自適應演演算法

自適應過程是一個不斷逼近目標的過程。它所遵循的途徑以數學模型表示，稱為自適應演演算法。通常採用基於梯度的演演算法，其中最小均方誤差演演算法（即LMS演演算法）尤為常用。自適應演演算法可以用硬體(處理電路)或軟體（程序控制）兩種辦法實現。前者依據演演算法的數學模型設計電路，後者則將演演算法的數學模型編製成程序並用計算機實現。演演算法有很多種，它的選擇很重要，它決定處理系統的性能質量和可行性。自適應均衡器的原理就是按照某種準則和演演算法對其係數進行調整最終使自適應均衡器的代價(目標)函數最小化，達到最佳均衡的目的。而各種調整係數的演演算法就稱為自適應演演算法，自適應演演算法是根據某個最優準則來設計的。最常用的自適應演演算法有迫零演演算法，最陡下降演演算法，LMS演演算法，RLS演演算法以及各種盲均衡演演算法等。自適應演演算法所採用的最優準則有最小均方誤差(LMS)準則，最小二乘(LS)準則、最大信嗓比準則和統計檢測準則等，其中最小均方誤差(LMS)準則和最小二乘(LS)準則是目前最為流行的自適應演演算法準則。由此可見LMS演演算法和RLS演演算法由於採用的最優準則不同，因此這兩種演演算法在性能，複雜度等方面均有許多差別。一種演演算法性能的好壞可以通過幾個常用的指標來衡量，例如收斂速度一一通常用演演算法達到穩定狀態(即與最優值的接近程度達到一定值)的迭代次數表示；誤調比——實際均方誤差相對於演演算法的最小均方誤差的平均偏差；運算複雜度— 完成一次完整迭代所需的運算次數；跟蹤性能一一一對通道時變統計特性的自適應能力。