稀疏系统辨识的成比例自适应算法研究

发布时间：2017-12-05 08:34

  本文关键词：稀疏系统辨识的成比例自适应算法研究

  更多相关文章： 自适应滤波 稀疏系统辨识 成比例自适应算法 解相关原理 凸组合滤波器 独立活性因子

【摘要】：随着现代科技的迅速发展,各门学科的研究方法越来越趋于定量化。在科学实验及生产实践中,对于复杂的研究对象,人们通常要求通过观测和计算来定量并判明其内在规律,从而产生了系统辨识问题。系统辨识有着重要的实际应用,比如在信号处理、通信和控制等领域。实质上,其是根据系统的输入及输出信号来估计或确定系统的单位冲激响应、系统的特性或传递函数。然而现实情况中,许多待辨识的系统具有稀疏特性,即成千上百个系数中只有很少的系数有显著值,而其他的系数为零或很小值。针对此类系统,传统的自适应算法,如最小均方(LMS)算法及其各种改进算法的收敛性能并不理想,因为它们均没有利用稀疏性这一先验知识。近些年来,研究者相继提出了一些利用系统脉冲响应稀疏特性的算法,且对稀疏系统辨识取得了改进效果。其中最为显著的是成比例归一化最小均方(PNLMS)算法及其改进算法。为更进一步改善对稀疏系统辨识的性能,本文专注于研究成比例自适应算法的各种改进算法就显得十分必要。首先,简述了传统的LMS算法、PNLMS算法及其改进算法的基本思想,并分析了PNLMS算法及其改进算法的优缺点。当输入信号为相关信号时,改进PNLMS (IPNLMS)算法收敛速度缓慢,本文通过引入解相关原理得到的DIPNLMS算法改善了IPNLMS算法的收敛性能。为了进一步解决定步长DIPNLMS算法中存在的收敛速度和稳态失调之间的折中问题,本文又结合自适应凸组合滤波器,提出了自适应凸组合DIPNLMS(CDIPNLMS)算法。其次,成比例仿射投影算法(PAPA)是PNLMS算法的在时域上的扩展形式,对于相关输入信号,PAPA虽具有较快的收敛速度,但其计算复杂度较高。为此,C.Paleologu提出了记忆PAPA(MPAPA)。然而,MPAPA中比例步长参数不合理的计算方法导致了其后期收敛速度减慢,针对此问题,本文利用脉冲响应与滤波器当前估计值的差来确定比例步长参数。由于实际情况中的目标系统权系数是未知的,我们采用过去某个时间估计的权系数作为目标系统权系数,从而得到了基于权系数差的MPAPA (WMPAPA)。在此基础上,针对WMPAPA中计算比例步长参数的方法不能使其与滤波器权系数的实际幅值完全成比例这一问题而导致的收敛速度缓慢的问题,本文引入独立活性因子方法,提出了独立活性因子的WMPAPA(IAF-MPAPA),对于高稀疏系统获得了良好的辨识效果。最后,当输入信号为相关信号时,归一化子带自适应滤波(NSAF)算法大大加快了归一化LMS (NLMS)算法的收敛速度。针对稀疏系统,成比例NSAF (PNSAF)算法则表现出较快的收敛速度。为了对实际情况下的一些高稀疏系统有更好的辨识效果,本文结合独立活性因子方法,得出了独立活性因子的PNSAF (IAF-PNSAF)算法,改善了PNSAF算法的收敛速度。为进一步解决定步长IAF-PNSAF算法中存在的收敛速度和稳态失调之间的折中问题,本文提出了自适应凸组合IAF-PNSAF (CIAF-PNSAF)算法,其不但有快的收敛速度,还有低的稳态失调。通过在MATLAB软件中的仿真实验,验证了本文所提的各种改进成比例自适应滤波算法的有效性。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：N945.14;TP301.6

【相似文献】

中国期刊全文数据库 前10条

1 李德胜;张才仙;陈淑铭;;选择策略对进化算法性能的影响[J];科技资讯;2007年11期

2 梁民,孙仲康;多层前馈神经网络的快速学习算法及其仿真研究[J];系统工程与电子技术;1993年09期

3 王忠;陈伏虎;;基于阵元域数据的联合检测与跟踪算法[J];声学学报(中文版);2007年06期

4 苏开乐;关于D.W.Etherington的扩充产生算法的一个注记[J];计算机工程与科学;1998年04期

5 江宇闻;;Overcomplete ICA算法研究[J];中山大学研究生学刊(自然科学、医学版);2004年02期

6 王杰;王加银;;Mean Shift算法的收敛性讨论[J];北京师范大学学报(自然科学版);2008年05期

7 胡梦佑;陈钧量;;快速加权滑窗RLS格型算法[J];中山大学学报(自然科学版);1992年02期

8 裴炳南;吴显鼎;张明武;;MLMS算法的伪收敛现象[J];河南科学;1993年Z1期

9 张承慧;一种工业过程时变参数估计新算法——修正目标函数法[J];中国工程科学;2001年11期

10 丁海军;李峰磊;;蜂群算法在TSP问题上的应用及参数改进[J];中国科技信息;2008年03期

中国重要会议论文全文数据库 前10条

1 何敏;陈中显;梅松涛;;蚁群算法的研究与进展[A];中国计量协会冶金分会2010年会论文集[C];2010年

2 高玮;;免疫连续蚁群算法[A];第二十六届中国控制会议论文集[C];2007年

3 唐乾玉;韩曾晋;;基于扰动分析的优化算法[A];1994中国控制与决策学术年会论文集[C];1994年

4 金成勋;周广禄;郭恒业;;对ICP算法中稳定采样的研究[A];立体图象技术及其应用研讨会论文集[C];2005年

5 陈元琰;闫友彪;罗晓曙;;REM算法的改进[A];广西计算机学会2005年学术年会论文集[C];2005年

6 范瑛;;改进蚁群算法结合BP网络用于入侵检测[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

7 万丽芬;钟炎平;;约束LMS算法研究[A];第二十届电工理论学术年会论文集[C];2008年

8 云飞;薛青;姚义军;;改进型LMBP算法在军事数据分析中的应用研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

9 朱双东;艾智斌;阎夏;;BP网络学习算法的改进方案探析[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

10 唐乾玉;陈翰馥;韩曾晋;;串行生产线的参数优化[A];1994年中国控制会议论文集[C];1994年

中国博士学位论文全文数据库 前10条

1 杨扩军;TIADC系统校准算法研究与实现[D];电子科技大学;2015年

2 黄亚魁;几类优化问题的BB型算法研究[D];西安电子科技大学;2015年

3 王戈;通信信号若干联合处理技术研究[D];解放军信息工程大学;2013年

4 王可心;大规模过程系统非线性优化的简约空间理论与算法研究[D];浙江大学;2008年

5 鲍吉锋;平衡问题和优化问题若干算法的收敛性分析[D];浙江大学;2013年

6 韩飞;基于先验信息编码的约束学习算法研究[D];中国科学技术大学;2006年

7 袁东辉;蚁群算法在飞行模拟器平台中若干应用问题的研究[D];吉林大学;2011年

8 厉丹;视频目标检测与跟踪算法及其在煤矿中应用的研究[D];中国矿业大学;2011年

9 滕月阳;正电子发射断层成像中的数学模型与算法[D];东北大学;2012年

10 张晓伟;全局优化的若干随机性算法[D];西安电子科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 杨展;城轨列车自动调整系统模型与算法研究[D];西南交通大学;2015年

2 马英钧;基于人工蜂群算法的约束优化问题研究[D];华中师范大学;2015年

3 钱其;电网谐波和间谐波功率的计量算法研究[D];中国科学技术大学;2015年

4 蒋玉冰;无线通信信号到达角跟踪算法研究[D];电子科技大学;2014年

5 孙方亮;基于粒子群与中心引力的一种新混合算法及应用[D];西安电子科技大学;2014年

6 于诗杰;基于无波前探测的大气光通信自适应补偿方法研究[D];西安电子科技大学;2014年

7 柯家龙;压缩感知算法及其在成像中的应用[D];南京邮电大学;2015年

8 刘光泓;并行磁共振图像全变分恢复一阶算法研究[D];南京邮电大学;2015年

9 张德祥;基于改进蚁群算法的机器人三维路径规划研究[D];青岛科技大学;2015年

10 张申利;基于蜂群算法的GIS优化选址及其并行化研究与应用[D];中国石油大学(华东);2014年

，

本文编号：1254227