基于广义最大Versoria准则的稀疏自适应滤波算法

摘要：

针对脉冲噪声干扰环境下传统稀疏自适应滤波稳态性能差,甚至无法收敛等问题,同时为提高稀疏参数辨识的精度的同时不增加过多计算代价,提出了一种基于广义最大Versoria准则(GMVC)的稀疏自适应滤波算法——带有CIM约束的GMVC(CIMGMVC).首先,利用广义Versoria函数作为学习准则,其包含误差p阶矩的倒数形式,当脉冲干扰出现导致误差非常大时,GMVC将趋近于0,从而达到抑制脉冲噪声的目的.其次,将互相关熵诱导维度(CIM)作为稀疏惩罚约束和GMVC相结合来构建新代价函数,其中的CIM以高斯概率密度函数为基础,当选择合适核宽度时,可无限逼近于l0-范数.最后,应用梯度法推导出CIMGMVC算法,并分析了所提算法的均方收敛性.在Matlab平台上采用α-stable分布模型产生脉冲噪声进行仿真,实验结果表明所提出的CIMGMVC算法能有效地抑制非高斯脉冲噪声的干扰,在稳健性方面优于传统稀疏自适应滤波,且稳态误差低于GMVC算法.

关键词：自适应滤波;最大Versoria准则;稀疏参数估计;互相关熵诱导维度;非高斯噪声干扰

所属期刊栏目：41

分类号：TN911.72

在线出版日期：2021-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3325-3331