  и отвечающее ему значение параметра . После подстройки этого параметра процесс проигрывается снова и снова для подстройки таким же путем следующих параметров, т. е. имеет место поиск. Эмпирически установлено, что число таких циклоп обучения, необходимых для полной адаптации в случае  настраиваемых параметров, в среднем равно.

Описанный алгоритм можно отнести к релаксационным, так как любой шаг в изменении каждого параметра производится из условий минимизации критерия оптимальности — среднеквадратического отклонения.