Алгоритм оценивания коэффициентов синтезирован с помощью теории рекуррентной линейной фильтрации.
Предположим, что каждая компонента вектора является медленно меняющимся случайным процессом. Тогда ее можно аппроксимировать авторегрессией первого порядка , где - матрица размером , , - единичная матрица размером ,«*»- знак комплексно сопряженной величины.
Таким образом, получим модель:
(3)
Пусть .
Требуется по входной последовательности и тестовому сигналу синтезировать алгоритм оценивания вектора коэффициентов эквалайзера по критерию (2) минимума средней квадратической ошибки (СКО). Полученные оценки должны быть асимптотически несмещенными: , асимптотически эффективными: и состоятельными: . Здесь - оператор математического ожидания, - вероятность.
Используя модель (3) поставленную задачу можно решить модифицированным методом наименьших квадратов (МНК), который основывается на минимизации функционала Тихонова А.Н.:
(4)
Здесь - евклидова норма, , - скалярное произведение.
Минимизируя (4), получим выражение для оценок комплексного вектора коэффициентов эквалайзера:
(5)
,
.
- ковариационная матрица ошибок экстраполяции, - ковариационная матрица ошибок фильтрации.
Начальные условия: - из априорных сведений, - единичная матрица размером .
Рис. 4. Структурная схема алгоритма (5).
Достоинство алгоритма: быстрая сходимость.
Недостатки: 1)сложность; 2) чувствительность к шуму, который накапливается при рекуррентных операциях и может вызвать нестабильность алгоритма.