基于l_1-范数约束的递归互相关熵的稀疏系统辨识
Recursive Maximum Correntropy Criteria Algorithm with l_1-norm Constraints for Sparse System Identification作者机构:西安航空学院理学院陕西西安710077 西安理工大学自动化与信息工程学院陕西西安710048 南京邮电大学通信与信息工程学院江苏南京210003
出 版 物:《信号处理》 (Journal of Signal Processing)
年 卷 期:2016年第32卷第9期
页 面:1079-1086页
核心收录:
学科分类:11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学]
基 金:国家自然科学基金(61401069) 陕西省教育厅专项科研计划项目(15JK1379) 西安航空学院科研基金资助项目(2016KY1214 2014KY1210)
主 题:互相关熵 l1-范数限制 递归 稀疏系统辨识 脉冲噪声
摘 要:为了有效解决脉冲噪声环境下的稀疏系统辨识(Sparse system identification,SSI)问题,以l1-范数为约束构建稀疏递归互相关熵准则(Recursive maximum correntropy criterion,RMCC)算法来解决脉冲噪声对于辨识性能的影响。结合带遗忘算子的互相关熵准则和l1-范数作为代价函数,推导出一种递归形式的算法,其相对于传统的最大相关熵算法具有快的收敛速度及小的稳态误差。仿真实验结果表明:该算法对于脉冲噪声干扰环境下的SSI问题具有强的鲁棒性。