论文部分内容阅读
为解决改进的基于Sigmoid函数变步长最小均方(G—SVSLMS)算法步长更新公式易受噪声干扰的问题,根据高斯白噪声相关性比较差的特性,对G—SVSLMS算法进行改进,提出基于相关特性的改进G—SVSLMS算法,使算法的抗噪声干扰能力明显增强。理论分析和仿真结果表明:若两算法选取相同参数,则基于相关特性的改进G—SVSLMS算法相对于G—SVSLMS算法具有小的稳态误差;在保证算法收敛的条件下,基于相关特性的改进G—SVSLMS算法相对G—SVSLMS算法具有较快的收敛速度。