基于块自适应滤波的核最小均方算法

发布时间：2018-05-14 06:59

  本文选题：核最小均方算法 + 块自适应滤波　； 参考：《计算机工程》2017年09期

【摘要】：核最小均方(KLMS)算法在非线性系统中收敛性能较好,但其使用瞬时梯度估计均方误差梯度,导致随机性较大。而块自适应滤波理论利用多个输入-输出的误差来估计均方误差梯度,可降低KLMS算法稳态误差。为此,将块自适应滤波理论运用到KLMS算法中,提出核块最小均方(KBLMS)算法,根据最陡下降法原理推导出KBLM S权矢量更新公式,使用核方法计算得到滤波器输出表达式,并通过并行处理减小算法计算复杂度。仿真结果表明,KBLMS算法可有效提高KLMS算法的稳态性能,并且相比块最小均方算法具有更低的误码率。
[Abstract]:The kernel least mean square (KLMS) algorithm has good convergence performance in nonlinear systems, but the instantaneous gradient is used to estimate the mean square error gradient, which leads to greater randomness. The block adaptive filtering theory uses multiple input-output errors to estimate the mean square error gradient, which can reduce the steady-state error of the KLMS algorithm. Therefore, the block adaptive filtering theory is applied to the KLMS algorithm, and the kernel block minimum mean square (KBL) algorithm is proposed. According to the steepest descent method, the updating formula of KBLM S weight vector is derived, and the filter output expression is obtained by using the kernel method. The computational complexity of the algorithm is reduced by parallel processing. Simulation results show that the KBLMS algorithm can effectively improve the steady-state performance of the KLMS algorithm and has a lower bit error rate than the block least mean square algorithm.
【作者单位】： 杭州电子科技大学通信工程学院;中国电子科技集团公司第三十六研究所通信系统信息控制技术国家级重点实验室;
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 孙晓昶,皇埔堪,陈强;数据分段输入的低秩自适应滤波方法[J];信号处理;2003年04期

2 徐常胜，周兆英，，李杰;自适应滤波的原理和应用[J];中国仪器仪表;1994年06期

3 刘兵军,牛东晓;灰色自适应滤波组合优化预测模型及其应用[J];电网技术;1998年09期

4 迟男,刘杰;浮点DSP实现自适应滤波的研究[J];北方交通大学学报;2000年05期

5 魏瑞轩,韩崇昭,张宗麟,方洋旺;鲁棒总体均方最小自适应滤波:算法与分析[J];电子学报;2002年07期

6 杨元喜;动态定位自适应滤波解的性质[J];测绘学报;2003年03期

7 祝转民,杨宜康,黄永宣,李济生;轨道重构的自适应滤波改进算法[J];导弹与航天运载技术;2003年02期

8 李海君,陈忠宝,孙恒;自适应滤波技术在GIS局放检测中的应用[J];黑龙江电力;2003年01期

9 谢胜利,田森平,柳书棠;基于向量图分析的自适应滤波快速算法[J];控制理论与应用;2003年06期

10 李富才,訾艳阳,何正嘉;自适应滤波与相关滤波在冲击响应信号特征提取中的应用[J];振动与冲击;2004年03期

相关会议论文 前10条

1 宋迎春;;抗差自适应滤波中带有置信度的自适应因子设计[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

2 邱新芸;高原;;自适应滤波最佳准则的研究[A];第七届青年学术会议论文集[C];2005年

3 曾威;崔玉平;李邦清;王文辉;;基于自适应滤波的捷联惯性/星光组合导航技术[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

4 徐炳吉;;严重非线性系统的自适应滤波[A];1996年中国控制会议论文集[C];1996年

5 徐飞;李兵飞;;一种自适应Kalman滤波实现的新思路[A];面向航空试验测试技术——2013年航空试验测试技术峰会暨学术交流会论文集[C];2013年

6 张磊;郭圣权;;自适应限定记忆平滑滤波器[A];1995年中国控制会议论文集（上）[C];1995年

7 贾跃;丁红岩;刘慷;刘德才;;定向定速潜艇状态的自适应滤波应用设计[A];1994中国控制与决策学术年会论文集[C];1994年

8 褚建新;顾伟;甘世红;;抑制大块分离物冲击力的一种自适应滤波方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

9 江金龙;卢国庆;查代奉;;非线性变换自适应滤波方法及在水声信道均衡中的应用[A];全国第二届信号处理与应用学术会议专刊[C];2008年

10 张芳;黄大贵;黄逸平;;基于方差和自适应滤波对火焰状态的识别[A];中国电子学会电子机械工程分会2007年机械电子学学术会议论文集[C];2007年

相关博士学位论文 前7条

1 檀甲甲;模型化自适应滤波及其应用研究[D];复旦大学;2011年

2 黄全振;压电智能结构自适应滤波振动主动控制研究[D];上海大学;2012年

3 朱红路;热工信号自适应滤波及其在建模与控制中的应用[D];华北电力大学（北京）;2010年

4 林耀荣;自适应滤波理论及其在回波消除中的应用研究[D];华南理工大学;1999年

5 尚勇;并行滤波算法及其脉动阵结构研究[D];西安电子科技大学;2000年

6 刘泳庆;卫星导航系统多维域抗干扰技术研究[D];北京理工大学;2016年

7 赵海全;基于非线性函数扩展的流水线型自适应滤波理论与方法研究[D];西南交通大学;2011年

相关硕士学位论文 前10条

1 王梦楠;基于FPGA的中频数字信号处理[D];大连海事大学;2015年

2 柴晓珂;心肺耦合分析研究[D];中国人民解放军医学院;2015年

3 王璞;基于自适应滤波的降阶在线系统辨识[D];兰州大学;2015年

4 谭滋中;基于自适应滤波的噪声抵消算法研究与应用[D];河北科技大学;2015年

5 王建明;声学回波消除方法及实现技术[D];西安电子科技大学;2014年

6 谢长鸿;奥氏体不锈钢焊缝的超声TOFD检测技术研究[D];南昌航空大学;2015年

7 李川;多导联心电采集系统设计与实现[D];重庆大学;2015年

8 王斌;WiFi网络中面向移动目标的定位追踪算法研究[D];东北大学;2014年

9 孙万亭;永磁同步电机电流自适应滤波控制研究[D];冶金自动化研究设计院;2016年

10 王秀丽;基于无线传输技术的管道漏水检测去噪算法研究与设计[D];内蒙古师范大学;2016年

本文编号：1886815