基于CIM的偏差补偿稀疏NLMAD算法研究

2018年第9期

关键词:
偏差补偿;稀疏系统辨识;互相关熵诱导的维度(CCIM);NLMAD算法;脉冲噪声

Keywords
bias-compensated;sparse system identification;correntropy induced metric;NLMAD algorithm;impulsive noise
摘要
     针对输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿(normalized least mean absolute deviation,NLMAD)算法,利用NLMAD算法可有效抵御脉冲输出观测噪声。首先应用无偏准则设计偏差补偿NLMAD算法来有效解决由于输入噪声导致的估计偏差问题;考虑到稀疏系统辨识问题,将CIM作为稀疏约束惩罚项引入到偏差补偿NLMAD算法提出了新的稀疏自适应滤波算法——CIMBCNLMAD算法。将所提算法应用于输入和输出均含有噪声的稀疏系统辨识和回声干扰抵消场景中,实验表明CIMBCNLMAD算法的稳态性能优于其他自适应滤波算法,说明该方法具有较强的鲁棒性且可应用于工程实践。


本文地址:www.fabiao.net/content-15-639116-1.html

上一篇:计算主义形式系统难题:基于哥德尔不完全性定理的讨论
下一篇:中国自然哲学起源的方向与进程

分享到: 分享基于CIM的偏差补偿稀疏NLMAD算法研究到腾讯微博           收藏
评论排行
公告