首页 | 本学科首页   官方微博 | 高级检索  
     

基于稀疏系统辨识的改进的零吸引LMS算法
引用本文:辛龙坤,孟 金,易胜宏,刘 挺. 基于稀疏系统辨识的改进的零吸引LMS算法[J]. 电讯技术, 2022, 62(12)
作者姓名:辛龙坤  孟 金  易胜宏  刘 挺
作者单位:重庆邮电大学 通信与信息工程学院,重庆 400065;重庆邮电大学 光电工程学院,重庆 400065
摘    要:针对当前的稀疏最小均方(Least Mean Square,LMS)算法普遍存在的收敛速度和稳态均方差(Mean Square Deviation,MSD)不能同时达到一个较好状态的问题,提出了一种改进的零吸引最小均方(Improving Zero-attracting LMS,IZA-LMS)算法。在滤波器估计较大或较小的冲激响应时,IZA-LMS算法的零吸引函数分别采用重新加权的零吸引LMS(Reweighting ZA-LMS,RZA-LMS)算法的零吸引函数和改进的l0-norm惩罚函数,使算法同时满足较快的收敛速度和较低的MSD值。理论分析和仿真证明,IZA-LMS算法比目前的诸多稀疏LMS算法的收敛速度更快且稳态MSD更低。

关 键 词:自适应滤波;稀疏系统辨识;最小均方算法;零吸引;稳态均方差

An improved zero-attractive LMS algorithm based on sparse system identification
XIN Longkun,MENG Jin,YI Shenghong,LIU Ting. An improved zero-attractive LMS algorithm based on sparse system identification[J]. Telecommunication Engineering, 2022, 62(12)
Authors:XIN Longkun  MENG Jin  YI Shenghong  LIU Ting
Affiliation:School of Communication and Information Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China;School of Optoelectronics Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China
Abstract:
Keywords:adaptive filtering  sparse system identification  least mean square  zero-attracting  mean square deviation
点击此处可从《电讯技术》浏览原始摘要信息
点击此处可从《电讯技术》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号