針對輸入信號受噪聲干擾和輸出觀測噪聲具有脈沖特征的稀疏系統(tǒng)辨識問題,提出一種基于CIM的偏差補償（normalized least mean absolute deviation,NLMAD）算法,利用NLMAD算法可有效抵御脈沖輸出觀測噪聲。首先應用無偏準則設(shè)計偏差補償NLMAD算法來有效解決由于輸入噪聲導致的估計偏差問題;考慮到稀疏系統(tǒng)辨識問題,將CIM作為稀疏約束懲罰項引入到偏差補償NLMAD算法提出了新的稀疏自適應濾波算法——CIMBCNLMAD算法。將所提算法應用于輸入和輸出均含有噪聲的稀疏系統(tǒng)辨識和回聲干擾抵消場景中,實驗表明CIMBCNLMAD算法的穩(wěn)態(tài)性能優(yōu)于其他自適應濾波算法,說明該方法具有較強的魯棒性且可應用于工程實踐。 

【文章來源】：計算機應用研究. 2018,35(09)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

0)的性能曲面圖2．2稀疏偏差補償NLMAD

n-zero為系統(tǒng)脈沖響應向量wo中的非零元素的個數(shù)。首先，以單一稀疏脈沖響應系統(tǒng)為目標驗證分析所提算法的收斂性能。設(shè)置輸出觀測噪聲的參數(shù)向量Vα-stable=(1.2，0，0.1，0)。系統(tǒng)脈沖響應向量長度為30，其中只在第15、20和30位置處元素非零，即其稀疏度SD=3/30。為了保證公平比較，設(shè)置LMAD的步長為0．01，而其他算法的步長為0．28，以實現(xiàn)各算法具有相同的初始收斂速度。設(shè)置零吸引控制因子ρ為0．0001，ε=0．01，核寬度為0．01。圖3所示為各算法的收斂曲線。從該結(jié)果可知稀疏AFA(包括CIMNLMAD、CIMB-CNLMAD、ZANLMAD和ZABCNLMAD)比其原始算法及LMAD算法都具有更好的穩(wěn)態(tài)性能。另外可以發(fā)現(xiàn)CIMBCNLMAD算法的性能優(yōu)于其他所有算法，且其與NLMAD算法之間相差了3dB。導致上述結(jié)果的原因主要在于CIMBCNLMAD包含了偏差補償項可彌補輸入噪聲所引入的估計偏差，且稀疏懲罰項的引入則體現(xiàn)了對稀疏系統(tǒng)先驗知識的應用。同時，CIM作為稀疏懲罰約束其更能很好地逼近L0-范數(shù)，因此穩(wěn)態(tài)性能優(yōu)于ZABCNLMAD算法。其次，應用所提算法辨識時變稀疏系統(tǒng)來驗證其性能。設(shè)在前1000次迭代過程中系統(tǒng)脈沖響應向量的稀疏度為3/60，而在1000次后稀疏度變?yōu)?/30。算法參數(shù)設(shè)置如上述實驗，收斂曲線如圖4所示。在前1000次迭代中，系統(tǒng)非常稀疏，則稀疏算法明顯具有較低的穩(wěn)態(tài)MSD;而在迭代1000后，脈沖響應向量非零系數(shù)增加到6，稀疏度發(fā)生了變換，但所提出的CIMBCNLMAD仍然具有最優(yōu)的結(jié)果。該結(jié)果表明其具有理想的跟蹤性能。圖3收斂性能比較圖

n-zero為系統(tǒng)脈沖響應向量wo中的非零元素的個數(shù)。首先，以單一稀疏脈沖響應系統(tǒng)為目標驗證分析所提算法的收斂性能。設(shè)置輸出觀測噪聲的參數(shù)向量Vα-stable=(1.2，0，0.1，0)。系統(tǒng)脈沖響應向量長度為30，其中只在第15、20和30位置處元素非零，即其稀疏度SD=3/30。為了保證公平比較，設(shè)置LMAD的步長為0．01，而其他算法的步長為0．28，以實現(xiàn)各算法具有相同的初始收斂速度。設(shè)置零吸引控制因子ρ為0．0001，ε=0．01，核寬度為0．01。圖3所示為各算法的收斂曲線。從該結(jié)果可知稀疏AFA(包括CIMNLMAD、CIMB-CNLMAD、ZANLMAD和ZABCNLMAD)比其原始算法及LMAD算法都具有更好的穩(wěn)態(tài)性能。另外可以發(fā)現(xiàn)CIMBCNLMAD算法的性能優(yōu)于其他所有算法，且其與NLMAD算法之間相差了3dB。導致上述結(jié)果的原因主要在于CIMBCNLMAD包含了偏差補償項可彌補輸入噪聲所引入的估計偏差，且稀疏懲罰項的引入則體現(xiàn)了對稀疏系統(tǒng)先驗知識的應用。同時，CIM作為稀疏懲罰約束其更能很好地逼近L0-范數(shù)，因此穩(wěn)態(tài)性能優(yōu)于ZABCNLMAD算法。其次，應用所提算法辨識時變稀疏系統(tǒng)來驗證其性能。設(shè)在前1000次迭代過程中系統(tǒng)脈沖響應向量的稀疏度為3/60，而在1000次后稀疏度變?yōu)?/30。算法參數(shù)設(shè)置如上述實驗，收斂曲線如圖4所示。在前1000次迭代中，系統(tǒng)非常稀疏，則稀疏算法明顯具有較低的穩(wěn)態(tài)MSD;而在迭代1000后，脈沖響應向量非零系數(shù)增加到6，稀疏度發(fā)生了變換，但所提出的CIMBCNLMAD仍然具有最優(yōu)的結(jié)果。該結(jié)果表明其具有理想的跟蹤性能。圖3收斂性能比較圖

【參考文獻】：
期刊論文
[1]基于l1-范數(shù)約束的遞歸互相關(guān)熵的稀疏系統(tǒng)辨識[J]. 周千,馬文濤,桂冠.  信號處理. 2016(09)
[2]基于LMP檢驗的正弦波頻率估計可靠性評估[J]. 胡國兵,徐立中,鮑安平,吳珊珊,高燕.  通信學報. 2015(05)
[3]一種基于改進雙曲正切函數(shù)的變步長自適應濾波算法[J]. 郭瑞,李寶華,馬奧運.  計算機應用研究. 2015(08)



本文編號：3571764