α-稳定分布噪声环境下的非线性回声消除研究

针对广泛存在的非线性回声,以及在非高斯噪声环境下,传统回声消除器中自适应算法性能衰退,继而导致回声消除效果下降的情况,本文提出了一种基于最小离差准则的协同函数链接型自适应滤波回声消除方法.该方法使用归一化最小l_p范数算法更新线性和非线性函数扩展的自适应滤波器的权值,并将输出信号协同组合,以消除非线性回声.仿真实验结果表明,该方法在α-稳定分布噪声且非线性回声存在的情况下比传统回声消除方法具有更高的回声衰减增益.     

α噪声环境下整体最小平均P-范数IIR自适应滤波算法

当无限冲激响应(IIR)系统输入和输出信号中都存在α稳定噪声干扰,传统的最小平均P-范数算法(LMP)的解会出现较大偏差,本文提出了一种自适应IIR滤波整体最小平均P-范数(IIR_TLMP)算法,算法中整体考虑输入和输出信号的α稳定噪声干扰,将最小化l_p范数Rayleigh商采用随机梯度法得到自适应IIR滤波方程。通过仿真首先考察了特征指数和步长因子等主要参数对TLMP算法性能的影响,最后分别在时不变和时变系统中,将TLMP算法与LMP算法的性能在进行了比较,结果显示TLMP有更快的收敛速度和更小的误差。      

脉冲噪声环境的一种递归全局最小平均P-范数算法

本文给出了适应于α-稳定噪声环境的一种递归全局最小平均P-范数算法,其可用于递归计算自适应滤波和系统辨识问题的全局最小平均P-范数算法.针对α-稳定噪声的冲击性,本文所提出的自适应算法采用了有名的power迭代法,并通过计算机仿真比较了有关算法的性能.     

尺度不变范数比正则的稀疏DOA估计

波达方向估计(Direction Of Arrival,DOA)通过使用传感器阵列来识别声源方位,而传统的DOA估计方法忽略了声源在空间分布的稀疏性,目前的凸稀疏DOA估计方法和非凸稀疏DOA估计方法所使用的惩罚函数未考虑稀疏度量l₀范数的重要特性——尺度不变性,因此无法精确描述声源的空域稀疏结构,难以获得较高的DOA估计精度.为此,本文首先使用具有尺度不变性的范数比函数来逼近l₀范数,刻画声源空域稀疏结构;接着,针对范数比函数的非凸特性,采用光滑化的思想,构建了平滑的近似函数;然后,构建了基于光滑l_p比l_q范数的稀疏DOA估计模型,开发了基于光滑l_p比l_q范数的稀疏DOA估计算法(Smoothed l_p-Over-l_q regularized Sparse DOA Estimation algorithm,SPOQ-SDOA).大量仿真分析表明,与流行的多快拍DOA估计算法相比,本文提出的算法在不同信噪比和快拍...     

类奈曼-皮尔逊检验加权lp相关的干扰鲁棒同步算法

为实现正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）系统的时域同步,本文利用ZC（Zadoff-Chu）序列提出了类奈曼-皮尔逊检验加权的l_p（p=1或2）相关（Neyman-Pearson-like test Weighted l_p-Correlation,l_p-NPWC）同步算法.分析表明：该算法利用类奈曼-皮尔逊检验能有效抑制多径效应对l_p相关同步的影响,特别地,当取p=1时,它对重尾分布噪声及循环前缀导致的伪峰具有极强的鲁棒性.实验及仿真结果均证明了理论分析的正确性和有效性,并表明本文算法相较于现有算法在各种干扰环境中均具有更高的同步精度和性能.     

α 稳定分布噪声下基于核方法的非线性信道均衡算法

为了提高α稳定分布噪声下非线性信道均衡器的性能,本文利用核方法处理非线性问题,结合最小平均p范数算法的核心思想,构造了α稳定分布噪声下基于核方法的非线性均衡器,提出并推导了α稳定分布噪声下核最小平均p范数均衡算法。首先,通过核函数将接收信号映射到高维特征空间;然后,在高维特征空间中利用LMP算法对信号进行均衡;最后,将均衡器的输出信号表示为内积形式并利用核函数将其转化到输入空间进行计算。理论分析和仿真实验结果表明,与核最小均方算法和最小平均p范数算法相比,新算法在保证收敛速度的前提下降低了稳态误差,能够更好地对α稳定分布噪声下的非线性信道失真进行补偿。      

重尾噪声环境下的扫描雷达稳健角超分辨方法

扫描雷达由于天线孔径受到平台尺寸限制，存在角分辨率低下的缺陷。角超分辨技术能够在不改变雷达硬件系统的前提下，通过信号处理方法，获得超越雷达实孔径波束宽度的角度分辨能力。近些年研究表明，基于最小绝对收缩和选择算子(LASSO)的稀疏角超分辨方法能够获得比传统方法更高的分辨能力。然而，该方法基于高斯白噪声假设，在残余项中主要基于l₂范数进行约束。当回波数据中存在重尾分布的噪声时，该方法中的l₂范数约束无法有效抑制重尾分布噪声，导致目标分辨能力下降，甚至产生虚假目标。针对该问题，本文提出一种扫描雷达抗重尾噪声角超分辨成像方法。首先，本文引入一种最小绝对偏差(LAD)-LASSO约束准则以抑制重尾分布噪声；更进一步的，针对模型中存在的正则化参数自适应选取难题，本文基于稀疏自相关迭代准则导出正则化参数的最优表达。最后，针对LAD-LASSO非平滑代价函数最优化求解难题，本文提出一种基于迭代重加权最小二乘(IRLS)算法的求解方法，通过将l₁范数替换为重加权的l₂范数，并在每次迭代中计算权值实现最优求解。仿真结...     

α稳定分布下的加权平均最小p-范数算法

该文提出一种新的适用于α稳定分布噪声环境的自适应滤波算法,这种算法通过使加权平均误差函数的p-范数最小来实现自适应滤波.在这种算法的基础上,该文还得到两种新的动量LMP自适应算法.将这些新算法应用于估计AR模型的参数,计算机仿真的结果表明,该文提出的算法的性能比已有LMP算法的性能要更为优越.     

一种变步长最小平均p范数自适应滤波算法

在p稳定分布脉冲噪声背景下,为解决固定步长最小平均p范数(LMP)不能同时满足快收敛速度和低稳态误差的问题,该文提出一种对脉冲噪声具有鲁棒性的变步长最小平均p范数(VSS-LMP)自适应滤波算法.该算法利用改进的变形高斯函数来调节步长,采用移动平均法构造变步长函数,克服了定步长算法稳态误差高及抗噪性能差的问题.VSS-LMP算法在系统受到脉冲噪声干扰时,能维持步长稳定;当系统逐渐稳定时,能产生小步长以降低稳态误差.系统辨识仿真结果表明,在α稳定分布脉冲噪声下,VSS-LMP算法与固定步长和已有变步长算法相比,具有更快的收敛速度和更强的系统跟踪能力.     

利用迁移学习的量化核最小平均P范数算法

在α稳定分布噪声背景下,核最小平均P范数算法(KLMP)的性能显著优于核最小均方算法(KLMS),但KLMP算法的计算量和存储容量都随迭代次数线性增加,不便实际应用。针对此问题,该文应用迁移学习理论,将基于样本实例获得的总滤波器划分为具有局部紧支撑结构的子滤波器之和,每个子滤波器的训练分别受不同的输入驱动,提出了最近实例质心估计核最小平均P范数算法(NICE-KLMP);为进一步减小存储容量,将在线矢量量化应用到该算法中,提出最近实例质心估计量化核最小平均P范数算法(NICE-QKLMP)。α稳定分布噪声背景下的 Mackey-Glass 时间序列预测的仿真结果表明,NICE-KLMP和NICE-QKLMP算法的复杂度显著低于KLMP算法,抗脉冲噪声性能显著强于NICE-KLMS算法,与KLMP算法相当。      

基于压缩感知的相关干涉仪测向算法

针对相关干涉仪测向系统,提出了一种基于压缩感知的测向算法.该算法将相关干涉仪的测量矢量分解为以测向数据库为基底的含有噪声的稀疏表示,采用再加权的l₁范数凸优化算法,迭代更新加权矢量,以逼近最优的l₀范数.所提算法和传统的计算相关系数最大值方法相比,额外利用了辐射源信号在空域上的稀疏性,可以对同频多信号进行测向.采用计算机仿真对所提算法的性能进行了验证.     

OFDM系统中基于压缩传感理论的信道估计算法

信道估计是OFDM系统中的一项关键技术,信道估计质量的好坏对整个系统的性能有重要的影响。传统的最小均方算法对稀疏信道进行估计时存在精确性差的缺陷。本文利用信道冲激响应的稀疏性,提出了一种基于近似l₀范数的信道估计算法。该算法用三种函数逼近l₀范数,应用梯度下降法和梯度投影算法获得代价函数的最优解,从而得到信道的最稀疏解。仿真实验结果表明:在相同条件下,与基于l₁范数的信道估计算法比较,本文算法的收敛速度快,估计值信噪比高,且均方误差小。      

一种改进的最小统计量控制递归平均噪声估计算法

本文提出了一种改进的最小统计量控制递归平均噪声估计算法.算法采用递归平均进行噪声估计,其递归平均的平滑因子受语音存在概率控制,而语音存在概率的计算采用了两次平滑和最小统计量跟踪.与I.Cohen提出的IMCRA算法相比,本文采用了一种快速有效的最小统计量跟踪算法.仿真结果表明在非平稳噪声条件下,算法具有较好的噪声跟踪能力和较小的噪声估计误差,可以有效地提高语音增强系统的性能.     

抗脉冲干扰的分布式仿射投影符号算法

递增式和扩散式仿射投影算法收敛较快,但在脉冲噪声环境下这两种分布式估计算法收敛性较差或容易发散.本文采用受网络节点的权值向量更新约束的后验误差向量?₁范数最小化方法,提出了两种抗脉冲干扰的分布式估计算法,即递增式和扩散式仿射投影符号算法.仿真结果表明,与分布式仿射投影算法相比,分布式仿射投影符号算法在脉冲噪声环境下具有更好的鲁棒性.     

核递归最小平均P范数算法

在强脉冲噪声干扰背景中,核递归最小二乘(Kernel Recursive Least Square,KRLS)算法和核递归最大相关熵(Kernel Recursive Maximum Correntropy,KRMC)算法对非线性信号预测性能严重退化,对此提出一种核递归最小平均P范数（Kernel Recursive Least Mean P-norm,KRLMP）算法。首先运用核方法将输入数据映射到再生核希尔伯特空间。其次基于最小平均P范数准则和正则化方法,推导得到自适应滤波器的最佳权向量,其降低了非高斯脉冲和样本量少的影响。然后利用矩阵求逆理论,推导得到矩阵的递归公式。最后利用核技巧得到在输入空间高效计算的滤波器输出和算法的迭代公式。alpha稳定分布噪声背景下Mackey-Glass时间序列预测的仿真结果表明:KRLMP算法与KRLS算法和KRMC算法相比,抗脉冲噪声能力强,鲁棒性好。      

用于压缩感知信号重建的SL0改进算法

SL0算法是一种基于近似l₀范数的压缩感知信号重建算法,其思想是用一个光滑函数来近似l₀范数,然后求解一个优化问题。目前采用的光滑函数都是高斯函数族,文中突破了以往采用高斯函数族近似l₀范数,提出了采用复合三角函数作为近似估计l₀范数的函数,然后结合修正牛顿法和阻尼牛顿法提出一种更精确的重建算法DNSL0。实验结果表明,在相同测试环境下,DNSL0算法在峰值信噪比和匹配度方面比SL0算法和NSL0算法都有了大幅提高。     

分块压缩感知的全变差正则化重构算法

针对分块压缩感知(BCS)重建图像质量较差问题,该文提出一种最小化l₀范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT)。BCS-TVIT算法考虑图像的局部平滑、有界变差等性质,将最小化l₀范数与图像的全变差TV正则项结合,构建目标函数。针对目标函数中l₀范数项和分块测量约束项无法直接优化问题,采用迭代阈值法使重构图像l₀范数最小化,并通过凸集投影保证满足约束条件,完成了目标函数的优化求解。实验表明,与基于l₀范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比,BCS-TVIT算法重构图像峰值信噪比提高2 dB,能消除BCS-SPL的“亮斑”效应,且在视觉效果上明显优于BCS-SPL算法;与最小全变差算法相比,BCS-TVIT算法重构图像峰值信噪比提升1 dB,且能降低重构时间约2个数量级。     

基于零阶统计量的韧性归一化自适应时间延迟估计

依据零阶统计量理论,给出对数矩过程、对数宽平稳及对数各态遍历的定义,提出一种韧性的归一化自适应时间延迟估计方法(简称NZOSTDE).该算法用FIR滤波器对两个含有脉冲噪声的观测信号建模,利用不存在有限方差的脉冲信号经过对数变换后其各阶矩的存在性和几何功率的概念,在对数域基于最小均方误差(LMS)准则归一化自适应得到FIR滤波器的系数,该系数最大值对应的序号就是时间延迟的估计值.本文提出的新算法克服了基于分数低阶统计量(FLOS)算法的局限性.计算机仿真实验表明,NZOSTDE算法在强脉冲噪声环境下比归一化最小平均P范数时间延迟估计方法(简称NLMPTDE)算法更具有韧性.     

SαS分布噪声环境下高分辨率二维DOA估计算法及快速实现

本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向（DOA,Direction of Arrival）估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA（Iterative Adaptive Approach）无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WLS（Weighted Least Squares）作为最优化求解的代价函数.此外,根据Toeplitz-Block-Toeplitz（TBT）矩阵性质和FFT简化计算过程,提出该算法的快速实现方法,提高算法的计算效率.该算法在对称α-稳定（SαS,Symmetric Alpha-Stable）分布噪声环境下建模,仿真结果表明：与CRCO-MUSIC（CoRrentropy based COrrelation-MUltiple Signal Classification）算法和MUSIC-FLOM（MUltiple Signal Classification-Fractional Lower-Order Moment）算法相比,二维lp-IAA算法可以在低信噪比、单快拍条件下有效分辨出相邻多目标信号;快速算法可以在保证高分辨率的前提下,算法平均运算时间降低至原来的约1/40.     

基于分数低阶矩的非整数时间延迟估计方法

依据信号的噪声特性和分数低阶矩理论,提出一种基于最小平均p范数的非整数时间延迟估计方法(称为LMPFTDE算法)。该算法是对直接估计非整数采样间隔的时间延迟估计算法(ETDGE)的广义化,运用最小分散系数准则,通过使误差的p阶矩最小得到非整数时间延迟估计值。理论分析和计算机仿真结果都表明该方法不仅可以在高斯噪声环境下工作,而且在脉冲噪声下也具有良好的健壮性。