具有相关熵诱导度量惩罚的稀疏感知归一化最小均p幂算法
信息论
2015-03-04 v1 math.IT
摘要
为辨识非高斯脉冲噪声系统，提出了归一化LMP(NLMP)以应对脉冲引起的不稳定性。然而，标准算法未考虑未知系统固有的稀疏结构分布。为利用稀疏性并减轻脉冲噪声，本文提出一种稀疏NLMP算法，即基于相关熵诱导度量(CIM)约束的NLMP (CIMNLMP)。此外，基于首个提出的算法，我们利用可变正则化参数(VRP)选择方法，提出一种改进的CIM约束可变正则化NLMP (CIMVRNLMP)算法，可进一步调整收敛速度和稳态误差。给出了数值模拟以验证所提算法。
引用
@article{arxiv.1503.00792,
title = {Sparsity Aware Normalized Least Mean p-power Algorithms with Correntropy Induced Metric Penalty},
author = {Wentao Ma and Hua Qu and Jihong Zhao and Badong Chen and Guan Gui},
journal= {arXiv preprint arXiv:1503.00792},
year = {2015}
}
备注
5 pages, 4 figures, submitted for DSP2015