稀疏线性约束递归最大相关熵自适应滤波器制造技术

本发明专利技术公开一种稀疏线性约束递归最大相关熵自适应滤波器，属于数字滤波器设计领域。该滤波器由递归最小二乘法结合最大相关熵代价函数，采用拉格朗日乘子法推导得到。由于阵列天线信号处理中，有时为了降低功耗而采用稀疏天线阵列，因此本专利基于最大相关熵准则，加入线性约束和稀疏约束两个条件，推导了稀疏线性约束递归最大相关熵自适应滤波器。本发明专利技术公开的稀疏线性约束递归最大相关熵自适应滤波器可以应用于受到脉冲噪声干扰的电子、通信和控制系统中。和控制系统中。和控制系统中。

【技术实现步骤摘要】
稀疏线性约束递归最大相关熵自适应滤波器


[0001]本专利技术公开一种自适应滤波器，具体地公开了稀疏线性约束递归最大相关熵自适应滤波器，属于数字滤波器设计领域。

技术介绍

[0002]系统辨识是自适应信号处理的一个重要分支，传统的自适应信道均衡、自适应噪声消除、自适应回声抵消、主动噪声控制等诸多问题都可以归结为系统辨识问题。在一些应用中，往往需要自适应滤波器满足特定的条件约束，此类自适应滤波器在自适应波束形成中应用广泛。为此很多受线性约束的滤波器被提出来，如线性约束最小均方(CLMS)滤波器、线性约束递归最小二乘(CRLS)滤波器。
[0003]但是，无论CLMS还是CRLS都是基于最小均方准则而推导的滤波器，其在高斯噪声环境下可以表现出很好的性能，但是在非高斯噪声环境滤波器性能将严重退化，为此一些基于信息熵的滤波器应运而生。Chen等人研究的基于最大相关熵准则的滤波器，对脉冲噪声干扰具有较强的鲁棒性。结合约束问题，受约束最大相关熵(CMCC)滤波器被提出来[S.Peng,B.Chen,L.Sun,W.Ser,Z.Lin,Constrained maximum correntropy adaptive filtering,Signal Processing 140(2017)116
–
126.]，性能分析表明CMCC滤波器在不同噪声环境下具有很好的鲁棒性。
[0004]然而，在一些领域需要系统同时满足受线性约束和稀疏两个条件，例如常用于全球卫星导航定位系统(GNSS)中的波束形成技术，由于供电系统的局限性，为了降低系统功耗，延长待机时间，有时会采用稀疏的天线阵列。在这样的需求下Zhang等人提出了约束稀疏最大相关熵波束形成滤波器[Zhang H,Zeng F.Constraint sparse maximum correntropy beamforming algorithm against impulsive noise to improve the performance of GNSS signal acquisition[J].International Journal of Antennas and Propagation,2019,2019:6193048.]，并通过稳定性分析确定了滤波器收敛时步长需要满足的取值范围，即推导出了稳定性条件。

技术实现思路

[0005]为了提高滤波器的收敛速度，本申请提出了一种新的稀疏线性约束递归最大相关熵(简记为RCSMC)滤波器该滤波器，该滤波器采用递归最大相关熵准则来改善收敛速度和解决抗脉冲噪声的问题。
[0006]RCSMC滤波器更新权值向量采用如下方法：
[0007]权值向量w
n
初始化，即在n＝0时刻，所述自适应滤波器的权值向量w
n
初始化w0＝0
M
，中间变量矩阵Ω
n
初始化为Ω0＝δ
‑1I
M
，其中，0
M
是M维的零向量，I
M
是M维的单位矩阵，δ是大于零的正常数。
[0008]在n≥1时刻，所述自适应滤波器的权值向量更新包含以下步骤：
[0009]1)计算误差信号e
n
，通过n时刻的输入信号x
n
和期望信号d
n
计算误差信号e
n
，即
其中，x
n
＝[x
n
,x
n
‑1,...x
n
‑
M+1
]H
为由输入信号的前M个样值{x
n
,x
n
‑1,...x
n
‑
M+1
}构成的输入向量，w
n
＝[w
0,n
,w
2,n
,...w
M
‑
1,n
]H
为自适应滤波器的M个抽头系数构成的权值向量，H表示复共轭转置运算；
[0010]2)计算核函数，即核函数其中，σ＞0为核宽度，exp为指数运算；
[0011]3)计算变量其中，0＜＜λ＜1为遗忘因子；
[0012]4)更新中间变量矩阵
[0013]5)计算中间变量矩阵：H
n
＝(C
H
Ω
n
C)
‑1C
H
，G
n
＝(C
H
Ω
n
C)
‑1,P
n
＝(I
M
‑
Ω
n
CH
n
)，其中，C是M
×
K维的约束矩阵；
[0014]6)计算中间变量：s
n
＝sgn(w
n
‑1)、t
n
＝sgn
H
(w
n
‑1)w
n
‑1、和F
n
＝Ω
n
s
n
/(Tr(Ω
n
)Q
n
)，其中，sgn(
·
)表示取符号运算符，Tr(
·
)表示取迹运算符；
[0015]7)权值向量更新，根据表达式
[0016][0017]计算得到n时刻的权值向量w
n
，其中，其中，t为大于0的给定稀疏度参数。
[0018]进一步的，t＝||w
o
||，其中，w
o
＝R
‑1C(C
T
R
‑1C)
‑1f，R是输入信号的自相关矩阵。
[0019]有益效果
[0020]相对于现有CRLS滤波器，本申请提出的RCSMC滤波器对脉冲噪声具有较好的鲁棒性，并且本专利技术提出的RCSMC滤波器具有较快的收敛速度和较低的稳态失调。
附图说明
[0021]下面结合附图及实施例对本专利技术作进一步描述：
[0022]图1为本专利技术实施例的受约束的自适应滤波器结构原理图；
[0023]图2为本专利技术实施例的稀疏单位线阵启用阵元情况示意图；
[0024]图3为本专利技术实施例的自适应滤波器在环境噪声为α
‑
稳定噪声下的波束方向图的比较；
[0025]图4为本专利技术实施例的自适应滤波器在环境噪声为α
‑
稳定噪声下的归一化均方误差的比较。
具体实施方式
[0026]实施例
[0027]本专利技术提出的RCSMC滤波器其工作过程：首先采用基于递归最大相关熵代价函数的方法来更新未知系统的权值向量，采用拉格朗日乘子法计算受约束的最优权向量的迭代更新表达式。
[0028]本实施例采用计算机实验的方法验证RCSMC滤波器的性能。实验中使用本专利技术公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.稀疏线性约束递归最大相关熵自适应滤波器，其特征在于：所述自适应滤波器采用递归最大相关熵准则建立代价函数，采用拉格朗日乘子法依次计算两个约束条件的拉格朗日乘子并进行权值向量更新。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括：权值向量w
n
初始化，即在n＝0时刻，所述自适应滤波器的权值向量w
n
初始化w0＝0
M
，中间变量矩阵Ω
n
初始化为Ω0＝δ
‑1I
M
，其中，0
M
是M维的零向量，I
M
是M维的单位矩阵，δ是大于零的正常数。3.根据权利要求2所述的自适应滤波器，其特征在于：权值向量w
n
初始化后还包括：在n≥1时刻，1)通过n时刻的输入信号x
n
和期望信号d
n
计算误差信号e
n
，即其中，x
n
＝[x
n
,x
n
‑1,...x
n
‑
M+1
]
H
为由输入信号的前M个样值{x
n
,x
n
‑1,...x
n
‑
M+1
}构成的输入...

【专利技术属性】
技术研发人员：倪锦根，逯静，
申请(专利权)人：苏州大学，
类型：发明
国别省市：