×
Yu、Yi;赵海泉;陈巴东

带（l_0）范数约束的稀疏归一化子带自适应滤波算法。 （英语） Zbl 1349.93385号

J.富兰克林研究所。 353，第18号，5121-5136（2016）.
摘要：为了提高识别稀疏系统时的滤波器性能，本文将权重向量的l_0范数约束引入到传统的归一化子带自适应滤波器（NSAF）算法中，开发了两种稀疏感知算法。第一种算法是根据最小摄动原理得到的；第二种方法基于梯度下降原理。所得算法具有几乎相同的收敛性和稳态性能，而后者节省了计算复杂性。此外，借助于自适应算法分析中常用的一些假设，分析了这两种算法的性能。稀疏系统辨识的仿真结果不仅证明了所提算法的有效性，而且验证了理论分析。

引用于7文件

MSC公司：

93E11号机组 随机控制理论中的滤波
93E10型 随机控制理论中的估计与检测
93E25型 随机控制中的计算方法（MSC2010）
93E12号机组 随机控制理论中的辨识

关键词：

识别;稀疏系统;归一化子带自适应滤波器;最小摄动原理;梯度下降原理
PDF格式BibTeX公司 XML格式引用
\textit{Y.Yu}等人，J.Franklin Inst.353，No.18，5121--5136（2016；Zbl 1349.93385）
全文： 内政部

参考文献：

[1] Sayed，H.，《自适应滤波基础》（2003），威利出版社：威利纽约
[2] Lee，K.A。；甘伟生（Gan，W.S.）。；Kuo，S.M.，《子带自适应滤波：理论与实现》（2009），Wiley:Wiley Hoboken，NJ
[4] Lee，K.A。；Gan，W.S.，使用约束子带更新改进NLMS算法的收敛性，IEEE信号处理。莱特。，11, 9, 736-739 (2004)
[6] 尹，W。；Mehr，A.S.，规范化子带自适应滤波算法的随机分析，IEEE Trans。电路系统。I、 581020-1033（2011年）·Zbl 1468.94279号
[7] Lee，K.A。；Gan，W.S.，归一化子带自适应滤波器的内在去相关和最小扰动特性，IEEE Trans。信号处理。，54, 11, 4475-4480 (2006) ·Zbl 1374.94532号
[8] Ni，J。；Li，F.，可变步长矩阵归一化子带自适应滤波器，IEEE Trans。音频语音语言处理。，18, 6, 1290-1299 (2010)
[9] Jeong，J.J。；Koo，K。；Choi，G.T。；Kim，S.W.，规范化子带自适应滤波器的可变步长，IEEE信号处理。莱特。，19, 12, 906-909 (2012)
[10] Yu，Y。；赵，H。；何，Z。；Chen，B.，一种抗脉冲噪声的鲁棒带相关变步长NSAF算法，信号处理。，119, 203-208 (2016)
[12] Schreiber，W.F.，《用于地面广播的先进电视系统：一些问题和一些建议的解决方案》，Proc。IEEE，83，958-981（1995）
[13] Duttweiler，D.L.，回声消除器中的比例归一化最小均方自适应，IEEE Trans。语音音频处理。，8, 5, 508-518 (2000)
[15] 邓，H。；Doroslovacki，M.，《改进稀疏脉冲响应识别PNLMS算法的收敛性》，IEEE信号处理。莱特。，12, 3, 181-184 (2005)
[17] 阿巴迪，M.S.E。；Kadkhodazadeh，S.，比例归一化子带自适应滤波算法家族，J.Frankl。研究所，348，2，212-238（2011）·Zbl 1208.94026号
[18] Tibshirani，R.，《通过LASSO回归收缩和选择》，J.R.Stat.Soc.B，58，267-288（1996）·Zbl 0850.62538号
[19] Baraniuk，R.，压缩传感，IEEE信号处理。Mag.，25，21-30（2007）
[21] 顾，Y。；Jin，J。；Mei，S.，\（l_0\）范数约束LMS算法用于稀疏系统辨识，IEEE信号处理。莱特。，16, 9, 774-777 (2009)
[22] Su，G.L。；Jin，J。；顾，Y。；Wang，J.，范数约束最小均方算法的性能分析，IEEE Trans。信号处理。，60, 5, 2223-2235 (2012) ·Zbl 1391.65112号
[23] 孟，R。；德拉马雷共和国。；Nascimento，V.H.，用于系统识别的稀疏感知仿射投影自适应算法，1-5（2011），in：国防传感器信号处理（SSPD 2011）：in：国防传感信号处理（SIPD 2011），英国伦敦
[25] Eksioglu，E.M。；Tanc，A.K.，具有凸正则化的RLS算法，IEEE信号处理。莱特。，18, 8, 470-473 (2011)
[26] Eksioglu，E.M.，稀疏正则RLS自适应滤波，IET信号处理。，5, 5, 480-487 (2011)
[27] 刘，Y。；Li，C。；Zhang，Z.，网络上的稀疏最小均方扩散，IEEE Trans。信号处理。，60, 8, 4480-4485 (2012) ·Zbl 1393.94692号
[28] Choi，Y.S.，稀疏系统辨识的带（l_1）范数约束的子带自适应滤波，数学。问题。工程，2013（2013），doi:10.1155/2013/601623·Zbl 1299.94042号
[29] 塔赫里；Vorobyov，S.A.，用于稀疏信道估计及其分析的重加权（l_1）范数惩罚LMS，信号处理。，104, 70-79 (2014)
[30] Wu，F。；Tong，F.，稀疏系统估计的梯度优化p-范数约束LMS算法，信号处理。，93, 967-971 (2013)
[31] Wu，F。；周，Y。；唐，F。；Kastner，R.，高效估计水声信道的简化p-范数约束LMS算法，J.Mar.Sci。申请。，12, 2, 228-234 (2013)
[33] 陈，B。；Xing，L。；赵，H。；郑，N。；Principe，J.C.，鲁棒自适应滤波的广义相关，IEEE Trans。信号处理。，64, 13, 3376-3387 (2016) ·Zbl 1414.94113号
[34] 陈，B。；Xing，L。；梁，J。；郑，N。；Principe，J.C.，最大相关熵准则下自适应滤波的稳态均方误差分析，IEEE信号处理。莱特。，21, 7, 880-884 (2014)
[35] 吴，Z。；彭，S。；陈，B。；赵，H.，最大相关熵准则下的鲁棒hammerstein自适应滤波，熵，17，10，7149-7166（2015）
[36] 陈，B。；Wang，J。；赵，H。；郑，N。；Principe，J.C.，最大相关熵准则下定点算法的收敛性，IEEE信号处理。莱特。，22, 10, 1723-1727 (2015)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。