论文部分内容阅读
自适应滤波器被广泛应用于系统辨识、信道均衡、语音回声消除等工程领域,其设计核心问题是自适应滤波算法。非高斯噪声环境下的自适应滤波算法研究是当前自适应信号处理领域中最为活跃的课题之一。针对非高斯噪声环境,设计收敛速度快、稳态误差小、计算复杂度低且鲁棒性强的自适应滤波算法一直是学术界和工业界追求的目标。因此,本文以最大箕舌线准则(Maximum Versoria Criterion,MVC)算法为研究重点,提出若干具有较强鲁棒性的算法,以克服现有线性与非线性自适应滤波算法在非高斯噪声环境下的不足,主要研究工作包括以下内容:(1)在非线性自适应滤波算法中:1)针对现有的广义核最大相关熵(Generalized Kernel Maximum Correntropy,GKMC)算法指数运算量和稳态误差大的缺点,将核方法引入MVC算法,提出一种新的核自适应滤波算法,即核最大箕舌线准则(Kernel Maximum Versoria Criterion,KMVC)算法,并分析其收敛性。非线性倍频实验表明,通过选取不同的形状参数,KMVC算法能够在多种非高斯噪声下具有较强的鲁棒性,并且比GKMC算法具有更低的指数运算量和稳态误差。2)此外,考虑到KMVC算法的网络尺寸会随着输入数据的数量呈线性增长的问题,将在线量化方法引入KMVC算法,提出量化核最大箕舌线准则(Quantized KMVC,QKMVC)算法。仿真结果表明,QKMVC算法能够在保证算法性能的前提下,有效地抑制网络结构增长。(2)在线性自适应滤波算法中:1)为了进一步提高凸组合最大相关熵准则(Convex Combination Maximum Correntropy Criterion,CMCC)算法在非平稳环境下的追踪性能,将多凸组合策略引入最大相关熵准则(Maximum Correntropy Criterion,MCC)算法,提出多凸组合最大相关熵准则(Multi-convex Combination MCC,MCMCC)算法。线性系统辨识仿真结果表明,相比CMCC算法,MCMCC算法在非平稳环境下具有更好的追踪性能,且能够追踪多种权重变化速率。2)此外,针对MCMCC算法稳态误差和指数运算量大的缺点,将多凸组合策略引入MVC算法,提出多凸组合最大箕舌线准则(Multiconvex Combination MVC,MCMVC)算法。仿真结果表明,相比MCMCC算法,MCMVC算法在保证追踪性能的同时具有更低指数运算量和稳态误差。