L0范数约束归一化子带自适应滤波算法：性能改进与AEC应用
系统与控制
2024-10-28 v2 系统与控制
摘要
受限于固定步长与稀疏惩罚因子，传统的稀疏感知归一化子带自适应滤波（NSAF）类算法在稀疏系统辨识中难以兼顾高滤波精度与更快收敛性能的矛盾需求。为解决该问题，本文提出变步长 L0 范数约束 NSAF 算法（VSS-L0-NSAFs）。我们首先基于新颖的权值递推形式创新性地分析了 L0-NSAF 的均方偏差（MSD）统计特性，并给出在背景噪声方差可知与不可知情形下的相应表达式，其中系统输入的相关程度由缩放参数 r 表示。基于推导，我们在一些合理假设与引理下通过最小化 MSD 上界发展了有效的变步长方案。此外，所提算法中融入了有效的重置策略以应对非平稳情形。最后，数值仿真证实，相较于现有相关算法，所提算法在稀疏系统辨识与自适应回声消除场景下于估计精度与跟踪能力方面均取得更优性能。
引用
@article{arxiv.2304.04647,
title = {L0-norm constraint normalized subband adaptive filtering algorithm: Performance development and AEC application},
author = {Dongxu Liu and Haiquan Zhao and Yang Zhou},
journal= {arXiv preprint arXiv:2304.04647},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication