[发明专利]一种针对非高斯噪声的扩散式变步长自适应参数估计方法

权利要求书

1.一种针对非高斯噪声的扩散式变步长自适应参数估计方法，其特征在于：该方法包括以下步骤：

步骤1：初始化参数，w_k(0)＝0，Φ_k(0)＝0，滤波器的阶数M，则其中和分别是观测向量和输入向量的功率，w_k(0)和Φ_k(0)分别表示节点k的局部权向量估计值和中间权向量估计值的初值，μ_k(0)表示节点k的步长初值，k＝1,…,N，N表示节点个数；滑动系数0γ1；

步骤2：自适应运算，各节点自适应更新权向量的中间估计值Φ_k(i+1)：

式中，[·]^T表示求矩阵的转置，sign(·)表示符号运算；w_k(i)＝[w_k(i) w_k(i-1) … w_k(i-M+1)]^T表示节点k在i-1时刻的权向量局部估计值，U_k(i)＝u_k(i) u_k(i-1) … u_k(i-P+1)是P个输入向量组成的M×P维矩阵，P表示仿射投影阶数，M为滤波器长度；u_k(i)＝[u_k(i) u_k(i-1) … u_k(i-M+1)]^T是M×1维的输入向量；R(v_i)表示v_i在新构成的升序排列的向量中对应的位置序号，v_i表示向量v的第i个分量；是先验误差信号，d_k(i)＝y_k(i)+η_k(i)＝[d_k(i) d_k(i-1) … d_k(i-P+1)]^T，d_k(i)是节点k在i时刻的获取局部观测值，它与输入向量u_k(i)之间的线性关系为：w₀是M×1维待估计权向量，η_k(i)为背景噪声，η_k(i)＝[η_k(i) η_k(i-1) … η_k(i-P+1)]^T，假设u_k(i)和η_k(i)相互独立；y_k(i)＝[y_k(i) y_k(i-1) … y_k(i-P+1)]^T是输出向量，误差向量e_k(i)＝d_k(i)-y_k(i)＝[e_k(i) e_k(i-1) … e_k(i-P+1)]；δ为很小的非负数；μ_k(i)为变步长：

μ_k(i)＝γμ_k(i-1)+(1-γ)min[|β_k(i)|,μ_k(i-1)] (2)

其中，0γ1是滑动系数，为背景噪声的功率估计；min(·)表示求最小值；

步骤3：融合，c_lk表示网络中任意两个邻居节点l,k的融合系数用以实现信息交互，其取值满足条件N_k表示所有与节点k直接相连的邻居节点集合；

步骤4：迭代至满足停止条件，得到权向量局部估计值即为滤波器系数的估计值。

2.根据权利要求1所述的一种针对非高斯噪声的扩散式变步长自适应参数估计方法，其特征在于：

本方法的迭代方程为：

其中c_lk称为融合参数，其取值满足条件

3.根据权利要求2所述的一种针对非高斯噪声的扩散式变步长自适应参数估计方法，其特征在于：

采用迭代方式实现误差信号对步长的控制，由于非高斯噪声样本是以小概率随机出现的，且具有很大的幅度，考虑到在迭代初始阶段μ_k(i)比较大，所以步长选择为β_k(i)，从而步长会根据的变化而更新，而在学习曲线保持横向的平稳状态时就保持步长不变。