面向含噪输入系统辨识的偏差补偿归一化最大相关熵准则算法
机器学习
2017-11-27 v1 信号处理
摘要
本文提出一种偏差补偿归一化最大相关熵准则（BCNMCC）算法，其特点是在脉冲型输出噪声环境下针对含噪输入的系统辨识具有较低的稳态失准度。归一化最大相关熵准则（NMCC）由基于相关熵的代价函数导出，对脉冲噪声具有相当的鲁棒性。为处理含噪输入，我们向 NMCC 算法引入一个偏差补偿向量（BCV），随后利用无偏性准则与若干合理假设计算该 BCV。借助 BCV，由输入噪声引起的偏差可被有效抑制。系统辨识仿真结果表明，所提 BCNMCC 算法在含噪输入情形下优于其他相关算法，尤其在脉冲型输出噪声环境中。
引用
@article{arxiv.1711.08677,
title = {Bias-Compensated Normalized Maximum Correntropy Criterion Algorithm for System Identification with Noisy Input},
author = {Wentao Ma and Dongqiao Zheng and Yuanhao Li and Zhiyu Zhang and Badong Chen},
journal= {arXiv preprint arXiv:1711.08677},
year = {2017}
}
备注
14 pages, 4 figures