基于最小误差熵自适应滤波算法研究

发布时间：2017-11-12 07:05

  本文关键词：基于最小误差熵自适应滤波算法研究

  更多相关文章： 自适应滤波 最小误差熵 稀疏系统辨识 凸组合

【摘要】：自适应滤波算法是当今世界最具影响的研究热点之一。其中,传统自适应滤波算法,如LMS等,因其结构简单、性能稳定、计算复杂度低、易于实现等优点已经广泛的应用于自适应信号处理、机器学习等工程领域。他们很多都是在高斯噪声环境下表现优良的性能,而在非高斯噪声环境下,性能非常差。因此,如何构建鲁棒性算法日渐成为了自适应滤波研究的核心问题。本文以最小误差熵(Minimum Error Entropy,MEE)为重点研究内容,提出了若干鲁棒性自适应滤波算法,有效克服了传统自适应滤波算法在非高斯噪声环境下的不足。本文的重点研究内容如下:1.通信环境下的稀疏信道普遍存在,针对传统的稀疏自适应滤波算法只在高斯噪声环境下具有最优性能,提出了基于MEE的非高斯噪声环境下的稀疏自适应滤波两类算法:1)基于惩罚约束稀疏最小误差熵算法。以最小误差熵准则为基础,结合1l-范数,加权1l-范数以及互相关熵诱导维度(Correntropy Induced Metric,CIM)三种稀疏约束惩罚项,提出了零吸引最小误差熵算法、加权零吸引最小误差熵算法和互相关熵诱导维度最小误差熵算法等三种新的稀疏自适应滤波算法,并进行了收敛性分析,实验结果表明:该算法在解决非高斯噪声环境下的稀疏信道参数估计问题表现出优异的性能;2)基于MEE准则的系数比例稀疏自适应滤波算法。通过使用MEE来取代MSE作为自适应准则,并基于能量守恒关系进行收敛性分析得出了保证算法的均方稳定充分条件。实验结果表明:该算法在脉冲噪声干扰下具有较强的鲁棒性和跟踪能力。2.针对传统基于MEE自适应滤波算法在算法的精度和收敛速度相悖的问题,提出了基于凸组合MEE自适应滤波改进算法。该算法在继承了原有最小误差熵算法的鲁棒性能的同时,还有效的改善了算法的收敛速度。仿真结果验证了该算法的优越性能。本文基于最小误差熵准则,提出了惩罚约束稀疏自适应滤波算法、系数比例稀疏自适应滤波算法和凸组合自适应滤波算法,并对算法进行了收敛性分析。实验结果表明,本文提出的方法在非高斯噪声条件下具有良好的收敛性能。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN713

【相似文献】

中国期刊全文数据库 前10条

1 田磊;汪小志;刘志刚;;自适应滤波算法及应用研究[J];电子测试;2008年01期

2 杨波;冯久超;;一种改进的自适应滤波算法及其在回波消除中的应用[J];电子与信息学报;2008年01期

3 耿妍;张端金;;自适应滤波算法综述[J];信息与电子工程;2008年04期

4 崔旭涛;何友;杨日杰;;自适应滤波算法的仿真及工程实现[J];现代电子技术;2009年18期

5 蔡卫菊;;线性自适应滤波算法综述[J];科技资讯;2011年36期

6 吴正国;;自适应滤波算法的新进展[J];海军工程学院学报;1990年03期

7 邹艳碧,高鹰;自适应滤波算法综述[J];广州大学学报(自然科学版);2002年02期

8 高鹰,谢胜利;一种基于三阶累积量的准则及自适应滤波算法[J];电子与信息学报;2002年09期

9 高清运,李学初;适合硬件实现的自适应滤波算法[J];微电子学与计算机;2003年07期

10 王芳,冯新喜,李鸿艳;一种新的自适应滤波算法[J];现代雷达;2003年07期

中国重要会议论文全文数据库 前10条

1 徐润博;;一种变步长自适应滤波算法及其分析[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 李超;毛剑琴;;一种进化的自适应滤波算法及其在振动主动控制中的应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

3 刘先省;胡振涛;;基于“当前”统计模型修正的自适应滤波算法[A];2005年中国智能自动化会议论文集[C];2005年

4 牛振中;李岁劳;王青青;任鸿飞;;改进的自适应滤波算法及其在精确空投组合导航中的应用[A];惯性技术发展动态发展方向研讨会文集——新世纪惯性技术在国民经济中的应用[C];2012年

5 赵龙;李铁军;陈璞;;新型自适应滤波算法及其在惯导/双星组合中的应用[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

6 陈勇;黄清;;自适应滤波算法在多普勒频偏估计中的应用研究[A];2007年全国微波毫米波会议论文集（下册）[C];2007年

7 张磊磊;王再英;;基于Matlab仿真的几种自适应滤波算法的比较研究[A];第十七届全国煤矿自动化学术年会、中国煤炭学会自动化专业委员会学术会议论文集[C];2007年

8 陈坡;孙付平;郭飞;刘雪瑞;;扩展自适应滤波算法在GNSS/INS紧组合中的应用[A];微机电惯性技术的发展现状与趋势——惯性技术发展动态发展方向研讨会文集[C];2011年

9 陶伟刚;冯新喜;;一种新的目标跟踪自适应滤波算法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

10 刘世金;张榆锋;刘大利;高永丽;;几种自适应滤波算法在噪声抵消应用中的仿真比较研究[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

中国博士学位论文全文数据库 前5条

1 高鹰;基于累积量的自适应滤波理论及其应用[D];华南理工大学;2002年

2 张斌;高效稳健的自适应滤波算法研究[D];西安电子科技大学;2010年

3 刘立刚;稀疏冲激响应的自适应滤波算法及其应用研究[D];复旦大学;2010年

4 曾谦;基于滤波器凸集的自适应滤波算法[D];吉林大学;2015年

5 李宁;LMS自适应滤波算法的收敛性能研究与应用[D];哈尔滨工程大学;2009年

中国硕士学位论文全文数据库 前10条

1 蒋阳波;分数阶傅里叶变换自适应滤波算法及应用[D];湘潭大学;2009年

2 袁志勇;一维离散数据的卡尔曼滤波模型的参数估计及自适应滤波算法的改进[D];南京理工大学;2015年

3 冯永;稀疏自适应滤波算法研究[D];东南大学;2015年

4 陈元朝;RLS自适应滤波算法在宽高检测系统中的研究与应用[D];太原理工大学;2013年

5 赵集;带有反馈机制的核自适应滤波算法研究[D];西南大学;2016年

6 石嘉豪;基于最大互相关熵的核自适应滤波算法研究[D];华南理工大学;2016年

7 彭思愿;基于最小误差熵自适应滤波算法研究[D];华南理工大学;2016年

8 杨亚;自适应滤波抗干扰方法研究[D];电子科技大学;2016年

9 陈莉;自适应滤波算法与应用研究[D];西安电子科技大学;2006年

10 段雪梅;α-稳定噪声环境下的自适应滤波算法[D];西安电子科技大学;2007年

，

本文编号：1174830