Penggunaan konjugat dalam pembentukan filter adaptif tidak diperlukan. Namun, jika Anda tidak menulis output menggunakan konjugat maka cukup mudah untuk melupakan bahwa variabel yang Anda hadapi adalah kompleks. Jika kamu menulis
h(n)=∑k=0∞wk(n)u(n−k)
maka tidak jelas bahwa Anda berurusan dengan jumlah yang kompleks.
Seperti yang telah ditunjukkan oleh Robert, definisi korelasi perlu diperbarui untuk menangani data yang rumit jika Anda terbiasa melihatnya didefinisikan untuk data nyata.
Alasan lain untuk menggunakan konjugat seperti ini, adalah untuk menyederhanakan pengambilan turunan untuk menemukan solusi untuk filter adaptif. Anggaplah kita memiliki fungsi objektif yang bernilai nyataJ(w) bahwa kami mencoba untuk meminimalkan - biasanya ini adalah kuadrat galat yaitu E[e∗(n)e(n)]. Mengambil turunan dari kuantitas ini, wrtw tidak begitu mudah.
Teknik yang umum adalah menulis fungsi objektif sebagai fungsi w dan w∗ - yaitu mengobati w dan w∗sebagai variabel independen. Sekarang kita punya
J(w)=F(w,w∗)
Untuk menemukan minimum, kami mengambil turunan wrt w dan w∗ dan atur ke nol, jadi kami ingin menyelesaikannya
∂F(w,w∗)∂w=∂F(w,w∗)∂w∗=0
Namun, jika Anda melakukan analisis, Anda akan menemukannya
∂F(w,w∗)∂w=0⟺∂F(w,w∗)∂w∗=0
Sehingga Anda hanya perlu menyelesaikan salah satu persamaan ini.
Untuk detail lengkap, Anda dapat melihat:
- "Operator gradien yang kompleks dan aplikasinya dalam teori array adaptif", Brandwood 1983, Komunikasi, Pemrosesan Radar dan Sinyal, Proses IEE
- "Operator Gradien Kompleks dan Kalkulus CR" Kreutz-Delgado di sini
- "Gradien kompleks dan Goni", van den Bos, 1994, Penglihatan, Pemrosesan Gambar dan Sinyal, Proses IEE
Untuk teori Filter Adaptif, saya lebih suka presentasi dalam "Fundamentals of Adaptive Filtering" oleh Ali Sayed. Dia menyajikan derivasi terpadu LMS, NLMS, RLS, APA, dan filter Lattice.