The invention discloses a robust sparse multitask adaptive system, including the node neighborhood subset selection module, which is used to select the node neighborhood subset of each node in the adaptive system when the parameter vectors are updated, and the anti impulse noise interference module is used to sign the data of the self adaptable system nodes. The l0 norm and cluster similarity constraint module are used to speed up the convergence speed of the adaptive system to estimate the unknown parameter vector, and the parameter vector estimation module is used to update the estimated value of the parameter vector. The multi task topology, anti impulse noise interference, l0 norm and cluster similarity constraint and parameter vector estimation are used to update the weight coefficient vectors of each node of the adaptive system, which can not only improve the convergence speed of estimation of sparse parameter vectors, but also hold low steady-state maladjustment when dealing with multitask.
【技术实现步骤摘要】
一种鲁棒的稀疏多任务自适应系统及迭代方法
本专利技术涉及自适应系统设计
,具体地涉及一种鲁棒的稀疏多任务自适应系统及迭代方法。
技术介绍
扩散式最小均方(DLMS)[CattivelliFS,SayedAH.DiffusionLMSstrategiesfordistributedestimation.IEEETransactionsonSignalProcessing,2010,58(3):1035-1048]和扩散式仿射投影(DAPA)[LiLei-lei,LopesCG.Distributedestimationoveranadaptiveincrementalnetworkbasedontheaffineprojectionalgorithm.IEEETransactionsonSignalProcessing,2010,58(1):151-164]自适应系统在无线传感器网络等领域具有广泛应用。稳态失调和收敛速度是评价自适应系统性能的两个主要性能指标。稳态失调决定了逼近未知系统所能达到的精度,而收敛速度决定了自适应系统逼近未知系统需要的时间。影响自适应系统的稳态失调的因素包括受到脉冲噪声干扰、多任务拓扑环境等。当自适应系统的输入端受脉冲噪声干扰时,DLMS和DAPA自适应系统的稳态失调会增大,甚至发散。采用取符号运算的扩散式仿射投影符号(DAPSA)自适应系统[倪锦根,马兰申.抗脉冲干扰的分布式仿射投影符号算法.电子学报,2016,7(44):1555-1560],能够大大减少脉冲噪声对自适应系统的干扰,既保持了较快的收敛速度,又能获得较低的稳 ...
【技术保护点】
1.一种鲁棒的稀疏多任务自适应系统,其特征在于,包括:节点邻域子集选取模块,用于选取所述自适应系统中每个节点进行参数向量更新时需要用到的节点邻域子集;抗脉冲噪声干扰模块,用于对所述自适应系统节点的数据进行符号运算;l0范数和簇相似性约束模块,用于加快所述自适应系统估计未知参数向量时的收敛速度;参数向量估计模块,用于更新参数向量的估计值。
【技术特征摘要】
1.一种鲁棒的稀疏多任务自适应系统,其特征在于,包括:节点邻域子集选取模块,用于选取所述自适应系统中每个节点进行参数向量更新时需要用到的节点邻域子集;抗脉冲噪声干扰模块,用于对所述自适应系统节点的数据进行符号运算;l0范数和簇相似性约束模块,用于加快所述自适应系统估计未知参数向量时的收敛速度;参数向量估计模块,用于更新参数向量的估计值。2.根据权利要求1所述的鲁棒的稀疏多任务自适应系统,其特征在于,所述节点邻域子集选取模块,根据网络拓扑结构的节点n的邻域Nn和该节点所在的簇Cn,得到交集Nn∩Cn和差集Nn\Cn,根据和计算自适应参数cl,n和联合参数al,n。3.根据权利要求2所述的鲁棒的稀疏多任务自适应系统,其特征在于,所述抗脉冲噪声干扰模块通过节点l处的输入矩阵Ul(k)和期望向量dl(k)计算误差向量的值其中,n∈{1,2,…,N},l∈{1,2,…,N},wn(k-1)为节点n在k-1时刻对未知参数向量的估计值,Ul(k)=[ul(k),ul(k-1),…,ul(k-P+1)]为节点l在k时刻的输入矩阵,P为输入向量的数据重用阶数,ul(k)=[ul(k),ul(k-1),…,ul(k-M+1)]T为节点l在k时刻的输入信号向量,该向量由节点l的输入信号ul(k)的最近M个样值构成,M为整数,dl(k)=[dl(k),dl(k-1),…,dl(k-P+1)]T为节点l在k时刻的期望向量,该向量由节点l的期望响应dl(k)的最近P个样值构成;根据计算抗脉冲噪声向量,其中,n∈{1,2,…,N}。4.根据权利要求1所述的鲁棒的稀疏多任务自适应系统,其特征在于,所述l0范数和簇相似性约束模块,根据计算集合Nn\Cn中节点的相似性向量,其中,τn为节点n处的约束权重参数,ρl,n为节点n和l的相似性权重参数;根据计算作用于wn(k-1)中第m个元素wn,m(k-1)的零吸引子强度值f(wn,m(k-1));根据f(wn(k-1))=[f(wn,0(k-1)),f(wn,1(k-1)),…,f(wn,M-1(k-1))]T形成零吸引子强度向量f(wn(k-1)),其中,β为零吸引子作用域控制参数,n∈{1,2,…,N},m∈{1,2,…,M}。5.根据权利要求1所述的鲁棒的稀疏多任务自适应系统,其特征在于,所述参数向量估计模块,计算节点n的中间估计向量ψn(k),根据更新向量wn(k)的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。