基于可变核宽的鲁棒分布式自适应滤波算法研究

发布时间：2022-12-17 17:46

　　分布式自适应滤波算法是通过分布式网络中传感器采集到的数据对感兴趣参数进行自适应估计的一种方法,在目标定位、智能检测等领域得到了广泛应用,是当前信号处理领域的研究热点。但实际应用场合中广泛存在的具有脉冲特性的非高斯噪声会导致传统的分布式自适应滤波算法性能严重退化。以信息论为基础的最大相关熵准则（Maximum Correntropy Criterion,MCC）是一种局部相似性度量,可有效抑制具有脉冲性的异常值点对算法的影响。DMCC（Diffusion MCC）算法就是基于MCC准则建立起来的一种分布式自适应滤波算法。但传统的DMCC算法既未充分利用系统本身的特性,也没有考虑固定核宽的局限性。因此,本文对传统的DMCC算法进行了深入研究和有效改进。首先,本文结合高斯和最大值函数提出一种改进的可变核宽函数,实现了算法在迭代过程中依据误差的变化动态更新最大相关熵的核宽。即在迭代初始阶段算法选择较小的核宽来提高其收敛速度,在收敛阶段算法选择较大的核宽来降低其稳态误差,从而有效地缓解了算法在收敛性能和稳态性能间的矛盾;其次,将所提出的可变核宽函数应用于DMCC算法中,并引入稀疏比例矩阵思想提出... 

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景
    1.2 课题研究意义及目的
    1.3 国内外研究现状及发展
        1.3.1 分布式估计
        1.3.2 非高斯噪声
        1.3.3 相关熵理论
        1.3.4 稀疏自适应滤波
    1.4 主要研究内容及论文安排
第2章 自适应滤波算法
    2.1 自适应滤波原理
    2.2 稀疏自适应滤波算法
    2.3 鲁棒自适应滤波算法
    2.4 本章小结
第3章 基于可变核宽的最大相关熵算法
    3.1 最大相关熵算法
    3.2 现有的可变核宽最大相关熵算法
        3.2.1 S-MCC算法
        3.2.2 VKW-MCC算法
    3.3 本章小结
第4章 分布式自适应滤波算法
    4.1 分布式策略
        4.1.1 增量式策略
        4.1.2 扩散式策略
    4.2 扩散式最小均方算法
    4.3 非高斯噪声下的鲁棒扩散式自适应滤波算法
        4.3.1 扩散式符号算法
        4.3.2 扩散式最小平均P功率算法
        4.3.3 扩散式最大相关熵算法
    4.4 稀疏系统下的扩散式自适应滤波算法
        4.4.1 基于系数比例的DLMS算法
        4.4.2 基于系数比例的DMCC算法
    4.5 实验结果与分析
        4.5.1 算法在非稀疏系统的性能仿真与对比
        4.5.2 算法在稀疏系统的性能仿真与对比
    4.6 本章小结
第5章 本文提出的新算法
    5.1 基于可变核宽的扩散式最大相关熵算法
        5.1.1 改进的可变核宽函数
        5.1.2 稀疏系统下的扩散式可变核宽最大相关熵算法
    5.2 性能分析
        5.2.1 收敛性分析
        5.2.2 稳定性分析
        5.2.3 算法复杂度分析
    5.3 仿真结果与分析
        5.3.1 算法在非稀疏系统的性能仿真与对比
        5.3.2 算法在稀疏系统的性能仿真与对比
    5.4 本章小结
第6章 结论
参考文献
在学研究成果
致谢


【参考文献】：
期刊论文
[1]最大相关熵准则自适应滤波器的分数阶长算法[J]. 刘春辉,齐越,丁文锐,张文秋.  北京航空航天大学学报. 2016(02)
[2]基于箕舌线的变步长LMS自适应算法[J]. 邓江波,侯新国,吴正国.  数据采集与处理. 2004(03)

硕士论文
[1]分布式LMS算法研究[D]. 徐畅.沈阳工业大学 2019
[2]分布式协同估计方法研究[D]. 王硕.北京理工大学 2015
[3]基于成比例的自适应鲁棒回声消除算法[D]. 黄章梁.西南交通大学 2012



本文编号：3720368