To proč LMS nefunguje tak dobře v případě s barevným buzením lze nejlépe vysledovat z trajektorie vah v prostoru vah (představte si rozměrný prostor na jehož osy vynášíte váhy ,,..., ). Vektor pak představuje jediný bod tohoto prostoru. Trajektorii získáme tak, že vyneseme pro všechny časy .
|
Již nyní vidíme že pro barevné buzení je trajektorie v části za ohybem poněkud roztřesenější. Protože by nám trajektorie sama příliš neřekne, je dobré si vynést důvod proč má trajektorie tvar jaký má (proč se váhy hýbou). Vyneseme si tedy i minimalizovanou funkci (nevynášíme tedy funkci kterou LMS skutečně minimalizuje. Důvody jsou takové, že původní záměr byl minimalizace nikoli , to je jenom prostředek k snadnějšímu dosažení cíle - jednoduchý algoritmus, dále budeme předpokládat, že je alespoň na vyšetřovaném úseku stacionární a ergodický - pak LMS skutečně minimalizuje i ). (MSE) jakožto funkci vah tedy nazýváme chybový povrch 4.2.
Poznámka: Jak vyjádříme pomocí momentů použitých signálů a ? Obdobně jako jsme to učinili v případě blokového odhadu AR koeficientů. Z rovnice filtrace (4.1) vyjádříme rozptyl
Obrázky Obr. 4.10, Obr. 4.12 a Obr. 4.11 ukazují různá znázornění chybových povrchů spolu s trajektoriemi pro oba případy buzení.
Zatímco pro bílý šum je chybový povrch rotačně symetrický u barevného buzení můžeme jasně rozlišit dva význačné směry říká se jim módy konvergence. V jednom z módů klesá MSE mnohem strměji než v druhém. Právě tento strmější mód je kritický pro stabilitu LMS. Hlavně s ohledem na něj volíme (tento mód určuje horní mez pro ). Konvergence v druhém módu je pak podstatně pomalejší. Také vidíme, že i když LMS ve strmém módu již zkonvergovalo (za ohybem), strmější mód s vahami stále hýbe (roztřesený průběh za ohybem). Dvoum módům pak odpovídají ony dvě časové konstanty v průběhu MSE na , viz. Obr. 4.5.