【摘要】：自適應(yīng)濾波器被廣泛應(yīng)用于系統(tǒng)辨識(shí)、信道均衡、語(yǔ)音回聲消除等工程領(lǐng)域,其設(shè)計(jì)核心問(wèn)題是自適應(yīng)濾波算法。非高斯噪聲環(huán)境下的自適應(yīng)濾波算法研究是當(dāng)前自適應(yīng)信號(hào)處理領(lǐng)域中最為活躍的課題之一。針對(duì)非高斯噪聲環(huán)境,設(shè)計(jì)收斂速度快、穩(wěn)態(tài)誤差小、計(jì)算復(fù)雜度低且魯棒性強(qiáng)的自適應(yīng)濾波算法一直是學(xué)術(shù)界和工業(yè)界追求的目標(biāo)。因此,本文以最大箕舌線準(zhǔn)則(Maximum Versoria Criterion,MVC)算法為研究重點(diǎn),提出若干具有較強(qiáng)魯棒性的算法,以克服現(xiàn)有線性與非線性自適應(yīng)濾波算法在非高斯噪聲環(huán)境下的不足,主要研究工作包括以下內(nèi)容:(1)在非線性自適應(yīng)濾波算法中:1)針對(duì)現(xiàn)有的廣義核最大相關(guān)熵(Generalized Kernel Maximum Correntropy,GKMC)算法指數(shù)運(yùn)算量和穩(wěn)態(tài)誤差大的缺點(diǎn),將核方法引入MVC算法,提出一種新的核自適應(yīng)濾波算法,即核最大箕舌線準(zhǔn)則(Kernel Maximum Versoria Criterion,KMVC)算法,并分析其收斂性。非線性倍頻實(shí)驗(yàn)表明,通過(guò)選取不同的形狀參數(shù),KMVC算法能夠在多種非高斯噪聲下具有較強(qiáng)的魯棒性,并且比GKMC算法具有更低的指數(shù)運(yùn)算量和穩(wěn)態(tài)誤差。2)此外,考慮到KMVC算法的網(wǎng)絡(luò)尺寸會(huì)隨著輸入數(shù)據(jù)的數(shù)量呈線性增長(zhǎng)的問(wèn)題,將在線量化方法引入KMVC算法,提出量化核最大箕舌線準(zhǔn)則(Quantized KMVC,QKMVC)算法。仿真結(jié)果表明,QKMVC算法能夠在保證算法性能的前提下,有效地抑制網(wǎng)絡(luò)結(jié)構(gòu)增長(zhǎng)。(2)在線性自適應(yīng)濾波算法中:1)為了進(jìn)一步提高凸組合最大相關(guān)熵準(zhǔn)則(Convex Combination Maximum Correntropy Criterion,CMCC)算法在非平穩(wěn)環(huán)境下的追蹤性能,將多凸組合策略引入最大相關(guān)熵準(zhǔn)則(Maximum Correntropy Criterion,MCC)算法,提出多凸組合最大相關(guān)熵準(zhǔn)則(Multi-convex Combination MCC,MCMCC)算法。線性系統(tǒng)辨識(shí)仿真結(jié)果表明,相比CMCC算法,MCMCC算法在非平穩(wěn)環(huán)境下具有更好的追蹤性能,且能夠追蹤多種權(quán)重變化速率。2)此外,針對(duì)MCMCC算法穩(wěn)態(tài)誤差和指數(shù)運(yùn)算量大的缺點(diǎn),將多凸組合策略引入MVC算法,提出多凸組合最大箕舌線準(zhǔn)則(Multiconvex Combination MVC,MCMVC)算法。仿真結(jié)果表明,相比MCMCC算法,MCMVC算法在保證追蹤性能的同時(shí)具有更低指數(shù)運(yùn)算量和穩(wěn)態(tài)誤差。
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TN713
【圖文】：

在倍頻環(huán)境下KMVC算法與閾值0.02Q時(shí)的QKMVC算法性能比較

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 王瑜琳;田學(xué)隆;;一種改進(jìn)的電子耳蝸語(yǔ)音增強(qiáng)算法及其數(shù)字信號(hào)處理實(shí)現(xiàn)[J];生物醫(yī)學(xué)工程學(xué)雜志;2014年04期

2 路翠華;王瑛;徐君明;;基于零均值特性的箕舌線變步長(zhǎng)LMS算法[J];海軍航空工程學(xué)院學(xué)報(bào);2013年05期

3 查代奉;邱天爽;;基于滑動(dòng)窗與韌性函數(shù)的遞歸最小p范數(shù)濾波方法[J];電子與信息學(xué)報(bào);2007年01期

4 周學(xué)文;柯熙政;;一種新的變步長(zhǎng)LMS自適應(yīng)濾波算法[J];西安理工大學(xué)學(xué)報(bào);2006年03期

5 高鷹;一種基于最小二乘準(zhǔn)則的自適應(yīng)濾波算法[J];廣州大學(xué)學(xué)報(bào)(綜合版);2001年02期

相關(guān)博士學(xué)位論文 前1條

1 張勰;基于自適應(yīng)濾波的魯棒性算法研究[D];華南理工大學(xué);2017年

相關(guān)碩士學(xué)位論文 前4條

1 楊妙;用于行為識(shí)別的雙流卷積神經(jīng)網(wǎng)絡(luò)微調(diào)算法研究[D];西南交通大學(xué);2018年

2 朱坤倫;基于自適應(yīng)算法的中頻電源諧波分析與治理方法研究[D];沈陽(yáng)工業(yè)大學(xué);2017年

3 石嘉豪;基于最大互相關(guān)熵的核自適應(yīng)濾波算法研究[D];華南理工大學(xué);2016年

4 曾俊俊;非高斯沖激干擾下基于核方法的自適應(yīng)濾波算法研究[D];重慶郵電大學(xué);2016年

本文編號(hào)：2719452