抗冲激干扰的稀疏惩罚约束遗漏最小均方算法

发布时间：2017-07-03 19:03

  本文关键词：抗冲激干扰的稀疏惩罚约束遗漏最小均方算法

  更多相关文章： 稀疏系统识别 自适应算法 冲激干扰 收敛性

【摘要】：当被识别系统是稀疏系统时,传统的遗漏最小均方(LLMS)自适应算法收敛性能较差,特别在非高斯噪声环境中,该算法性能进一步恶化甚至算法不平稳收敛。为了解决因信道的稀疏性使算法收敛变慢的问题,对LLMS算法的代价函数分别利用加权辶1-norm和加权零吸引两种稀疏惩罚项进行改进;为了优化算法的抗冲激干扰的性能,利用符号函数对已改进的算法迭代式作进一步改进。同时,将提出的两个算法运用于非高斯噪声环境下的稀疏系统识别,仿真结果显示提出的算法性能优于现存的同类稀疏算法。
【作者单位】： 重庆邮电大学移动通信技术重庆市重点实验室;
【关键词】： 稀疏系统识别 自适应算法 冲激干扰 收敛性
【分类号】：TN912.3
【正文快照】： 1引言最小均方(Least-Mean Square,LMS)自适应算法[1]由于具有结构简单和计算复杂度低的特点[2],已经被广泛应用在各工程领域,如控制工程、通信工程、雷达信号处理、干扰消除、有噪声源控制(ActiveNoise Control,ANC)、生物医学工程、波束成形、语音回声信道等[3-4]。而当输入

【相似文献】

中国期刊全文数据库 前2条

1 姚开盛,胡修林,何大可;用于信道盲均衡的基于软判决导向的LS算法[J];宇航学报;1997年02期

2 ;[J];;年期

中国硕士学位论文全文数据库 前1条

1 吕谨晏;基于GPU的Maya平台下Ptex支持优化[D];东北师范大学;2014年

  本文关键词：抗冲激干扰的稀疏惩罚约束遗漏最小均方算法

  更多相关文章： 稀疏系统识别 自适应算法 冲激干扰 收敛性

，

本文编号：514794