1、“.....我们给个人平 均为方差算法，以及它们的结合，如图所示。结果，获得了平 均超过蒙特卡罗方法个的运行，其中。它引用了未知损坏不 相关零均值高斯噪声，其中κ在最初的次迭 代的方差估计根据式和的加权来计算的系数。 图中提出，第次使用的与的，然后在稳定状态，与 的。需要注意的是第和第迭代，该算法可以采取任何步长 根据不同的认识。在这里，将通过增加计算量与并行算法都得到改善， 同时还认为，在稳定状态下，不能理想的接近小步长的算法......”。

2、“..... ， fifi  fi fi ， ，   ，  fi ， ，  ， fi fi fifi fi，  ， fi， ，fi， ，，  ，  fi fi fifi，， fi ......”。

3、“..... ，  fi ，    ， ， fi fifi  fi fi ， fifi ，−fi fi ≡，≡，≡ ， fi， 是加权系数的偏差，与方差是零均值的随机变量差，它 取决于的算法类型，以及外部噪声方差。因此，如果噪声方差为常数或 是缓慢变化的......”。

4、“.....在这个意义上说，在后 面的分析中我们将假定只依赖算法类型，及其参数。自适应滤波器的个重 要性能衡量标准是其均方差的加权系数。对于自适应滤波器，它被赋 值， 组合自适应滤波器 合并后的自适应滤波器的基本思想是在两个或两个以上自适应算法并 行实现与每个迭代之间的最佳选择，。在每次迭代中选择最合适的算法，选 择最佳的加权系数值。最好的加权系数是，即在给定的时刻，向相应的维纳矢 量值最接近。让......”。

5、“.....在瞬间选    择参数和系数。注意，现在我们可以在个统的处理方式≡， ≡，≡下。基于算法的行为主要依赖于，在每个迭代中有 个最佳值，生产的最佳表现的自适应算法。现在分析最小均方与些基于相 同类型的算法相结合的自适应滤波器，但参数是不同的。 加权系数周围分布随机变量和，和方差，相关，......”。

6、“.....κ两个 规则。 置信区间的定义， ， 接着，从式到式我们认为只要， 关于，这意味着，对于小偏差，置信区间对同的的算法是不同的， 而对同的的算法则相交。另方面，当偏置变大，然后中央位置的不同 间隔距离很大，而且他们不相交。 由于我们对有关信息，没有先验知识，我们将使用种特定的统 计学方法得到的标准，即自适应算法选择的值问题。这个标准的平衡状态，从或 同个数量级的......”。

7、“..... 提出的联合算法现在可以被总结为下面的步骤 第步从不同预定义设置中为算法计算，。 第步估计每个算法的方差。 第步检查是否相交对于算法。从个最大的差异值算法走向与差 异较小的值。根据，和取舍的标准，如果下式成立那么将会减少这个 检查  当，和以下关系成立 ， 如果没有相交大偏差选择具有最大的方差的值算法。如果相交， 偏差已经很小。因此，检查了对新的加权系数......”。

8、“.....如果是最后对， 只选择具有最小方差的算法。首先两个区间不相交意味着实现了取舍标准，并选 择最大方差算法。 第步转到下个瞬间。 元素的集合中最小的数。在这种情况下，应提供良好的跟踪快速变 化最大的差异，而其他应提供小的方差的稳定状态。 通过增加更多的观察，这两个极端之间，我们可以稍微改进算法的瞬态行为。需要 注意的是，只有未知值的差异。在仿真中我们估计式  当......”。

9、“.....从已知文献中可 以看出。对于标准的算法在稳定状态，和是相关的。，需 要注意的是，任何其他估计对于滤波器来说是有效的。 的复杂性取决于组成算法第步，并在决策算法步骤。加权系 数的计算并未使并行算法增加计算时间，因为它是由硬件实现并行执行的，从而 增加了硬件要求。方差估计步骤，忽略了有助于提高算法的复杂性，因为 他们是刚刚开始的时候，他们正在使用单独适应硬件实现。简单的分析表明......”。