计算机应用

作者：欧跃发, 杨鸣坤, 慕德俊, 柯捷, 马文涛

单位：1.北部湾大学 机械与船舶海洋工程学院，广西 钦州 535011；2.桂林航天工业学院 计算机科学与工程学院，广西 桂林 541004；3.西北工业大学 网络空间安全学院，西安 710072；4.西安理工大学 电气工程学院，西安 710048

关键词：自适应滤波,最大Versoria准则,稀疏参数估计,互相关熵诱导维度,非高斯噪声干扰

基金：国家自然科学基金资助项目(61976175);2019年北部湾大学引进高层次人才科研启动项目(2019KYQD03);2018年度广西高等教育本科教学改革工程项目(2018JGB327);2018年度钦州学院本科教改重点项目(18JGZ012)

针对脉冲噪声干扰环境下传统稀疏自适应滤波稳态性能差，甚至无法收敛等问题，同时为提高稀疏参数辨识的精度的同时不增加过多计算代价，提出了一种基于广义最大Versoria准则（GMVC）的稀疏自适应滤波算法——带有CIM约束的GMVC（CIMGMVC）。首先，利用广义Versoria函数作为学习准则，其包含误差p阶矩的倒数形式，当脉冲干扰出现导致误差非常大时，GMVC将趋近于0，从而达到抑制脉冲噪声的目的。其次，将互相关熵诱导维度（CIM）作为稀疏惩罚约束和GMVC相结合来构建新代价函数，其中的CIM以高斯概率密度函数为基础，当选择合适核宽度时，可无限逼近于l0-范数。最后，应用梯度法推导出CIMGMVC算法，并分析了所提算法的均方收敛性。在Matlab平台上采用α-stable分布模型产生脉冲噪声进行仿真，实验结果表明所提出的CIMGMVC算法能有效地抑制非高斯脉冲噪声的干扰，在稳健性方面优于传统稀疏自适应滤波，且稳态误差低于GMVC算法。

来源：2021年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第11期