※ 引述《captainVince (purple rain N )》之銘言：
: 請問一下LMS跟LS到底有什麼不一樣
: 一個是有Mean 一個是擷取一段資料
: 看了書上寫的公式 總覺得無法理解LS真正的物理意義
: LMS是從MMSE的觀點出發 變成衣個adaptive filter
: 藉由一次一次的update 讓Cost(error) 降低
: LS也有非常類似MMSE的公式 除了沒有mean之外
: 像是Normal equation ,wiener filter
: 都跟MMSE類似 請問一下 LS如果以adaptive的觀點來說
: 是不是就跟LMS是一樣的呢? LMS是不斷的tracking
: LS是不是就是一段資料 一段資料來看?
: 每次都reset再計算coefficient?
LS 的主要概念就是利用time average
來實作wiener的ensamble average (所以隱含有ergodic的假設)
至於LMS與LS的差別
就在於對於input sample的memory深度
你用RLS的公式來看
forgetting factor = 0
memory = (1-forgetting factor)^-1 = 1 這是LMS
forgetting factor = 1
memory = (1-forgetting factor)^-1 = 無限大 這是LS
這也是為什麼對靜態環境LS較適合 對於比較動態的環境LMS的會比較好
LMS會被現在的error影響結果 而LS會被error的sample average影響
給你做個參考 有錯請指正
--
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.113.212.87