基于牛顿梯度的盲最大似然序列估计算法研究

摘要

为解决LMS类算法简单但收敛速度慢,RLS类算法收敛跟踪性能好但计算太复杂的不足,提出了基于牛顿梯度的盲最大似然序列估计算法,即将牛顿梯度算法与Viterbi-MLSE算法相结合.牛顿梯度法是用当前时刻的梯度估计代替前一时刻的梯度估计,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法.分析了基于牛顿梯度的盲最大似然序列估计算法的基本机理,并通过实验仿真验证了其可靠性.与传统的基于LMS的盲最大似然序列估计算法相比,具有收敛速度快的特点.