论文部分内容阅读
文章根据最优步长理论提出一个向量因子来控制步长的变化,其长度及形式与权向量相同,并且由输入数据相关性大的部分决定两个向量中每次应更新的部分,从而使权向量异步更新达到最佳。计算机仿真结果表明,在输入数据相关性很强时,该算法与传统的变步长LMS及NLMS算法相比不仅具有更快的收敛速度,更小的稳态误差及更平稳的收敛过程,同时计算量也有一定的减少。