针对传统稀疏系统辨识算法对测量噪声和调谐参数敏感的问题,提出了一种全范围零吸引最小均方(full-range zero-attracting least mean square,FZA-LMS)稀疏系统辨识算法。该算法能够有效处理零吸引范围内的近零系数和小系数,进一步优化...针对传统稀疏系统辨识算法对测量噪声和调谐参数敏感的问题,提出了一种全范围零吸引最小均方(full-range zero-attracting least mean square,FZA-LMS)稀疏系统辨识算法。该算法能够有效处理零吸引范围内的近零系数和小系数,进一步优化零吸引范围外的大系数,降低稳态均方误差(mean square deviation,MSD),提升收敛速度,增强对调谐参数和测量噪声的鲁棒性。仿真实验结果表明,与传统稀疏系统辨识算法相比,提出的算法在稀疏声学回声信道下表现出更低的稳态MSD,对调谐参数和测量噪声具有更强的鲁棒性。针对水声信道估计场景下的复数信道,进一步提出了算法的复数形式。实验结果表明,在该场景下,复数形式算法相较于其他算法具有更优越的性能表现。展开更多
文摘针对传统稀疏系统辨识算法对测量噪声和调谐参数敏感的问题,提出了一种全范围零吸引最小均方(full-range zero-attracting least mean square,FZA-LMS)稀疏系统辨识算法。该算法能够有效处理零吸引范围内的近零系数和小系数,进一步优化零吸引范围外的大系数,降低稳态均方误差(mean square deviation,MSD),提升收敛速度,增强对调谐参数和测量噪声的鲁棒性。仿真实验结果表明,与传统稀疏系统辨识算法相比,提出的算法在稀疏声学回声信道下表现出更低的稳态MSD,对调谐参数和测量噪声具有更强的鲁棒性。针对水声信道估计场景下的复数信道,进一步提出了算法的复数形式。实验结果表明,在该场景下,复数形式算法相较于其他算法具有更优越的性能表现。
