基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
当被识别系统是稀疏系统时,传统的遗漏最小均方( LLMS )自适应算法收敛性能较差,特别在非高斯噪声环境中,该算法性能进一步恶化甚至算法不平稳收敛。为了解决因信道的稀疏性使算法收敛变慢的问题,对LLMS算法的代价函数分别利用加权詛1-norm和加权零吸引两种稀疏惩罚项进行改进;为了优化算法的抗冲激干扰的性能,利用符号函数对已改进的算法迭代式作进一步改进。同时,将提出的两个算法运用于非高斯噪声环境下的稀疏系统识别,仿真结果显示提出的算法性能优于现存的同类稀疏算法。
推荐文章
小波包变换结合最小均方自适应滤波算法
近炸引信
自适应滤波
抗干扰
小波包变换
最小均方算法
利用K-L域惩罚加权最小均方平滑对低剂量CT投影数据进行噪声滤除
减少噪声
低剂量CT
非标准高斯噪声
(K-L)变换
惩罚加权最小均方平滑
基于最小线性均方估计的小波去噪算法
均方误差
小波系数
去噪
线性估计
核集员双归一化最小均方算法
集员滤波
核集员双归一化LMS算法
最小化扰动原理
拉格朗日乘子法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 抗冲激干扰的稀疏惩罚约束遗漏最小均方算法
来源期刊 电讯技术 学科 工学
关键词 稀疏系统识别 自适应算法 冲激干扰 收敛性
年,卷(期) 2016,(10) 所属期刊栏目 电子与信息工程
研究方向 页码范围 1153-1158
页数 6页 分类号 TN912.3
字数 3721字 语种 中文
DOI 10.3969/j.issn.1001-893x.2016.10.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林云 重庆邮电大学移动通信技术重庆市重点实验室 57 107 5.0 7.0
2 晏国杰 重庆邮电大学移动通信技术重庆市重点实验室 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
稀疏系统识别
自适应算法
冲激干扰
收敛性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电讯技术
月刊
1001-893X
51-1267/TN
大16开
成都市营康西路85号
62-39
1958
chi
出版文献量(篇)
5911
总下载数(次)
21
总被引数(次)
28744
论文1v1指导