CN113037661B - 零吸引惩罚与吸引补偿组合的稀疏lms方法 - Google Patents

零吸引惩罚与吸引补偿组合的稀疏lms方法 Download PDF

Info

Publication number
CN113037661B
CN113037661B CN202110227578.0A CN202110227578A CN113037661B CN 113037661 B CN113037661 B CN 113037661B CN 202110227578 A CN202110227578 A CN 202110227578A CN 113037661 B CN113037661 B CN 113037661B
Authority
CN
China
Prior art keywords
coefficient
attraction
zero
signal
estimation 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.)
Active
Application number
CN202110227578.0A
Other languages
English (en)
Other versions
CN113037661A (zh
Inventor
张红升
孟金
甘济章
杨虹
黄义
刘挺
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202110227578.0A priority Critical patent/CN113037661B/zh
Publication of CN113037661A publication Critical patent/CN113037661A/zh
Priority to PCT/CN2022/080833 priority patent/WO2022184180A1/zh
Application granted granted Critical
Publication of CN113037661B publication Critical patent/CN113037661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/025—Channel estimation channel estimation algorithms using least-mean-square [LMS] method

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)

Abstract

本发明涉及一种零吸引惩罚与吸引补偿组合的稀疏LMS方法，属于信号处理领域。该方法将零吸引惩罚与吸引补偿相结合，对估计滤波器的系数分成近零系数、小系数与大系数，然后采取不同的吸引方法。在每一次迭代更新中，对于估计滤波器的近零系数，仅用迭代更新公式中的乘积项来计算；对于估计滤波器的大系数，对其进行一种微量的吸引补偿，以加快估计滤波器的系数去逼近信道的大系数的收敛速度；对于估计滤波器的小系数，如果迭代过程中该系数逼近了信道的零系数值或信道的大系数值，则分别按前述针对估计滤波器近零系数和大系数的方法进行处理，否则，对该系数采取一种简单的零吸引惩罚。该方法收敛速度快、复杂度低、调谐参数适用范围广。

Description

零吸引惩罚与吸引补偿组合的稀疏LMS方法
技术领域
本发明属于信号处理领域，涉及零吸引惩罚与吸引补偿组合的稀疏LMS方法。
背景技术
许多信道都具有稀疏性，而辨识这种稀疏信道，就需要特定的自适应滤波算法。目前针对于稀疏系统辨识的算法类型有l0-norm、l1-norm和lp-norm，其中l0-norm是对估计滤波器的系数在某一较小的阈值内才进行零吸引惩罚，l1-norm是对估计滤波器所有的系数进行零吸引惩罚，lp是对估计滤波器所有的系数进行含有除法和指数的零吸引惩罚。lp-norm实现了比l0-norm和l1-norm类型的算法更为优秀的性能，不过由于高复杂度，该方法难以硬件实现。l1-norm类型中典型的算法是零吸引LMS(Zero-attracting Least MeanSquare,ZA-LMS)，该方法对有所的信道系数给予了同样的零吸引惩罚，并没有区分零和非零信道系数，导致其稳态均方差(Mean Square deviation,MSD)并不优秀。Y.Chen又提出一种重新加权的ZA-LMS(Reweight Zero-attracting Least Mean Square,RZA-LMS),该方法的零吸引函数巧妙的分别将大系数和小系数进行了缩小与放大处理，使得对信道估计的更为合理，但是该方法需要进行除法运算。Y.Gu提出一种l0-LMS方法，将估计滤波器的系数低于某一阈值才进行零吸引惩罚，但是该方法对最优参数选择和估计系数的精度有较大限制。为了获取更低的均方稳态差和降低参数的限制，LeiLuo提出参数限制更低与MSD更低的l0-ILMS方法，该方法也并未对估计滤波器较大系数进行处理。
发明内容
有鉴于此，本发明的目的在于提供一种零吸引惩罚与吸引补偿组合的稀疏LMS方法。该方法将零吸引惩罚与吸引补偿相结合，对估计滤波器的系数分成接近零的系数、小系数与大系数，然后对这三种系数采取不同的吸引方法。在每一次迭代更新中，对于估计滤波器的近零系数，仅用迭代更新公式中的乘积项来计算；对于估计滤波器的大系数，对其进行一种微量的吸引补偿，以加快估计滤波器的系数去逼近信道的大系数的收敛速度；对于估计滤波器的小系数，如果迭代过程中该系数逼近了信道的零系数值或信道的大系数值，则分别按前述针对估计滤波器近零系数和大系数的方法进行处理，否则，对该系数采取一种简单的零吸引惩罚。
为达到上述目的，本发明提供如下技术方案：
零吸引惩罚与吸引补偿组合的稀疏LMS方法，建立稀疏系统辨识模型：
如附图1中，输入信号X(n)＝[x(n)x(n-1)...x(n-L+1)]T是功率为
Figure BDA0002957107420000026
的零均值高斯信号，n为信号的序列号，L是滤波器长度；W(n)＝[w0 w1 ... wL-1]T是估计滤波器的系数，H(n)＝[h0 h1 ... hL-1]是稀疏信道的系数，H(n)中大部分系数等于零或接近。考虑时变性，则向量H(n)表现为：
H(n+1)＝H(n)+q(n) (1)
其中q(n)是功率为
Figure BDA0002957107420000021
的协方差零均值高斯白噪声，其自相关矩阵
Figure BDA0002957107420000022
I是单位矩阵；n(n)是功率为
Figure BDA0002957107420000023
的零均值高斯白噪声；假设q(n)、X(n)与n(n)都相互独立；
y(n)和d(n)分别为
y(n)＝WT(n)X(n) (2)
d(n)＝HT(n)X(n)+n(n) (3)
其误差输出信号为
Figure BDA0002957107420000024
lc-LMS方法的迭代更新方程
W(n+1)＝W(n)+μe(n)X(n)+fC1(W(n)) (5)
其中
Figure BDA0002957107420000025
根据等式(5)与(6)，其估计滤波器迭代方程改为
W(n+1)＝μe(n)X(n)+fC2(W(n)) (7)
其中
Figure BDA0002957107420000031
其中，ρ为吸引的强度；β为区分接近零系数与小系数的分界参数；φ为区分小系数与大系数的分界参数，并有效的将小系数进行放大，大系数进行缩小；在
Figure BDA0002957107420000032
范围内，函数-Wi(n)代入(5)中将每一次的迭代更新公式中的Wi(n)抵消掉，从而迭代更新公式中含有乘积项μe(n)X(n)作为下一次的估计滤波器的系数，以实现较大的零吸引惩罚；在
Figure BDA0002957107420000033
范围内，函数-φWi(n)针对小系数进行放大的零吸引惩罚，称为浮动系数；在
Figure BDA0002957107420000034
范围内，采用全新的吸引方式，在每一次迭代更新该类型的系数值时，增加微量的补偿，促使估计滤波器的系数更快的逼近信道的大系数值；
可选的，在所述方法中，设置一个估计滤波器W(n)，使得估计滤波器系数进行等式(7)的迭代更新，并与回波信号d(n)相减，得到最后的误差信号e(n)，实现回波抵消。
可选的，将所述方法应用于无线通信的直放站中，布置同频直放站，以扩大信号覆盖范围，采用自适应滤波算法解决回波导致直放站自激的问题；
主发射平台发射出有用信号，传输到同频直放站，同频直放站又经过功放进行放大有用信号，再将有用信号发射到接收终端；
lc-LMS的输入信号X(n)就是发射平台所发射的信号，而H(n)代表无线稀疏信道；同频直放站内含有一个估计滤波器，同频直放站将接收到的发射平台的信号经过估计滤波器生成y(n)信号；同频直放站将接受到的发射平台的信号经过无线稀疏信道与信道的高斯白噪声n(n)，合成产生出d(n)信号；在同频直放站内部，进行e(n)＝d(n)-y(n)计算，抵消回波信号。
本发明的有益效果在于：本发明提出一种全新类型的lc-LMS方法，该方法将零吸引惩罚与吸引补偿相结合，对估计滤波器的系数分成接近零的系数、小系数与大系数，然后对这三种系数采取不同的吸引方法。在每一次迭代更新中，对于估计滤波器的近零系数，仅用迭代更新公式中的乘积项来计算；对于估计滤波器的大系数，对其进行一种微量的吸引补偿，以加快估计滤波器的系数去逼近信道的大系数的收敛速度；对于估计滤波器的小系数，如果迭代过程中该系数逼近了信道的零系数值或信道的大系数值，则分别按前述针对估计滤波器近零系数和大系数的方法进行处理，否则，对该系数采取一种简单的零吸引惩罚。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为稀疏系统辨识模型；
图2为lc-LMS方法结构图；
图3为同频直放站；
图4为通信信道H的系数；
图5为ZA-LMS、RZA-LMS、l0-LMS、l0-ILMS、lc-LMS和lc-LMS的理论MSD最小值在不同的吸引权重ρ的MSD仿真图；
图6为l0-LMS、l0-ILMS、lc-LMS和lc-LMS的理论MSD最小值在不同的β的MSD仿真图；
图7为lc-LMS和lc-LMS的理论MSD最小值在不同的φ的MSD仿真图；
图8为lc-LMS方法以更低的复杂度、更快的收敛速度达到了与l0-ILMS同样的MSD值；
图9为描述了稀疏信道中的系数分别对应Hi(i＝1,2,3)的MSD曲线图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明的主要研究基于稀疏系统辨识的背景，图1给出了的稀疏系统辨识模型。
在图1中，输入信号X(n)＝[x(n)x(n-1)...x(n-L+1)]T是功率为
Figure BDA0002957107420000056
的零均值高斯信号,n为信号的序列号，L是滤波器长度。W(n)＝[w0 w1 ... wL-1]T是估计滤波器的系数。H(n)＝[h0 h1 ... hL-1]是稀疏信道的系数，H(n)中大部分系数等于零或接近零。考虑时变性，则向量H(n)表现为：
H(n+1)＝H(n)+q(n) (1)
其中q(n)是功率为
Figure BDA0002957107420000051
的协方差零均值高斯白噪声，其自相关矩阵
Figure BDA0002957107420000052
I是单位矩阵。n(n)是功率为
Figure BDA0002957107420000053
的零均值高斯白噪声。假设q(n)、X(n)与n(n)都相互独立。
在图1中，y(n)和d(n)分别为
y(n)＝WT(n)X(n) (2)
d(n)＝HT(n)X(n)+n(n) (3)
其误差输出信号为
Figure BDA0002957107420000054
ZA-LMS方法的迭代更新公式
W(n+1)＝W(n)+μe(n)X(n)-ρZA sgn[W(n)] (5)
其中μ为步长因子，ρZA为吸引权重，
Figure BDA0002957107420000055
RZA-LMS方法的迭代更新方程为
Figure BDA0002957107420000061
其中ρRZA为吸引权重。
l0-LMS方法的迭代更新方程为
W(n+1)＝W(n)+μe(n)X(n)+ρf1(W(n)) (8)
其中ρ为吸引权重，
Figure BDA0002957107420000062
β是正控制参数。
l0-ILMS方法的迭代更新方程为
W(n+1)＝W(n)+μe(n)X(n)+ρf2(W(n)) (10)
其中
Figure BDA0002957107420000063
Figure BDA0002957107420000064
l0-ILMS方法相较于l0-LMS方法，只在零吸引函数多增加了一项-εWi(n)，使得l0-ILMS方法对稀疏系统识别的估计稀疏的精度有所增加。
以下是lc-LMS方法的迭代更新方程
W(n+1)＝W(n)+μe(n)X(n)+fC1(W(n)) (13)
其中
Figure BDA0002957107420000071
根据等式(13)与(14)，其估计滤波器迭代方程也可改为
W(n+1)＝μe(n)X(n)+fC2(W(n)) (15)
其中
Figure BDA0002957107420000072
其中，ρ为吸引的强度；β为区分接近零系数与小系数的分界参数；φ为区分小系数与大系数的分界参数，并有效的将小系数进行放大，大系数进行缩小。
假设信道中有P个非零系数(大系数值)，即fC2(Wi(n))函数中有P个系数服从
Figure BDA0002957107420000073
假设M个服从
Figure BDA0002957107420000074
L-P-M服从
Figure BDA0002957107420000075
假设f2(Wi(n))函数中有N个服从
Figure BDA0002957107420000076
L-P-N个服从
Figure BDA0002957107420000077
表1给出了针对各类算法的迭代更新方程的复杂度比较。
表1各类算法的复杂度比较
Figure BDA0002957107420000078
以
Figure BDA0002957107420000079
Figure BDA00029571074200000710
为例，lc-LMS方法的加法运算和乘法运算分别比现性能最优的l0-ILMS方法低了87.5％、37.35％。其lc-LMS方法的结构图如图2。
如今，回波消除是自适应滤波的重要应用，同频直放站存在有耦合回波，麦克风与扬声器之间也存在有耦合回波。针对于这一回波问题，提出了复杂度更低、收敛速度更快、调谐参数适用范围更广的lc-LMS方法。其在图1中，X(n)为有用信号，H(n)为无线通信系统中的回波路径的稀疏信道，d(n)为接收到的回波信号，该回波信号并不是需要的信号。回波抵消便是将这一回波信号抵消掉。即设置一个估计滤波器W(n)，使得估计滤波器系数进行等式(15)的迭代更新，并与回波信号d(n)相减，得到最后的误差信号e(n)，这一过程便是回波抵消。
本发明的一个实际应用是用于无线通信的直放站中。
在无线通信系统中，在距离主发射天线过远和楼房密度大的地方等，会存在弱信号或信号丢失。为了解决这种问题，需要布置同频直放站，以扩大信号覆盖范围，但存在有回波导致直放站自激的问题，为解决直放站存在的问题，就可以采用自适应滤波算法解决该问题。同频直放站如图3。
如图3，主发射平台发射出有用信号，传输到同频直放站，而同频直放站又经过功放进行放大有用信号，再将有用信号发射到接收终端。然而在同频直放站发射信号的时候，有一部分信号经过无线稀疏信道又传回了同频直放站的接收端，而这一部分信号会使得同频直放站产生自激。研究表明，大部分无线通信信道都具有稀疏性，尤其是数字多媒体通信信道。所以提出一种低复杂度和性能较为优秀的用于稀疏信道和回波抵消的lc-LMS方法，以抵消掉经无线稀疏信道传输到同频直放站的信号。
lc-LMS的输入信号X(n)就是发射平台所发射的信号，而H(n)代表无线稀疏信道。同频直放站内含有一个估计滤波器，同频直放站将接收到的发射平台的信号经过估计滤波器生成y(n)信号；同频直放站将接受到的发射平台的信号经过无线稀疏信道与信道的高斯白噪声n(n)，合成产生出d(n)信号。在同频直放站内部，就将进行e(n)＝d(n)-y(n)计算，抵消回波信号。
稀疏信道仿真实验
在仿真中，估计滤波器迭代更新方程选用等式(15)和等式(16)。MSD被用作信道估计的准则，它是MSD(n)＝Tr(E{(W(n)-H(n))(W(n)-H(n))T})，其中H(n)表示未知的稀疏信道，W(n)表示估计的滤波器系数。以下的所有试验，都采用了1000次蒙特卡洛来获取每一个点。选用输入信号功率为1，噪声功率为10-2。信道系数
Figure BDA0002957107420000081
其信道的系数仿真如图4。
为了验证本发明算法的有效性，以上述的系统环境仿真出上述所有的算法的参数选择。表2设置了三种参数的示例。
表2参数变化设置
Figure BDA0002957107420000091
由图5、图6和图7给出了三种参数的变化仿真图。
图5中，l0-ILMS和lc-LMS方法对调谐参数都不敏感，并在图中标注了ZA-LMS、RZA-LMS和l0-LMS方法的MSD值达到最小时的ρ值。图6中，当调谐参数β较大时，lc-LMS方法的MSD值比LMS与l0-ILMS方法更为优秀，lc-LMS方法的调谐参数β的有效范围远远大于l0-ILMS。但是β较小时，lc-LMS方法并不稳定。图5、图6、图7中，lc-LMS方法的理论的最小MSD值与仿真的最小MSD值基本吻合。
由此，设置仿真参数β＝100，ZA-LMS、RZA-LMS、l0-LMS、l0-ILMS和lc-LMS的ρ分别为7×10-5、1.9×10-4、3×10-5、2×10-4和2×10-4。图8、图9每一个数据点都是经过了1000次蒙特卡洛仿真得出。
图8，lc-LMS方法以更低的复杂度、更快的收敛速度达到了与l0-ILMS同样的MSD值。
现为了测试算法的稳定性，将上述所有算法在各种稀疏信道进行仿真。将稀疏信道的非零系数分别设置为P＝8、16、32，其信道的系数分别为
Figure BDA0002957107420000092
仿真参数β＝100，μ＝0.005，ZA-LMS、RZA-LMS、l0-LMS、l0-ILMS和lc-LMS的ρ分别为7×10-5、1.9×10-4、3×10-5、2×10-4和2×10-4。上述算法的仿真如图9所示。
图9中，在多种稀疏信道仿真中，lc-LMS方法与l0-ILMS相比，收敛速度更快、复杂度更低和调谐参数β的适用范围更广。该方法可应用在稀疏系统辨识和回波抵消应用中。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.零吸引惩罚与吸引补偿组合的稀疏LMS方法，其特征在于：
建立稀疏系统辨识模型，输入信号X(n)＝[x(n) x(n-1)...x(n-L+1)]T是功率为
Figure FDA0003527958930000011
的零均值高斯信号，n为信号的序列号，L是滤波器长度；W(n)＝[w0 w1...wL-1]T是估计滤波器的系数，H(n)＝[h0 h1...hL-1]是稀疏信道的系数，H(n)中大部分系数等于零；考虑时变性，则向量H(n)表现为：
H(n+1)＝H(n)+q(n) (1)
其中q(n)是功率为
Figure FDA0003527958930000012
的协方差零均值高斯白噪声，其自相关矩阵
Figure FDA0003527958930000013
I是单位矩阵；n(n)是功率为
Figure FDA0003527958930000014
的零均值高斯白噪声；假设q(n)、X(n)与n(n)都相互独立；
y(n)和d(n)分别为
y(n)＝WT(n)X(n) (2)
d(n)＝HT(n)X(n)+n(n) (3)
其误差输出信号为
Figure FDA0003527958930000015
lc-LMS方法的迭代更新方程
W(n+1)＝W(n)+μe(n)X(n)+fC1(W(n)) (5)
其中
Figure FDA0003527958930000016
根据等式(5)与(6)，其估计滤波器迭代方程改为
W(n+1)＝μe(n)X(n)+fC2(W(n)) (7)
其中
Figure FDA0003527958930000021
其中，ρ为吸引的强度；β为区分接近零系数与小系数的分界参数；φ为区分小系数与大系数的分界参数，并有效的将小系数进行放大，大系数进行缩小；在
Figure FDA0003527958930000022
范围内，函数-Wi(n)代入(5)中将每一次的迭代更新公式中的Wi(n)抵消掉，从而迭代更新公式中含有乘积项μe(n)X(n)作为下一次的估计滤波器的系数，以实现较大的零吸引惩罚；在
Figure FDA0003527958930000023
范围内，函数-φWi(n)针对小系数进行放大的零吸引惩罚，称为浮动系数；在
Figure FDA0003527958930000024
范围内，采用全新的吸引方式，在每一次迭代更新该类型的系数值时，增加微量的补偿，促使估计滤波器的系数更快的逼近信道的大系数值。
2.根据权利要求1所述的零吸引惩罚与吸引补偿组合的稀疏LMS方法，其特征在于：在所述方法中，设置一个估计滤波器W(n)，使得估计滤波器系数进行等式(7)的迭代更新，并与回波信号d(n)相减，得到最后的误差信号e(n)，实现回波抵消。
3.根据权利要求1所述的零吸引惩罚与吸引补偿组合的稀疏LMS方法，其特征在于：将所述方法应用于同频直放站中存在的回波自激问题、麦克风中的声回波现象和降噪耳机；在无线通信的直放站中，布置同频直放站，以扩大信号覆盖范围，采用自适应滤波算法解决回波导致直放站自激的问题；
主发射平台发射出有用信号，传输到同频直放站，同频直放站又经过功放进行放大有用信号，再将有用信号发射到接收终端；
lc-LMS的输入信号X(n)就是发射平台所发射的信号，而H(n)代表无线稀疏信道；同频直放站内含有一个估计滤波器，同频直放站将接收到的发射平台的信号经过估计滤波器生成y(n)信号；同频直放站将接受到的发射平台的信号经过无线稀疏信道与信道的高斯白噪声n(n)，合成产生出d(n)信号；在同频直放站内部，进行e(n)＝d(n)-y(n)计算，抵消回波信号。
CN202110227578.0A 2021-03-01 2021-03-01 零吸引惩罚与吸引补偿组合的稀疏lms方法 Active CN113037661B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110227578.0A CN113037661B (zh) 2021-03-01 2021-03-01 零吸引惩罚与吸引补偿组合的稀疏lms方法
PCT/CN2022/080833 WO2022184180A1 (zh) 2021-03-01 2022-03-15 零吸引惩罚与吸引补偿组合的稀疏lms方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110227578.0A CN113037661B (zh) 2021-03-01 2021-03-01 零吸引惩罚与吸引补偿组合的稀疏lms方法

Publications (2)

Publication Number Publication Date
CN113037661A CN113037661A (zh) 2021-06-25
CN113037661B true CN113037661B (zh) 2022-05-13

Family

ID=76466418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110227578.0A Active CN113037661B (zh) 2021-03-01 2021-03-01 零吸引惩罚与吸引补偿组合的稀疏lms方法

Country Status (2)

Country Link
CN (1) CN113037661B (zh)
WO (1) WO2022184180A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113037661B (zh) * 2021-03-01 2022-05-13 重庆邮电大学 零吸引惩罚与吸引补偿组合的稀疏lms方法
CN116127266B (zh) * 2022-12-28 2023-08-18 宿迁学院 一种基于最大类间方差的次级系数稀疏方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107071195A (zh) * 2017-03-21 2017-08-18 西南交通大学 基于一范数零吸引的指数函数回声消除方法
CN107610714A (zh) * 2017-09-13 2018-01-19 西南交通大学 基于一范数零吸引的最小均三次方绝对值的回声消除方法
CN109257030A (zh) * 2018-10-22 2019-01-22 中原工学院 一种变步长lp范数LMS算法的稀疏系统辨识方法
CN109995686A (zh) * 2019-03-25 2019-07-09 哈尔滨工程大学 一种复数域稀疏水声信道估计方法
CN111030758A (zh) * 2019-12-16 2020-04-17 哈尔滨工业大学（威海） 带有稀疏约束的自适应零吸引因子盲判决反馈均衡算法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9837991B2 (en) * 2013-04-10 2017-12-05 King Fahd University Of Petroleum And Minerals Adaptive filter for system identification
US20140310326A1 (en) * 2013-04-10 2014-10-16 King Fahd University Of Petroleum And Minerals Adaptive filter for system identification
CN106253878B (zh) * 2016-07-19 2018-10-12 重庆邮电大学 一种冲击噪声下的自适应联合滤波方法
CN109347457B (zh) * 2018-11-15 2022-02-01 苏州大学 一种变参数零吸引子自适应滤波器
CN110572525B (zh) * 2019-10-30 2021-05-07 西南交通大学 一种用于语音通信的自适应通信回声消除方法
CN111277244B (zh) * 2020-02-06 2023-05-19 苏州大学 一种变步长零吸引归一化双符号自适应滤波器
CN113037661B (zh) * 2021-03-01 2022-05-13 重庆邮电大学 零吸引惩罚与吸引补偿组合的稀疏lms方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107071195A (zh) * 2017-03-21 2017-08-18 西南交通大学 基于一范数零吸引的指数函数回声消除方法
CN107610714A (zh) * 2017-09-13 2018-01-19 西南交通大学 基于一范数零吸引的最小均三次方绝对值的回声消除方法
CN109257030A (zh) * 2018-10-22 2019-01-22 中原工学院 一种变步长lp范数LMS算法的稀疏系统辨识方法
CN109995686A (zh) * 2019-03-25 2019-07-09 哈尔滨工程大学 一种复数域稀疏水声信道估计方法
CN111030758A (zh) * 2019-12-16 2020-04-17 哈尔滨工业大学（威海） 带有稀疏约束的自适应零吸引因子盲判决反馈均衡算法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Sparse Adaptive Filtering by an Adaptive Convex Combination of the LMS and the ZA-LMS Algorithms;Das, Bijit Kumar and Chakraborty, Mrityunjoy;《IEEE Transactions on Circuits and Systems I: Regular Papers》;20140109;第61卷(第5期);全文 *
基于范数惩罚约束的稀疏自适应滤波算法研究;范滔;《CNKI优秀硕士学位论文全文库》;20170407;全文 *
用于稀疏系统辨识的变步长加权零吸引最小平均p范数算法;陈思佳,赵知劲;《控制理论与应用》;20200531;第37卷(第5期);全文 *
稀疏偏差补偿最小平均对数算法;王学成, 张佳庚, 马文涛;《信息与控制》;20190430;第48卷(第4期);全文 *

Also Published As

Publication number Publication date
WO2022184180A1 (zh) 2022-09-09
CN113037661A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN108900943B (zh) 一种场景自适应主动降噪方法及耳机
CN113037661B (zh) 零吸引惩罚与吸引补偿组合的稀疏lms方法
CN107333017B (zh) 一种重用权系数指数型误差自适应回声消除方法
CN103561185A (zh) 一种稀疏路径的回声消除方法
CN104364844A (zh) 针对长延迟回声的回声消除算法
CN109379652B (zh) 一种耳机有源噪声控制的次级通道离线辨识方法
CN104158512B (zh) 一种基于独立活性因子的抗冲击干扰的自适应稀疏系统辨识方法
CN112562624B (zh) 主动降噪滤波器设计方法、降噪方法、系统及电子设备
CN104158776B (zh) 一种数字回波对消方法
CN108630216B (zh) 一种基于双麦克风模型的mpnlms声反馈抑制方法
CN104410762B (zh) 免提通话系统中的稳健回声抵消方法
CN113078884B (zh) 添加非线性拟合的自适应算法
CN112803919B (zh) 改进nlms算法的稀疏系统辨识方法和滤波器和系统
CN114938232B (zh) 基于lstm的同时同频全双工数字域自干扰抑制方法
TWI234941B (en) Echo canceler, article of manufacture, and method and system for canceling echo
Kim et al. Comparison of two proposed methods in adaptive noise canceling
Wang et al. An improved reweighted zero-attracting NLMS algorithm for broadband sparse channel estimation
CN112803920B (zh) 基于改进lms算法的稀疏系统辨识方法和滤波器和系统
Dhubkarya et al. Comparative Performance Analysis of Adaptive Algorithms for Simulation & Hardware Implementation of an ECG Signal
CN117896468B (zh) 一种用于电话通信的偏差补偿回声消除方法及系统
CN113345457B (zh) 一种基于贝叶斯理论的声学回声消除自适应滤波器及滤波方法
Kumar et al. ANNHBPAA based noise cancellation employing adaptive digital filters for mobile applications
Kar et al. An improved order estimation of MSF for stereophonic acoustic echo cancellation
Haque et al. Demystifying the digital adaptive filters conducts in acoustic echo cancellation
Alves et al. Adaptive array antenna in receive mode

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