Professional Documents
Culture Documents
El algoritmo LMS (del inglés, Least-Mean-Square algorithm) se usa en filtros adaptativos para
encontrar los coeficientes del filtro que permiten obtener el valor esperado mínimo del
cuadrado de la señal de error, definida como la diferencia entre la señal deseada y la señal
producida a la salida del filtro.
Datos:
Dados: 1 𝑇
𝜇(𝑛) = [𝜇(𝑛), 𝜇(𝑛 − 1, … , 𝜇(𝑛 − 𝑀 + 1)) ] señal de entrada en el
instante 𝑛.
A calcular: ̂(𝑛 + 1) = [𝑤
𝑤 ̂ 0 (𝑛 + 1), 𝑤
̂1 (𝑛 + 1), … , 𝑤̂ 𝑀−1 (𝑛 + 1)]𝑇 : estimación del
vector de coeficientes del filtro en el instante (𝑛 + 1).
El bloque de filtro adaptativo de LMS complejo implementa un filtro FIR adaptativo que utiliza
el algoritmo de gradiente estocástico conocido como el algoritmo normalizado de media
cuadrática (LMS):
̂ 𝑯 (𝒏 − 𝟏)𝝁(𝒏)
𝒚(𝒏) = 𝒘
𝒆(𝒏) = 𝒅(𝒏) − 𝒚(𝒏)
𝝁
̂ (𝒏) = 𝒘
𝒘 ̂ (𝒏 − 𝟏) + ∗ 𝒖(𝒏)𝒆(𝒏)∗
𝜶+ 𝝁𝑯 (𝒏)𝒖(𝒏)
donde el tipo de negrita denota vectores o matrices. Las variables son las siguientes:
FORMULAS GENERALES :
Normalized LMS
𝜇̅
𝑤(𝑛 + 1) = 𝑤(𝑛) + 𝑒(𝑛)𝑥(𝑛)
𝜀+ 𝑋 𝑇 (𝑛)𝑥(𝑛)
𝜇 = 𝑠𝑡𝑒𝑝 − 𝑠𝑖𝑧𝑒 𝑝𝑎𝑟𝑎𝑚𝑒𝑡𝑒𝑟
𝜀 = 𝑝𝑟𝑒𝑣𝑒𝑛𝑡𝑠 𝑑𝑖𝑣𝑖𝑠𝑖𝑜𝑛 𝑏𝑦 𝑒𝑣𝑒𝑟𝑦 𝑠𝑚𝑎𝑙𝑙 𝑛𝑢𝑚𝑏𝑒𝑟
Normalized LMS with complex data
𝜇̅
𝑤(𝑛 + 1) = 𝑤(𝑛) + 𝑒(𝑛)𝑥(𝑛)
𝜀 + 𝑋𝐻 (𝑛)𝑥(𝑛)
𝐻 = 𝑐𝑜𝑛𝑗𝑢𝑔𝑎𝑡𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑠𝑒
BIBLIOGRAFIA
Haykin, S. Adaptive Filter Theory. 3rd ed. Englewood Cliffs, NJ: Prentice Hall, 1996.