Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Filtros adaptativos
∂J æ D −1
ö
= − E ç x(n)d (n) − wi x(n − k ) x(n − i ) = 0
∂wk è i =0
2 i 2
y un procedimiento eficiente para encontrar el coste
mínimo es modificar los pesos proporcionalmente al opuesto
del gradiente en cada punto
w ( n + 1) = w ( n) − η∇J ( n)
Pesos óptimos del filtro
En lugar de estimar el gradiente mediante métodos
estadísticos se puede calcular el valor instantáneo de éste en
cada dato:
~
∇J ( n ) = ε ( n ) x ( n )
con lo que el algoritmo LMS de modificación de los pesos
quedaría:
w (n + 1) = w (n) − η ε (n) x (n)
Hay algoritmos mejores para adaptar el combinador lineal
pero éste es ampliamente utilizado debido a su simplicidad y
robustez frente a su pequeña complejidad computacional.
El filtro de Wiener como predictor