基于最小误差熵自适应滤波算法研究

《基于最小误差熵自适应滤波算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于最小误差熵自适应滤波算法研究作者姓名彭思愿学科专业电子与通信工程校内指导教师傅予力教授校外指导教师周受钦教授级高工所在学院电子与信息学院论文提交日期2015年12月ResearchonAdaptiveFilteringAlgorithmBasedonMinimumErrorEntropyADissertationSubmittedfortheDegreeofMasterCandidate：PengSiyuanSupervisor：Prof.FuYuliSouthChinaUniversityofTechnologyGuangzhou,China分类号：TP393.

2、03学校代号：10561学号：201321009547华南理工大学硕士学位论文基于最小误差熵自适应滤波算法研究作者姓名：彭思愿指导教师姓名、职称：傅予力教授申请学位级别：工程硕士工程领域名称：电子与通信工程论文形式：□产品研发□工程设计√应用研究□工程/项目管理□调研报告研究方向：自适应信号处理论文提交日期：2016年3月1日论文答辩日期：2016年3月17日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：向友君副教授委员：傅予力教授,吴宗泽副教授,李波副教授,周斯宁高级工程师4摘要自适应滤波算法是当今世界最具影响的研究热点之一。其中，传统自适应滤波算法，如LMS

3、等，因其结构简单、性能稳定、计算复杂度低、易于实现等优点已经广泛的应用于自适应信号处理、机器学习等工程领域。他们很多都是在高斯噪声环境下表现优良的性能，而在非高斯噪声环境下，性能非常差。因此，如何构建鲁棒性算法日渐成为了自适应滤波研究的核心问题。本文以最小误差熵（MinimumErrorEntropy,MEE）为重点研究内容，提出了若干鲁棒性自适应滤波算法，有效克服了传统自适应滤波算法在非高斯噪声环境下的不足。本文的重点研究内容如下：1.通信环境下的稀疏信道普遍存在，针对传统的稀疏自适应滤波算法只在高斯噪声环境下具有最优性能，提出了基于MEE的非高斯噪声环境下的稀疏自适应滤波两类算法

4、：1）基于惩罚约束稀疏最小误差熵算法。以最小误差熵准则为基础，结合l-范1数，加权l-范数以及互相关熵诱导维度（CorrentropyInducedMetric，CIM）1三种稀疏约束惩罚项，提出了零吸引最小误差熵算法、加权零吸引最小误差熵算法和互相关熵诱导维度最小误差熵算法等三种新的稀疏自适应滤波算法，并进行了收敛性分析，实验结果表明：该算法在解决非高斯噪声环境下的稀疏信道参数估计问题表现出优异的性能；2）基于MEE准则的系数比例稀疏自适应滤波算法。通过使用MEE来取代MSE作为自适应准则，并基于能量守恒关系进行收敛性分析得出了保证算法的均方稳定充分条件。实验结果表明：该算法在脉冲

5、噪声干扰下具有较强的鲁棒性和跟踪能力。2.针对传统基于MEE自适应滤波算法在算法的精度和收敛速度相悖的问题，提出了基于凸组合MEE自适应滤波改进算法。该算法在继承了原有最小误差熵算法的鲁棒性能的同时，还有效的改善了算法的收敛速度。仿真结果验证了该I算法的优越性能。本文基于最小误差熵准则，提出了惩罚约束稀疏自适应滤波算法、系数比例稀疏自适应滤波算法和凸组合自适应滤波算法，并对算法进行了收敛性分析。实验结果表明，本文提出的方法在非高斯噪声条件下具有良好的收敛性能。关键词：自适应滤波；最小误差熵；稀疏系统辨识；凸组合IIAbstractAdaptivefilteringalgorithmi

6、soneofthemostinfluentialresearchhotspotsintheworld.Thetraditionaladaptivefilteringalgorithm,suchastheleastmeansquarealgorithm(LMSalgorithm)haswidelyusedindomainofengineeringfieldsofadaptivesignalprocessingandmachinelearning,duetoitssimplestructure,stableperformanceandlowcomputationalcomplexity.

7、TheLMSalgorithmsperformwellinGaussiannoiseenvironment.However,innon-Gaussiannoiseenvironment,theyperformverypoorly.Therefore,whenfacedwiththepracticalapplicationinnon-Gaussiannoisesituation,howtobuildsomerobustnessalgorithmshasbec