一类用于在线非线性建模的高效自适应滤波器

非线性模型在经常于非理想条件下运行的现实应用中可提供优异性能，已为人所知。然而，此类应用往往要求以有限的计算资源进行在线处理。为解决该问题，我们提出一类用于在线应用的高效非线性模型。所提算法基于采用函数链接展开的参数线性（LIP）非线性滤波器。为使这类函数链接自适应滤波器（FLAF）高效，我们提出了低复杂度展开与参数的频域自适应。在该算法族中，我们还定义了分区块频域 FLAF，其实现特别适用于在线非线性建模问题。我们评估并比较了具有不同展开方式的频域 FLAF，给出了性能与计算复杂度之间最佳的可能折衷。实验结果证明，即使在存在不利非线性条件且计算资源有限的情况下，所提算法也可被视为在线应用（如声学回声消除）的一种高效且有效的解决方案。