论文部分内容阅读
标准自适应滤波器包含:无噪声干扰的平稳输入信号和无冲击噪声干扰的完整期望信号。近年来,标准自适应滤波器已经获得了广泛的应用。然而在实际应用中,标准自适应滤波器条件很难得到满足。例如,输入信号可能是含有噪声的或者是非平稳的,期望信号可能被截尾还可能被冲击噪声干扰。输入信号和期望信号处在上述任何一种恶劣环境下的自适应滤波器被称为非标准自适应滤波器。利用传统的自适应算法去处理上述恶劣环境下非标准自适应滤波问题,滤波算法的性能会遭受极大的恶化甚至出现震荡和不收敛的情况。为解决上述问题,本文研究了恶劣环境下一系列非标准自适应滤波算法。具体工作可概括如下:1)本文首先分析了自适应滤波器基本结构要素,介绍了标准自适应滤波器中基本要素需要满足的条件,总结了标准自适应滤波器的基本概念,回顾了现存恶劣环境下非标准自适应滤波算法并且分析了现存算法的不足之处。2)研究了输入含有噪声环境下非标准自适应滤波器。针对输入含有噪声环境下约束LMS和稀疏归一化LMS算法性能下降问题,本文提出了两种偏置补偿自适应滤波算法:●提出了一种偏置补偿约束最小均方（BC-CLMS）自适应滤波算法。为了推导出该算法,引入了一种梯度向量为无偏的新代价函数。因此,该算法可以减轻输入噪声的影响并获得无偏估计。然后,还详细分析了该算法的性能。最后,进行仿真证明所提算法的优点及验证该算法性能分析的正确性。●本文提出了一种新的归一化最小均方（NLMS）算法,用于识别输入信号被白色噪声干扰的稀疏系统。该算法称为偏置补偿零吸引NLMS（BC-ZA-NLMS）算法。BC-ZA-NLMS算法引入了偏置补偿向量,以消除由输入噪声引起的偏差,并在代价函数中引入l1范数。此外,为了解决时变稀疏问题,本文还提出了偏置补偿加权ZA-NLMS（BC-RZA-NLMS）算法。提出的两种算法在识别稀疏系统时,优于传统的NLMS和偏置补偿NLMS（BC-NLMS）算法。此外,本文进行了计算机仿真以证明所提BC-ZA-NLMS和BC-RZA-NLMS算法的优越性。3)本文研究了循环平稳环境下的分布式自适应滤波器的性能。详细分析了循环平稳环境下扩散型最小均方（DLMS）算法的性能。而本文采用的循环平稳信号为循环平稳白色高斯信号,其是一种典型的非平稳信号并且广泛存在于很多实际应用中。4)本文研究了截尾和冲击噪声环境下非标准自适应滤波器。在自适应信号处理的许多实际应用中,滤波器的期望信号会被截尾和受冲击噪声干扰。在这种情况下,传统的自适应滤波算法性能可能大大降低甚至无法工作。为解决这一问题,本文提出了一种新的误差非线性LMS算法,该算法利用了最大互相关熵准则（MCC）和截尾回归方法。因此,该算法又被称为截尾回归MCC自适应算法。该算法可以在截尾和冲击噪声环境下获得良好的性能。然后,本文给出了该算法在均值和均方行为方面的详细性能分析。5)针对目前的研究热点——图信号处理,本文提出了一种误差非线性LMS自适应算法并将其应用于图信号的自适应学习,以解决存在冲击噪声时传统图信号自适应算法的性能恶化问题。该误差非线性LMS自适应算法是通过最小化双曲正切代价函数导出。因此又被称为图自适应双曲正切（AHT）算法。该算法可以在冲击噪声环境下,从部分观测信号中有效地重建图信号。同时,本文分析了图AHT算法的均方性能,用于设计出有效的图信号采样策略。最后,进行了仿真测试,以展示提出的算法在冲击噪声场景中对图信号的有效性。6)本文提出了输入和期望信号同时处于恶劣环境下的非标准自适应滤波器模型,即滤波器处于截尾、冲击噪声和输入含有噪声环境中。现存的自适应滤波算法处于上述环境中时,性能会恶化。为此,本文结合了偏差校正估计器和偏置补偿算法的优点,提出了归一化偏置补偿鲁棒集员截尾回归自适应算法。该算法不仅可以补偿由截尾和输入噪声引起的偏差,还对冲击噪声干扰具有较好的鲁棒性。本文还研究了处于循环平稳、截尾、冲击噪声和输入含有噪声环境中的自适应滤波器。为了抑制归一化偏置补偿鲁棒集员截尾回归自适应算法在循环平稳环境中的纹波问题,提出了组合步长归一化偏置补偿鲁棒集员截尾回归自适应算法,该算法综合了归一化偏置补偿鲁棒集员截尾回归自适应算法和非归一化偏置补偿鲁棒集员截尾回归自适应算法的优点并且具有较小的纹波。