块稀疏自适应滤波算法及其应用研究

发布时间：2020-06-01 02:16

【摘要】：自适应滤波算法研究一直是信号与信息处理领域的热点,已经广泛应用于语音处理、回波消除、信道均衡、系统辨识、谱线增强、自适应阵列处理和生物医学信号处理等诸多领域。随着信息通信和技术的发展,传统的自适应滤波算法面临着新的挑战,例如,一些通信系统信道的脉冲响应时间很长,这导致传统的自适应滤波算法迭代时间增加、收敛速度慢。另外,很多实际应用环境中广泛存在着冲击性强、不符合高斯分布的脉冲噪声,在这种非高斯噪声环境下,基于二阶统计量的传统自适应滤波算法的性能会大大下降,甚至是不能工作。针对脉冲响应时间长的系统,充分利用其块稀疏性,即非零的脉冲响应值成块出现的特性可以提高算法性能。块稀疏成比例仿射投影(Block-sparse Proportionate Affine Projection Algorithm,BS-PAPA)算法在计算对应的步长因子时,采用混合l_(21,)范数约束替代传统的_1l范数约束。这种约束条件充分利用了未知系统的块分布特征,从而取得了更好的收敛性能和识别性能。本文在深入研究传统的自适应滤波算法的基础上,考虑非高斯噪声的影响,选用最小误差熵(minimum error entropy,MEE)准则替代传统的最小均方误差(mean square error,MSE)准则,并且结合系统的块稀疏特性,提出了基于最小误差熵准则的块稀疏成比例仿射投影(minimum error entropy block-sparse proportionate affine projection algorithms,MEE-BS-PAPA)自适应滤波算法,该算法结合了BS-PAPA算法针对块稀疏信道良好的收敛特性和熵的算法对非高斯噪声干扰的抑制能力。理论分析和仿真结果表明本文提出的算法在非高斯噪声和高斯噪声干扰下均具有良好的收敛性能、稳态性能和跟踪性能。
【图文】：

另外，还需要使“自适应”过程得以执行的一系列步骤或程序或经历“自适应”过程的“系统”有一个更技术化但更普及的名字“滤波器”适应滤波器也是一种维纳滤波器，在无人为干扰下，可自身调节其参数的效果。由于自适应滤波器表现出优异实用性和良好的滤波效果，，广泛领域中，如回声消除、信道均衡等[59]。适应滤波器的基本原理应滤波器的本质是是在无人为干预下，依靠实时更新自身的参数，从而尽可能的与其期望输出信号相一致。自适应滤波器的总体框图如图 2.1 自适应滤波器和自适应滤波算法两部分。从图中可以看到，输入信号通器调整参数，产生了一个输出信号，与期望信号相比较，得到了一个误应滤波算法通过不断调整滤波器权系数，得到最优的抽头权系数，使得，实现了输出信号与期望信号逐渐相一致，从而辨识出未知系统或是未了最优滤波的目标。

图 2.2 a、b、c、d 分别为 =0.5，1.0，1.5，2.0 时的 -稳定分布Fig. 2.2 a、b、c、d to -stable distribution when =0.5,1.0,1.5,2.0）参数 被称为对称参数。对称参数用来描述分布函数的扭曲程度，在曲向左右倾斜移动情况。当 =0 时， -稳定分布是对称的，称为 -对称metrical -stable， S S)，高斯分布满足 S S分布。）参数 被称为尺度参数。尺度参数用来描述服从 -稳定分布的随机变量离程度。）参数 被称为位置参数。式（2.32）中的指数项 exp j t代表了概率密的平移。使用标准的 S S分布来作为非高斯脉冲噪声模型。图 2.2 所示为标准 S特征指数 下的概率密度函数。
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 鲁振姣;郭莹;;分块稀疏自适应滤波算法研究[J];微处理机;2019年03期

2 于新颖;;自适应滤波算法分析及仿真[J];山西电子技术;2016年06期

3 王慧杰;李小兵;于明秋;;基于反比例函数的变步长雷达自适应滤波算法[J];探测与控制学报;2017年03期

4 夏杰;周青松;许程成;毛云祥;;一种基于变换域的自适应滤波算法[J];火力与指挥控制;2017年08期

5 于洋;胡晓芳;刘砚菊;;机动目标跟踪的改进自适应滤波算法研究[J];沈阳理工大学学报;2013年01期

6 江洁;郭德伟;;基于小波包理论的自适应滤波算法研究[J];煤矿机械;2012年04期

7 齐林;周丽晓;;变换域自适应滤波算法的研究[J];郑州大学学报(理学版);2007年01期

8 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

9 杨晓林;殷福亮;;诱发电位的自适应滤波[J];国外医学(生物医学工程分册);1987年06期

10 郭莹;白艳梅;;稳健的仿射投影符号自适应滤波算法[J];仪器仪表学报;2017年01期

相关会议论文 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 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

3 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

4 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

5 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

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 吴金美;凌晓冬;胡上成;侯亚威;;基于最小二乘和最速梯度准则的船摇数据自适应滤波算法[A];空天资源的可持续发展——第一届中国空天安全会议论文集[C];2015年

8 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

9 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

10 高鹰;谢胜利;;一种变步长LMS自适应滤波算法及分析[A];第十九届中国控制会议论文集（一）[C];2000年

相关博士学位论文 前10条

1 管四海;LMS类自适应滤波算法的研究[D];西安电子科技大学;2017年

2 刘明;自适应滤波算法VLSI实现的关键技术研究[D];哈尔滨工业大学;2017年

3 芦璐;Alpha稳定分布噪声环境下的自适应滤波算法研究[D];西南交通大学;2018年

4 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

5 单志明;α稳定分布参数估计及自适应滤波算法研究[D];哈尔滨工程大学;2012年

6 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

7 于霞;基于自适应滤波算法的时变系统逆控制方法研究[D];东北大学;2011年

8 王程程;基于稀疏冲激响应及多智能体网络的自适应滤波算法研究[D];哈尔滨工程大学;2017年

9 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

10 曾谦;基于滤波器凸集的自适应滤波算法[D];吉林大学;2015年

相关硕士学位论文 前10条

1 鲁振姣;块稀疏自适应滤波算法及其应用研究[D];沈阳工业大学;2019年

2 杨敏;改进LMS自适应滤波算法及其在声功率测量中的应用[D];湖南大学;2018年

3 孙启堂;基于混合核及最大相关熵的自适应滤波算法[D];西南大学;2018年

4 乔露露;宽线性总体最小二乘自适应滤波算法及其应用研究[D];东南大学;2018年

5 刘倩倩;自适应滤波算法及其在电力谐波检测的应用[D];西南交通大学;2018年

6 刘凤致;四元数自适应滤波算法研究[D];大连海事大学;2017年

7 祁霄;非高斯噪声背景下的自适应滤波算法研究[D];新疆大学;2017年

8 李自强;基于非线性自适应滤波算法的齿轮传动系统振动主动控制研究[D];重庆大学;2015年

9 张珍;VoIP自适应滤波算法的研究[D];燕山大学;2009年

10 白艳梅;稳健的仿射投影自适应滤波算法及其应用研究[D];沈阳工业大学;2017年

本文编号：2690815