[发明专利]零吸引惩罚与吸引补偿组合的稀疏LMS方法

说明书

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。

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l_p-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，l_p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。l_p-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 ... w_L-1]^T是估计滤波器的系数，H(n)＝[h₀ h₁ ... h_L-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)