用于起伏噪声功率下稀疏系统辨识的l0-LMS自适应滤波器自适应组合
信息论
2016-05-11 v1 机器学习
math.IT
摘要
近来，l0最小均方（l0-LMS）算法被提出用于辨识稀疏线性系统，其采用促进稀疏的连续函数作为l0伪范数惩罚的近似。然而，该算法的性能对负责零吸引强度的某个参数的恰当选择敏感。该参数的最优选择取决于系统中 prevailing 的信噪比（SNR）。因此，难以固定该参数的合适值，尤其在SNR随时间起伏的情况下。本工作中，我们提出若干不同参数化l0-LMS的自适应组合，以获得独立于SNR的总体满意性能，并讨论与这些组合结构相关的若干问题。我们还展示了一种高效的部分更新方案，其不仅减少每次迭代的计算次数，而且与全更新情况相比获得了某些有趣的性能增益。接着，我们提出一种新的递归最小二乘（RLS）型规则来更有效地更新组合参数。最后，我们将两个滤波器的组合扩展为M个自适应滤波器的组合，其在M > 2时展现出进一步改善。
引用
@article{arxiv.1605.02878,
title = {Adaptive Combination of l0 LMS Adaptive Filters for Sparse System Identification in Fluctuating Noise Power},
author = {Bijit Kumar Das and Mrityunjoy Chakraborty},
journal= {arXiv preprint arXiv:1605.02878},
year = {2016}
}
备注
15 pages, 15 figures