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。