基于CIM的偏差补偿稀疏NLMAD算法研究
发布时间：2022-01-06 04:48
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。
【文章来源】：计算机应用研究. 2018,35(09)北大核心CSCD
【文章页数】：5 页
【部分图文】：
0)的性能曲面图2．2稀疏偏差补偿NLMAD
n-zero为系统脉冲响应向量wo中的非零元素的个数。首先，以单一稀疏脉冲响应系统为目标验证分析所提算法的收敛性能。设置输出观测噪声的参数向量Vα-stable=(1.2，0，0.1，0)。系统脉冲响应向量长度为30，其中只在第15、20和30位置处元素非零，即其稀疏度SD=3/30。为了保证公平比较，设置LMAD的步长为0．01，而其他算法的步长为0．28，以实现各算法具有相同的初始收敛速度。设置零吸引控制因子ρ为0．0001，ε=0．01，核宽度为0．01。图3所示为各算法的收敛曲线。从该结果可知稀疏AFA(包括CIMNLMAD、CIMB-CNLMAD、ZANLMAD和ZABCNLMAD)比其原始算法及LMAD算法都具有更好的稳态性能。另外可以发现CIMBCNLMAD算法的性能优于其他所有算法，且其与NLMAD算法之间相差了3dB。导致上述结果的原因主要在于CIMBCNLMAD包含了偏差补偿项可弥补输入噪声所引入的估计偏差，且稀疏惩罚项的引入则体现了对稀疏系统先验知识的应用。同时，CIM作为稀疏惩罚约束其更能很好地逼近L0-范数，因此稳态性能优于ZABCNLMAD算法。其次，应用所提算法辨识时变稀疏系统来验证其性能。设在前1000次迭代过程中系统脉冲响应向量的稀疏度为3/60，而在1000次后稀疏度变为6/30。算法参数设置如上述实验，收敛曲线如图4所示。在前1000次迭代中，系统非常稀疏，则稀疏算法明显具有较低的稳态MSD;而在迭代1000后，脉冲响应向量非零系数增加到6，稀疏度发生了变换，但所提出的CIMBCNLMAD仍然具有最优的结果。该结果表明其具有理想的跟踪性能。图3收敛性能比较图
n-zero为系统脉冲响应向量wo中的非零元素的个数。首先，以单一稀疏脉冲响应系统为目标验证分析所提算法的收敛性能。设置输出观测噪声的参数向量Vα-stable=(1.2，0，0.1，0)。系统脉冲响应向量长度为30，其中只在第15、20和30位置处元素非零，即其稀疏度SD=3/30。为了保证公平比较，设置LMAD的步长为0．01，而其他算法的步长为0．28，以实现各算法具有相同的初始收敛速度。设置零吸引控制因子ρ为0．0001，ε=0．01，核宽度为0．01。图3所示为各算法的收敛曲线。从该结果可知稀疏AFA(包括CIMNLMAD、CIMB-CNLMAD、ZANLMAD和ZABCNLMAD)比其原始算法及LMAD算法都具有更好的稳态性能。另外可以发现CIMBCNLMAD算法的性能优于其他所有算法，且其与NLMAD算法之间相差了3dB。导致上述结果的原因主要在于CIMBCNLMAD包含了偏差补偿项可弥补输入噪声所引入的估计偏差，且稀疏惩罚项的引入则体现了对稀疏系统先验知识的应用。同时，CIM作为稀疏惩罚约束其更能很好地逼近L0-范数，因此稳态性能优于ZABCNLMAD算法。其次，应用所提算法辨识时变稀疏系统来验证其性能。设在前1000次迭代过程中系统脉冲响应向量的稀疏度为3/60，而在1000次后稀疏度变为6/30。算法参数设置如上述实验，收敛曲线如图4所示。在前1000次迭代中，系统非常稀疏，则稀疏算法明显具有较低的稳态MSD;而在迭代1000后，脉冲响应向量非零系数增加到6，稀疏度发生了变换，但所提出的CIMBCNLMAD仍然具有最优的结果。该结果表明其具有理想的跟踪性能。图3收敛性能比较图
【参考文献】：
期刊论文
[1]基于l1-范数约束的递归互相关熵的稀疏系统辨识[J]. 周千,马文涛,桂冠. 信号处理. 2016(09)
[2]基于LMP检验的正弦波频率估计可靠性评估[J]. 胡国兵,徐立中,鲍安平,吴珊珊,高燕. 通信学报. 2015(05)
[3]一种基于改进双曲正切函数的变步长自适应滤波算法[J]. 郭瑞,李宝华,马奥运. 计算机应用研究. 2015(08)
本文编号：3571764
【文章来源】：计算机应用研究. 2018,35(09)北大核心CSCD
【文章页数】：5 页
【部分图文】：
0)的性能曲面图2．2稀疏偏差补偿NLMAD
n-zero为系统脉冲响应向量wo中的非零元素的个数。首先，以单一稀疏脉冲响应系统为目标验证分析所提算法的收敛性能。设置输出观测噪声的参数向量Vα-stable=(1.2，0，0.1，0)。系统脉冲响应向量长度为30，其中只在第15、20和30位置处元素非零，即其稀疏度SD=3/30。为了保证公平比较，设置LMAD的步长为0．01，而其他算法的步长为0．28，以实现各算法具有相同的初始收敛速度。设置零吸引控制因子ρ为0．0001，ε=0．01，核宽度为0．01。图3所示为各算法的收敛曲线。从该结果可知稀疏AFA(包括CIMNLMAD、CIMB-CNLMAD、ZANLMAD和ZABCNLMAD)比其原始算法及LMAD算法都具有更好的稳态性能。另外可以发现CIMBCNLMAD算法的性能优于其他所有算法，且其与NLMAD算法之间相差了3dB。导致上述结果的原因主要在于CIMBCNLMAD包含了偏差补偿项可弥补输入噪声所引入的估计偏差，且稀疏惩罚项的引入则体现了对稀疏系统先验知识的应用。同时，CIM作为稀疏惩罚约束其更能很好地逼近L0-范数，因此稳态性能优于ZABCNLMAD算法。其次，应用所提算法辨识时变稀疏系统来验证其性能。设在前1000次迭代过程中系统脉冲响应向量的稀疏度为3/60，而在1000次后稀疏度变为6/30。算法参数设置如上述实验，收敛曲线如图4所示。在前1000次迭代中，系统非常稀疏，则稀疏算法明显具有较低的稳态MSD;而在迭代1000后，脉冲响应向量非零系数增加到6，稀疏度发生了变换，但所提出的CIMBCNLMAD仍然具有最优的结果。该结果表明其具有理想的跟踪性能。图3收敛性能比较图
n-zero为系统脉冲响应向量wo中的非零元素的个数。首先，以单一稀疏脉冲响应系统为目标验证分析所提算法的收敛性能。设置输出观测噪声的参数向量Vα-stable=(1.2，0，0.1，0)。系统脉冲响应向量长度为30，其中只在第15、20和30位置处元素非零，即其稀疏度SD=3/30。为了保证公平比较，设置LMAD的步长为0．01，而其他算法的步长为0．28，以实现各算法具有相同的初始收敛速度。设置零吸引控制因子ρ为0．0001，ε=0．01，核宽度为0．01。图3所示为各算法的收敛曲线。从该结果可知稀疏AFA(包括CIMNLMAD、CIMB-CNLMAD、ZANLMAD和ZABCNLMAD)比其原始算法及LMAD算法都具有更好的稳态性能。另外可以发现CIMBCNLMAD算法的性能优于其他所有算法，且其与NLMAD算法之间相差了3dB。导致上述结果的原因主要在于CIMBCNLMAD包含了偏差补偿项可弥补输入噪声所引入的估计偏差，且稀疏惩罚项的引入则体现了对稀疏系统先验知识的应用。同时，CIM作为稀疏惩罚约束其更能很好地逼近L0-范数，因此稳态性能优于ZABCNLMAD算法。其次，应用所提算法辨识时变稀疏系统来验证其性能。设在前1000次迭代过程中系统脉冲响应向量的稀疏度为3/60，而在1000次后稀疏度变为6/30。算法参数设置如上述实验，收敛曲线如图4所示。在前1000次迭代中，系统非常稀疏，则稀疏算法明显具有较低的稳态MSD;而在迭代1000后，脉冲响应向量非零系数增加到6，稀疏度发生了变换，但所提出的CIMBCNLMAD仍然具有最优的结果。该结果表明其具有理想的跟踪性能。图3收敛性能比较图
【参考文献】：
期刊论文
[1]基于l1-范数约束的递归互相关熵的稀疏系统辨识[J]. 周千,马文涛,桂冠. 信号处理. 2016(09)
[2]基于LMP检验的正弦波频率估计可靠性评估[J]. 胡国兵,徐立中,鲍安平,吴珊珊,高燕. 通信学报. 2015(05)
[3]一种基于改进双曲正切函数的变步长自适应滤波算法[J]. 郭瑞,李宝华,马奥运. 计算机应用研究. 2015(08)
本文编号：3571764
本文链接：https://www.wllwen.com/projectlw/xtxlw/3571764.html