一种基于二阶梯度估计的自适应算法

在自适应信号处理中得到广泛应用的LMS算法,对信号模型及特性有着极其严格的限制,这些限制在很多实际情况中并不能保证得到满足。相对LMS算法,基于中心差的梯度估计自适应算法,其适应面则要广泛得多。但是,该算法存在着收敛速度慢,所需采样点数多的缺点。为此本文提出一种适应于平稳情况的新的估计算法,除首次估计需做采样外,在收敛过程中无需再做采样。与传统的中心差算法相比,本文算法具有较快的收敛速度和较好的失调性能。