集員仿射投影算法研究.pdf

1、自適應(yīng)濾波器已經(jīng)廣泛應(yīng)用于語音處理、回波消除、信道均衡、系統(tǒng)辨識、譜線增強、自適應(yīng)陣列處理和生物醫(yī)學(xué)信號處理等諸多領(lǐng)域中。在有色輸入下，仿射投影算法(APA)由于具有比最小均方(LMS)算法更快的收斂速度和比遞歸最小二乘(RLS)算法更低的復(fù)雜度而受到青睞。但是在某些應(yīng)用中，仿射投影算法的計算復(fù)雜度仍然偏高。集員濾波通過時間稀疏的數(shù)據(jù)選擇性更新來降低自適應(yīng)濾波算法的復(fù)雜度，但并未以顯著降低收斂速度或穩(wěn)態(tài)失調(diào)為代價。本文在集員濾波的框架下

2、，研究如何降低仿射投影算法的復(fù)雜度，提出了一系列基于集員步長的仿射投影算法，并將其應(yīng)用于系統(tǒng)辨識、回聲對消、干擾抑制等場景中，驗證其有效性。
　　 集員仿射投影算法是集員框架下的自適應(yīng)濾波算法在數(shù)據(jù)重用算法的推廣，包括集員歸一化最小均方誤差(SM-NLMS)算法和集員雙向歸一化最小均方誤差(SM-BNDRLMS)算法的特殊情形。簡單的集員仿射投影算法采用標量誤差，沒有充分利用仿射投影算法的誤差信息。本文采用新的誤差邊界指定準則，

3、并提出了基于矢量誤差和均一步長的的集員仿射投影算法(SM-APA-U)，在增加少量計算的情形下，比簡單SM-AP算法具有更快的收斂速度和更小的穩(wěn)態(tài)失調(diào)。系統(tǒng)辨識和干擾抑制的實驗驗證了算法性能。
　　 部分更新自適應(yīng)算法可以有效降低高階濾波器的計算復(fù)雜性，也是降低APA算法復(fù)雜度的重要思路。通過對部分更新算法的回顧，著重討論了權(quán)值分塊更新仿射投影(SPU-AP)算法。在此基礎(chǔ)上，引入集員步長，把SM-APA-U算法與SPU-AP算

4、法相結(jié)合，提出了集員-部分更新APA算法(SM-SPU-APA)，并分析了算法的計算復(fù)雜度和均方性能，并通過系統(tǒng)辨識和回聲對消的實驗得到了驗證。
　　 稀疏系統(tǒng)的辨識一直是一個具有挑戰(zhàn)性的研究問題。在許多應(yīng)用中，包括聲學(xué)/網(wǎng)絡(luò)回聲消除和信道均衡，待辨識的系統(tǒng)都可以被定性為稀疏。成比例的自適應(yīng)濾波算法可以加快自適應(yīng)濾波器在稀疏系統(tǒng)中收斂速度。結(jié)合本文提出的矢量誤差的SM-APA-U算法，對集員成比例AP算法進行改造，提出了采用矢量

5、誤差的SM-PAPA-U算法，同時也對可變重用數(shù)的SM-PAPA算法進行改進，提出了基于矢量誤差的SM-PAPA-U vdr算法。非線性系統(tǒng)辨識和信道均衡的實驗驗證了算法的有效性。
　　 降低APA算法復(fù)雜度的另一種有效方法是采用可變重用數(shù)。在研究現(xiàn)有的按一定比例選擇回歸量AP算法(SR-APA)和根據(jù)某特定準則動態(tài)選擇輸入矢量數(shù)目的AP算法(DS-APA)兩類算法的基礎(chǔ)上，結(jié)合集員步長的稀疏時間更新特性，提出了這些算法的集員版