针对广义高斯噪声与含噪输入的改进鲁棒全逻辑距离度量算法
信号处理
2024-05-22 v1 系统与控制
系统与控制
摘要
尽管已知的最大全广义相关熵（MTGC）和广义最大 Blake-Zisserman 全相关熵（GMBZTC）算法在受广义高斯噪声扰动的变量误差（EIV）模型下能保持良好的性能，但它们对参数手动调整的要求过多，极大地增加了实际使用的难度。为了解决这个问题，利用逻辑距离度量（LDM）理论参数少的优势，提出了基于逻辑距离度量的全反正切（TACLDM）算法，并通过反正切函数改善了收敛行为。与其他竞争算法相比，TACLDM 算法不仅参数更少，而且对广义高斯噪声具有更好的鲁棒性，并显著降低了稳态误差。此外，本文详细分析了该算法在广义高斯噪声环境下的表现。最后，计算机仿真证明了 TACLDM 算法的出色性能以及本文严谨的理论推导。
引用
@article{arxiv.2405.12589,
title = {An Improved Robust Total Logistic Distance Metric algorithm for Generalized Gaussian Noise and Noisy Input},
author = {Haiquan Zhao and Yi Peng and Zian Cao},
journal= {arXiv preprint arXiv:2405.12589},
year = {2024}
}
备注
10 page