论文部分内容阅读
目前自适应滤波算法己是信号与信息处理和控制理论与控制工程学科中一个重要研究方向。由于其在众多领域中被广泛的应用,以至于至今自适应滤波算法仍是最为活跃的研究课题之一。本文从以下四点进行展开:基于LMAT（Least Mean Absolute Third）的自适应滤波算法;基于范数约束的自适应滤波算法;基于样条函数的自适应滤波算法;基于分布式网络的自适应滤波算法。本文的目标是寻求收敛速度快、运算复杂度低和稳定误差小的自适应滤波算法。所有的研究成果都在系统辨识等模型下进行了实验验证。本文所研究的内容对补充和完善自适应滤波算法有重要的意义,也为自适应滤波算法在实际中得到更好的应用提供一些基础。本文所做的工作概括如下:1.基于LMAT的自适应滤波算法。此研究是针对测量噪声是非高斯分布时的线性系统。提出一种无参数的变步长LMAT算法:依据无参数方差估计方法,利用当前误差和后项误差的瞬时估计值求得步长公式。在此算法中不需要人为设定参数、算法运算复杂度低且具有更快的收敛速度和较低稳态误差。提出一个最优步长的LMAT算法:此算法是为了解决在多种分布噪声的低信噪比（SNR:Signal-to-noise ratio）中平稳系统或非平稳系统的识别问题,是依据当前时刻的最小MSD（Mean Square Deviation）而推导得到。提出一种基于共轭梯度的非负约束LMAT算法:在实际应用中的一些待识别系统由于其固有的物理特性显示出系统参数是非负且传统自适应滤波算法大都采用梯度下降法,而CG（Conjugate Gradient）方法是一种能有效求解线性系统的方法,故此算法结合LMAT算法和CG方法的特殊优势。通过理论分析与实验对比表明:所提出的算法性能更优。2.基于范数约束的自适应滤波算法。此研究是针对具有稀疏特性的线性系统。提出一种改进的l0-LMS算法（l0 norm constraint Least Mean Square）:由于l0-LMS和Il0-LMS算法（Improved l0 norm constraint Least Mean Square）中误差易受噪声干扰且权系数调整步长因子还待修正的问题,采用误差的相关函数值调整权系数步长因子以及零吸引项,并且引入一种修正的权系数步长因子更新方法。提出一种带零吸收项的变步长l0范数NLMS算法:主要解决当输入为相关信号时,现有一些范数约束自适应滤波算法的收敛速度和抗噪声性能不佳问题。提出一种新的变步长l1范数LMS算法:由于NNCLMS（Non-uniform Norm Constraint LMS）和DWZANLMS（Dynamic Windowing Zero-point Attraction LMS）算法的抗噪性能不佳问题,因此根据当前误差以及误差的相关值调整步长和零吸收项且针对不同情况下的误差动态切换步长调整公式。提出一种再加权l0范数约束的连续混合p范数的自适应算法（RL0-CMPN）:在此算法中引入连续混合范数自适应滤波算法并与再加权l0范数约束的概念结合,使得RL0-CMPN算法能最大限度的降低自适应滤波算法对大系数识别的敏感度,具有多种范数的优点,同时又能较好的权衡稳态误差与收敛速度的矛盾。研究结果表明:所提出的算法有较好的识别性能。3.基于样条函数的自适应滤波算法。此研究是针对非线性系统。提出一种应用于非线性系统识别的归规则化样条自适应滤波算法:SAF算法可以有效地识别非线性的维纳系统和高阶非线性的维纳系统,但SAF算法（Spline Adaptive Filter）的更新过程面临输入信号相关矩阵的特征值分布特性会影响此算法的稳定特性。因此,促使此算法的提出。结合理论分析和实验对比表明:SAF-NLMS算法在非线性系统识别中具有潜力。4.基于分布式网络的自适应滤波算法。此研究是如何设计分布式自适应滤波算法在存在脉冲干扰的情况下进行目标估计。由于在实际工程应用中,脉冲噪声干扰会直接影响对系统估计结果。然而目前有关在分布式自适应滤波算法中如何抑制脉冲噪声的研究较少。因此基于ATC（Adapt-Then-Combine）策略提出一个扩散式归一化Huber自适应滤波算法。分析结果表明:相比ATC-DSE-LMS和ATC-DLMP算法,ATC-DNHuber性能更优。