论文部分内容阅读
多数分布式自适应滤波算法是基于2l范数最优化方法建立的,不适用于脉冲噪声环境。基于1l范数最优化方法建立的扩散式仿射投影符号算法(Diffusion Affine Projection Sign Algorithm,DAPSA)具有较强的鲁棒性,但是现阶段缺少变步长的DAPSA。另一方面,多数分布式变阶数自适应滤波算法基于2l范数最优化方法建立滤波器阶数的代价函数,在脉冲噪声环境下将无法快速准确地估计目标。为了解决上述问题,本文针对脉冲噪声环境中的变步长DAPSA和分布式变阶数自适应滤波算法展开研究。首先,简要介绍了自适应滤波器和系统辨识模型,同时介绍了自适应网络滤波、常见的分布式自适应滤波算法和分布式变阶数自适应滤波算法,并给出了其中部分算法的收敛性能分析。其次,针对脉冲噪声环境下DAPSA以固定步长收敛时无法同时达到较快收敛速度和较低稳态误差的问题,本文改进了基于最大相关熵准则的变步长方法,提出一种扩散式最大相关熵准则变步长仿射投影符号算法(Diffusion Maximum Correntropy Criterion Variable Step-Size Affine Projection Sign Algorithm,DMCCVSS-APSA),并分析了该算法的计算复杂度。得益于提出的改进卡方核函数,改良算法能够同时达到较高的收敛速度和较低的稳态误差。仿真实验表明,在脉冲噪声环境下DMCCVSS-APSA达到比DAPSA更好的收敛性能。最后,针对现有的基于2l范数最优化方法建立的分布式变阶数自适应滤波算法不适用于脉冲噪声环境的问题,本文利用最大相关熵准则作为未知向量权值和阶数的代价函数,提出一种扩散式变阶数最大相关熵准则(Diffusion Variable Tap-length Maximum Correntropy Criterion,DVTMCC)算法。文中分析了DVTMCC算法的步长收敛条件、暂态行为和计算复杂度。仿真结果表明,在脉冲噪声环境下DVTMCC算法能较好地估计未知向量的权值和阶数。