CN111277244A - 一种变步长零吸引归一化双符号自适应滤波器 - Google Patents

一种变步长零吸引归一化双符号自适应滤波器 Download PDF

Info

Publication number
CN111277244A
CN111277244A CN202010082026.0A CN202010082026A CN111277244A CN 111277244 A CN111277244 A CN 111277244A CN 202010082026 A CN202010082026 A CN 202010082026A CN 111277244 A CN111277244 A CN 111277244A
Authority
CN
China
Prior art keywords
adaptive filter
symbol
zero
attraction
filter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010082026.0A
Other languages
English (en)
Other versions
CN111277244B (zh
Inventor
倪锦根
宗玉莲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN202010082026.0A priority Critical patent/CN111277244B/zh
Publication of CN111277244A publication Critical patent/CN111277244A/zh
Application granted granted Critical
Publication of CN111277244B publication Critical patent/CN111277244B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03HIMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00Adaptive networks
    • H03H21/0012Digital adaptive filters
    • H03H21/0043Adaptive algorithms

Landscapes

  • Filters That Use Time-Delay Elements (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

本发明公开了一种变步长零吸引归一化双符号自适应滤波器,属于数字滤波器设计领域。该滤波器包括零吸引归一化双符号滤波器和变步长自动调整模块。采用零吸引归一化双符号自适应方法使得自适应滤波器能够获得更快的收敛速度,而变步长方法解决了收敛速度和稳态失调需要借助于固定步长进行折中的限制,不仅能获得更快的收敛速度而且可以得到更好的稳态性能。本发明公开的变步长零吸引归一化双符号自适应滤波器可以应用于具有脉冲噪声干扰的回声消除器等通信系统中。

Description

一种变步长零吸引归一化双符号自适应滤波器
技术领域
本发明公开了一种自适应滤波器,具体地公开了一种变步长零吸引归一化双符号自适应滤波器,属于数字滤波器设计领域。
背景技术
固定步长符号自适应滤波器由于其实现简单、抗脉冲噪声能力强,在许多应用场合得到了广泛使用。然而,固定步长符号自适应滤波器需要在快的收敛速度和小的稳态失调之间进行折中。Sheng Zhang等人提出了一种鲁棒收缩符号自适应滤波器[RobustShrinkage Normalized Sign Algorithm in an Impulsive Noise Environment,IEEETransactions on Circuits and System-II,2017,64(1):91-95],但是收敛速度慢。
符号算法收敛较慢,C.P.Kwong提出了双符号自适应滤波器[Dual signalgorithm for adaptive filtering,IEEE Transactions on communications,1986,34:1272-1275],其收敛速度比符号自适应滤波器快;但是,也存在和符号自适应滤波器一样的问题,固定步长双符号自适应滤波器也需要在快的收敛速度和小的稳态失调之间进行折中。
在系统辨识应用中,有一些未知系统中大部分未知向量的系数为零,而少部分系数为非零值,这类系统被称为稀疏系统。现实中这样的情况比较常见。例如,回声消除场景。如果用一般的自适应滤波器估计未知的稀疏系统,会造成收敛速度慢,稳态失调大等问题。
发明内容
为了解决上述问题,本发明公开了一种变步长零吸引归一化双符号自适应滤波器(简记为VSS-ZA-NDSA)。该滤波器采用零吸引归一化双符号算法和变步长结合的方法来更新权值向量,从而优化脉冲噪声环境下稀疏系统辨识的收敛和稳态性能。当VSS-ZA-NDSA的步长采用固定值时,该滤波器简记为ZA-NDSA;当ZA-NDSA不采用零吸引子时,该滤波器简记为NDSA。
为实现上述目的,本发明采用如下的技术方案,
一种VSS-ZA-NDSA滤波器,该VSS-ZA-NDSA滤波器更新权值向量包含如下步骤:
1)通过n时刻的期望信号dn和输入信号xn计算误差信号en,即
Figure BDA0002380637110000011
其中,wn=[w0,n,w2,n,...wM-1,n]T为自适应滤波器的M个权值构成的权值向量,xn=[xn,xn-1,...xn-M+1]T为由输入信号的最近M个样值{xn,xn-1,...xn-M+1}构成的输入向量,T表示转置运算;
2)根据
Figure BDA0002380637110000021
计算双符号分段函数rn,其中,a为比例因子,τ为阈值因子,sgn{en}表示对en进行符号运算;
3)根据
Figure BDA0002380637110000022
计算误差信号平方的中值ψn,根据
Figure BDA0002380637110000023
计算
Figure BDA0002380637110000024
的中值,其中,median表示中值滤波,N是中值滤波器的窗宽;
4)根据迭代式
Figure BDA0002380637110000025
对en的不含脉冲噪声方差
Figure BDA0002380637110000026
进行估计,根据迭代式
Figure BDA0002380637110000027
对不含脉冲噪声的
Figure BDA0002380637110000028
进行估计,其中,平滑因子α的取值范围满足α∈(0,1),E[·]表示取期望运算;
5)根据迭代式
Figure BDA0002380637110000029
估计无噪误差信号,m是一个阈值参数,其表达式为:
Figure BDA00023806371100000210
其中,参数υ的取值范围为υ∈[0.8,1.2]、参数γ的取值范围为γ∈[0.13,0.17]、参数ε的取值范围为ε∈[2,3];
6)根据迭代式
Figure BDA00023806371100000211
来估计无噪误差信号的方差,其中,平滑因子β的取值范围满足β∈(0,1);
7)根据
Figure BDA00023806371100000212
Figure BDA00023806371100000213
计算中间参量Q1,n、Q2,n和Q3,n,其中erf表示误差函数;
8)由中间参量Q1,n、Q2,n、Q3,n
Figure BDA00023806371100000214
计算变步长
Figure BDA00023806371100000215
Figure BDA00023806371100000216
9)对步长的最大值进行限定,即
Figure BDA0002380637110000031
其中min{…}表示取最小值运算。
10)根据迭代式
Figure BDA0002380637110000032
计算自适应滤波器n+1时刻的权值向量wn+1。该滤波器用于在加快收敛速度的同时获得更低的稳态失调。
有益效果
相对于现有技术中的方案,本申请提出的变步长零吸引归一化双符号自适应滤波器,既具有较强的鲁棒性,又能有效地加快收敛速度和优化稳态失调性能。同时实验结果表明,本发明提出的自适应滤波器适用于稀疏系统,在加快收敛速度的同时,还能提高其抗脉冲干扰的性能。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为本发明实施例的变步长零吸引归一化双符号自适应滤波器的结构原理图;
图2为本发明实施例的自适应滤波器在白信号为输入时权值的平方偏差比较;
图3为本发明实施例的自适应滤波器在有色信号为输入时权值的平方偏差比较。
具体实施方式
实施例
本申请提出的VSS-ZA-NDSA滤波器其工作过程:
首先采用归一化零吸引双符号算法和变步长结合的方法来迭代权值向量;估计
Figure BDA0002380637110000033
求出Q1,n、Q2,n、Q3,n,通过
Figure BDA0002380637110000034
Q1,n、Q2,n、Q3,n计算变步长μn;然后即得本申请实施方式提出的自适应滤波器的权值向量迭代公式。
本实施例采用计算机实验的方法验证VSS-ZA-NDSA滤波器的性能。实验中使用本发明提出的VSS-ZA-NDSA滤波器在脉冲噪声干扰的环境下对稀疏未知系统进行辨识,并将其性能与NDSA和ZA-NDSA自适应滤波器的性能进行对比。本申请实施方式提出的VSS-ZA-NDSA自适应滤波器辨识该稀疏的未知系统包含以下步骤:
1)通过n时刻的期望信号dn和输入信号xn计算误差信号en,即
Figure BDA0002380637110000041
其中,wn=[w0,n,w2,n,...wM-1,n]T为自适应滤波器的M个权值构成的权值向量,xn=[xn,xn-1,...xn-M+1]T为由输入信号的最近M个样值{xn,xn-1,...xn-M+1}构成的输入向量,T表示转置运算;
2)根据
Figure BDA0002380637110000042
计算双符号分段函数rn,其中,a为比例因子,τ为阈值因子,sgn{en}表示对en进行符号运算;
3)根据
Figure BDA0002380637110000043
计算误差信号平方的中值ψn,根据
Figure BDA0002380637110000044
计算
Figure BDA0002380637110000045
的中值,其中,median表示中值滤波,N是中值滤波器的窗宽;
4)根据迭代式
Figure BDA0002380637110000046
对en的不含脉冲噪声方差
Figure BDA0002380637110000047
进行估计,根据迭代式
Figure BDA0002380637110000048
对不含脉冲噪声的
Figure BDA0002380637110000049
进行估计,其中,平滑因子α的取值范围满足α∈(0,1),E[·]表示取期望运算;
5)根据迭代式
Figure BDA00023806371100000410
估计无噪误差信号,m是一个阈值参数,其表达式为:
Figure BDA00023806371100000411
其中,参数υ的取值范围为υ∈[0.8,1.2]、参数γ的取值范围为γ∈[0.13,0.17]、参数ε的取值范围为ε∈[2,3];
6)根据迭代式
Figure BDA00023806371100000412
来估计无噪误差信号的方差,其中,平滑因子β的取值范围满足β∈(0,1);
7)根据
Figure BDA00023806371100000413
Figure BDA00023806371100000414
计算中间参量Q1,n、Q2,n和Q3,n,其中erf表示误差函数;
8)由中间参量Q1,n、Q2,n、Q3,n
Figure BDA0002380637110000051
计算变步长
Figure BDA0002380637110000052
Figure BDA0002380637110000053
9)对步长的最大值进行限定,即
Figure BDA0002380637110000054
其中min{}表示取最小值运算。
10)根据迭代式
Figure BDA0002380637110000055
计算自适应滤波器n+1时刻的权值向量wn+1。该滤波器用于在加快收敛速度的同时获得更低的稳态失调。
本实施例使用VSS-ZA-NDSA来估计包含100个权值的稀疏未知系统wo。其96个权值为零,4个权值为非零值。使用归一化权值向量平方误差(NSD)作为算法性能的测度,即
Figure BDA0002380637110000056
单位为dB,其中log10表示取10为底的对数。图中仿真得到的NSD曲线都由100次独立迭代取平均值获得。
分别使用白高斯信号和有色信号作为输入,其中有色信号由一阶自回归模型产生,模型的传递函数为F(z)=1/(1-0.8z-1)。实验中,测量噪声由高斯白噪声和脉冲噪声构成,它们分别形成30dB的信噪比和-20dB的信号干扰比,脉冲噪声的概率为Pr=0.01。初始值
Figure BDA0002380637110000057
初始值
Figure BDA0002380637110000058
初始值
Figure BDA0002380637110000059
在白高斯输入时,遗忘因子β=0.994,在有色输入时,遗忘因子β=0.999。平滑因子α=0.99。各参数的取值为υ=1、γ=0.15和ε=2.23。在白高斯输入时,VSS-ZA-NDSA中的a=0.833,τ=0.3。在有色输入时VSS-ZA-NDSA中的a=0.333,τ=0.4。在白高斯输入时,零吸引子ρ=10-6.2,在有色输入时,零吸引子ρ=10-6.4
由图2与图3可知,本发明提出的VSS-ZA-NDSA滤波器在两种信号输入下,收敛速度和稳态失调比其他两种自适应滤波器更具有优势。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种变步长零吸引归一化双符号自适应滤波器,其特征在于:所述自适应滤波器采用零吸引归一化双符号运算方法和变步长方法来更新自适应滤波器的权值向量。
2.根据权利要求1所述的自适应滤波器,其特征在于:所述自适应滤波器的权值向量更新包含以下步骤:
1)通过n时刻的期望信号dn和输入信号xn计算误差信号en,即
Figure FDA0002380637100000011
其中,wn=[w0,n,w2,n,...wM-1,n]T为自适应滤波器的M个权值构成的权值向量,xn=[xn,xn-1,...xn-M+1]T为由输入信号的最近M个样值{xn,xn-1,...xn-M+1}构成的输入向量,T表示转置运算;
2)根据
Figure FDA0002380637100000012
计算双符号分段函数rn,其中,a为比例因子,τ为阈值因子,sgn{·}表示取符号运算;
3)根据迭代式
Figure FDA0002380637100000013
计算自适应滤波器n+1时刻的权值向量wn+1,其中μn为步长,ρ为零吸引子。
3.根据权利要求2所述的自适应滤波器,其特征在于:步长μn的计算包含以下步骤:
1)根据
Figure FDA0002380637100000014
计算误差信号平方的中值ψn,根据
Figure FDA0002380637100000015
计算
Figure FDA0002380637100000016
的中值,其中,median表示中值滤波,N是中值滤波器的窗宽;
2)根据迭代式
Figure FDA0002380637100000017
对en的不含脉冲噪声方差
Figure FDA0002380637100000018
进行估计,根据迭代式
Figure FDA0002380637100000019
对不含脉冲噪声的
Figure FDA00023806371000000110
进行估计,其中,平滑因子α的取值范围满足α∈(0,1),E[·]表示取期望运算;
3)根据迭代式
Figure FDA0002380637100000021
估计无噪误差信号,m是一个阈值参数,其表达式为
Figure FDA0002380637100000022
其中,参数υ的取值范围为υ∈[0.8,1.2]、参数γ的取值范围为γ∈[0.13,0.17]、参数ε的取值范围为ε∈[2,3];
4)根据迭代式
Figure FDA0002380637100000023
来估计无噪误差信号的方差,其中,遗忘因子β的取值范围满足β∈(0,1);
5)根据
Figure FDA0002380637100000024
Figure FDA0002380637100000025
计算中间参量Q1,n、Q2,n和Q3,n,其中erf表示误差函数;
6)根据
Figure FDA0002380637100000026
计算最优步长参数
Figure FDA0002380637100000027
7)对步长的最大值进行限定,即
Figure FDA0002380637100000028
其中min{…}表示取最小值运算。
CN202010082026.0A 2020-02-06 2020-02-06 一种变步长零吸引归一化双符号自适应滤波器 Active CN111277244B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010082026.0A CN111277244B (zh) 2020-02-06 2020-02-06 一种变步长零吸引归一化双符号自适应滤波器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010082026.0A CN111277244B (zh) 2020-02-06 2020-02-06 一种变步长零吸引归一化双符号自适应滤波器

Publications (2)

Publication Number Publication Date
CN111277244A true CN111277244A (zh) 2020-06-12
CN111277244B CN111277244B (zh) 2023-05-19

Family

ID=71000258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010082026.0A Active CN111277244B (zh) 2020-02-06 2020-02-06 一种变步长零吸引归一化双符号自适应滤波器

Country Status (1)

Country Link
CN (1) CN111277244B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111835315A (zh) * 2020-07-01 2020-10-27 哈尔滨工业大学 一种基于自适应滤波器的直达波对消方法
CN112886947A (zh) * 2021-01-26 2021-06-01 苏州大学 一种变步长鲁棒仿射投影自适应滤波器
CN112953463A (zh) * 2021-03-05 2021-06-11 苏州大学 受约束的带遗忘因子递归最大相关熵自适应滤波器
WO2022184180A1 (zh) * 2021-03-01 2022-09-09 重庆邮电大学 零吸引惩罚与吸引补偿组合的稀疏lms方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140310326A1 (en) * 2013-04-10 2014-10-16 King Fahd University Of Petroleum And Minerals Adaptive filter for system identification
CN107291663A (zh) * 2017-06-12 2017-10-24 华侨大学 应用于声反馈抑制的变步长归一化子带自适应滤波方法
CN109617538A (zh) * 2018-12-09 2019-04-12 苏州大学 鲁棒的变参数稀疏自适应滤波器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140310326A1 (en) * 2013-04-10 2014-10-16 King Fahd University Of Petroleum And Minerals Adaptive filter for system identification
CN107291663A (zh) * 2017-06-12 2017-10-24 华侨大学 应用于声反馈抑制的变步长归一化子带自适应滤波方法
CN109617538A (zh) * 2018-12-09 2019-04-12 苏州大学 鲁棒的变参数稀疏自适应滤波器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MOHAMMAD SHUKRI SALMAN等: "A zero-attracting variable step-size LMS algorithm for sparse system identification" *
曲庆等: "用于稀疏系统辨识的改进l_0-LMS算法" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111835315A (zh) * 2020-07-01 2020-10-27 哈尔滨工业大学 一种基于自适应滤波器的直达波对消方法
CN112886947A (zh) * 2021-01-26 2021-06-01 苏州大学 一种变步长鲁棒仿射投影自适应滤波器
CN112886947B (zh) * 2021-01-26 2024-03-22 苏州大学 一种变步长鲁棒仿射投影自适应滤波器
WO2022184180A1 (zh) * 2021-03-01 2022-09-09 重庆邮电大学 零吸引惩罚与吸引补偿组合的稀疏lms方法
CN112953463A (zh) * 2021-03-05 2021-06-11 苏州大学 受约束的带遗忘因子递归最大相关熵自适应滤波器
CN112953463B (zh) * 2021-03-05 2023-06-23 苏州大学 受约束的带遗忘因子递归最大相关熵自适应滤波器

Also Published As

Publication number Publication date
CN111277244B (zh) 2023-05-19

Similar Documents

Publication Publication Date Title
CN111277244A (zh) 一种变步长零吸引归一化双符号自适应滤波器
CN106788337B (zh) 稳健的仿射投影符号自适应滤波算法
CN111884625B (zh) 一种变步长稀疏增广复数自适应滤波器
CN109257030B (zh) 一种变步长lp范数LMS算法的稀疏系统辨识方法
US9804999B2 (en) Signal/noise separation using FrFT rotational parameter obtained in relation to Wigner Distribution
US20200411029A1 (en) Method and device for updating coefficient vector of finite impulse response filter
CN109687845B (zh) 一种鲁棒的簇稀疏正则化多任务自适应滤波器网络
Wang et al. Robust adaptive filtering algorithm based on maximum correntropy criteria for censored regression
Yang et al. Efficient μ-law improved proportionate affine projection algorithm for echo cancellation
Albu et al. New variable step size affine projection algorithms
CN106059531A (zh) 一种非负自适应滤波器
CN112953463B (zh) 受约束的带遗忘因子递归最大相关熵自适应滤波器
CN113452350B (zh) 一种变步长块稀疏仿射投影自适应滤波器
CN107592115B (zh) 一种基于非均匀范数约束的稀疏信号恢复方法
CN112462352B (zh) 一种适用于低信噪比条件下的线谱增强方法
CN117896468A (zh) 一种用于电话通信的偏差补偿回声消除方法及系统
CN110190832B (zh) 变正则化参数多任务自适应滤波器网络
CN110190831B (zh) 一种混合范数非负自适应滤波器
Wang et al. An improved reweighted zero-attracting NLMS algorithm for broadband sparse channel estimation
CN112003588A (zh) 基于多态可变步长归一化均方的自适应信号滤波方法
CN112803919B (zh) 改进nlms算法的稀疏系统辨识方法和滤波器和系统
CN106534028B (zh) 基于压缩感知的ofdm信道跟踪方法
Saoudi et al. A fast soft bit error rate estimation method
CN111181531B (zh) 一种变正则化偏差补偿符号子带自适应滤波器
Bahrami et al. A new approach to online regression based on maximum correntropy criterion

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant