面向脉冲噪声环境的具有联合优化参数的鲁棒稀疏感知 RLS 算法研究
信号处理
2022-05-11 v1 信息论
机器学习
math.IT
摘要
本文提出一种统一的稀疏感知鲁棒递归最小二乘 RLS（S-RRLS）算法，用于脉冲噪声下稀疏系统的辨识。所提算法仅通过替换指定的鲁棒性准则与稀疏感知惩罚即可推广多种算法。此外，通过联合优化遗忘因子与稀疏惩罚参数，我们开发了联合优化的 S-RRLS（JO-S-RRLS）算法，其不仅表现出低失配，而且能良好跟踪稀疏系统的突变。在脉冲噪声场景中的仿真表明，所提 S-RRLS 与 JO-S-RRLS 算法优于现有技术。
引用
@article{arxiv.2204.08990,
title = {Study of Robust Sparsity-Aware RLS algorithms with Jointly-Optimized Parameters for Impulsive Noise Environments},
author = {Y. Yu and L. Lu and Y. Zakharov and R. C. de Lamare and B. Chen},
journal= {arXiv preprint arXiv:2204.08990},
year = {2022}
}
备注
7 pages, 2 figures