问2个自适应滤波的基础问题

在看haykin的书,大致翻了下各个章节还没细看,遇到两个问题
1)就是所谓的desire response一般是怎么来的? 如果已经知道desire response了,为何还要去滤波呢? 书中LMS章节里给了个例子是通信系统里做均衡,在用pn序列做训练的时候是已知desire response的,这个时候可以训练得到最佳的滤波器系数.但是不是所有系统都有这种机会来做训练的吧? 这个时候怎么办
2)上面在通信系统里用pn做训练的时候得到的滤波器系数对实际解的时候会是最优的么? 我的理解是滤波器系数应该是由输入信号和信道共同决定的,信号变了,最佳的系数应该也变化了.
可能书上有详细讲,但是太厚了,还没来得及全部看,先上来问问大牛们.

一般需要的都是二阶统计量而非期望信号本身，统计量很多情况下能得到

自适应滤波一般在系统设计时，会先发训练序列，训练序列是已知的，也就是desire response。训练完系数了，再用均衡系数做均衡恢复未知的信号。 关于问题2，滤波或均衡的目的就是要消除信道的作用，等效于反卷积把卷积进来的信道影响消除掉而恢复出发射信号。
当然，发训练序列是很浪费资源的。因此，多数会做半盲或盲滤波。对于已知PN序列的，属于半盲的。虽然不知道调制数据，但是PN序列是已知的。 还有就是利用诸如恒包络特性等。

谢谢,但是第二个问题其实我想问的是,用pn训练出来的滤波器系数,对解调时会是最优或者接近最优的么?
因为书的开始就说了,自适应滤波器其实是非线性的,原始输入信号变了,信道即使没变,对应的最佳滤波器系数应该也发生了变化,就是这点我不太理解
当然我知道通信系统里一般都是这么干的,没看这书前我也不觉得用pn训练得到的均衡系数来给实际解调用有何不妥,反倒是被他书上这么一提觉得似乎不对啊,滤波器系数是跟输入信号相关的,怎么可以用pn的最佳系数来给解调数据用,晕了

可能是这样,pn训练的时候只是为了让自适应滤波器给track上,实际解调时候用的是decision direct也就是自己解出来的结果作为desire response继续进行track,这样的话,解调时的滤波器系数和pn训练时其实是不同的,也就不存在我担心的问题了.
直接把pn时的系数给解调时候用,应该不是最优的.
不知道理解对不对

按我的理解,即使h没变,y变了,adpative filter的系数也不是原来的了

因为你说pn序列，让我想到的是，你考虑的是CDMA扩频系统。在这种系统里，学术界或书上研究的方法，是在chip级上先做均衡，然后再用pn序列解扩。例如，golden序列，32 chips的，是否已知道调制的数据并不重要，因为，无论你调制什么信息，32 bits的pn序列是已知的，整个32 bits的初始相位是一样的，因此是否知道并不重要。也就是说，是可以用pn序列来训练的。这样训练的，理论上是可以趋近于最优的。
自适应滤波的整个过程的确是非线性的，例如，还要用到判决反馈等环节，肯定不线性。但是，得到系数后，滤波本身是线性的。无非就是一个卷积，当然是线性的。只是训练系数不是线性的。
读书学学这些有助于理解理论。但是，全世界都没有实际的系统会用到这些东西。也就是研究研究而已吧。现在都是OFDM系统了，谁还没事干做这些无聊的系统。