L’algorithme LMS
Puisque R=E{x(n)xT(n)}et p=E{x(n)d(n)}sont
inconnus, on approchera ces grandeurs d´eterministes
par des estim´ees
R(n)et
p(n)`a l’instant n. Dans le
cas du LMS, on choisit les estim´ees les plus simples
possibles, `a savoir:
R(n)=x(n)xT(n),(5)
p(n)=x(n)d(n).(6)
Ce sont simplement les estim´ees instantan´ees des
corr´elations.
En rempla¸cant
R(n)et
p(n)dans l’algorithme du
gradient d´eterministe [´eq. (1)], on obtient:
h(n+1) = h(n)+µ[
p(n)−
R(n)h(n)]
=h(n)+µx(n)[d(n)−xT(n)h(n)]
=h(n)+µx(n)e(n),(7)
qui est l’algorithme LMS. On remarquera que h(n)
est maintenant une variable al´eatoire [puisqu’`a chaque
nouvelle it´eration n,h(n)d´epend des processus
al´eatoires x(n)et d(n)].
INRS-EMT J. Benesty 3