基于对数代价的一类新型自适应滤波算法
机器学习
2015-06-18 v1
摘要
我们提出了一类基于相对对数代价的新型自适应滤波算法。该新族算法本质上将误差的高阶和低阶度量结合为基于误差量的单一连续更新。我们介绍了该算法族中的重要成员，如最小均方对数（LMLS）和最小对数绝对差（LLAD）算法，它们改善了传统算法的收敛性能。然而，我们的方法和分析具有通用性，涵盖了论文中描述的其他著名代价函数。LMLS 算法实现了与最小均方四阶（LMF）算法相当的收敛性能，并扩展了步长的稳定性界限。LLAD 和最小均方（LMS）算法在无脉冲噪声环境中表现出相似的收敛性能，而 LLAD 算法对脉冲干扰具有鲁棒性，且优于符号算法（SA）。我们分析了所引入算法的瞬态、稳态和跟踪性能，并证明了理论分析与仿真结果的一致性。我们展示了 LMLS 算法扩展的稳定性界限，并分析了 LLAD 算法对脉冲干扰的鲁棒性。最后，我们通过数值示例展示了我们算法在不同场景下的性能。
引用
@article{arxiv.1311.6809,
title = {A Novel Family of Adaptive Filtering Algorithms Based on The Logarithmic Cost},
author = {Muhammed O. Sayin and N. Denizcan Vanli and Suleyman S. Kozat},
journal= {arXiv preprint arXiv:1311.6809},
year = {2015}
}
备注
Submitted to IEEE Transactions on Signal Processing