变步长解相关Volterra LMS算法

doi:10.3778/j.issn.1002-8331.2010.28.044

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (28): 157-159.DOI: 10.3778/j.issn.1002-8331.2010.28.044

• 数据库、信号与信息处理 • 上一篇下一篇

变步长解相关Volterra LMS算法

张秀梅¹，赵知劲^1，2，尚俊娜^1，2

1.杭州电子科技大学通信工程学院，杭州 310018
2.中国电子集团第36研究所通信系统信息控制技术国家级重点实验室，浙江嘉兴 314001

收稿日期:2009-02-25 修回日期:2009-04-13 出版日期:2010-10-01 发布日期:2010-10-01
通讯作者: 张秀梅

Variable step size decorrelation Volterra LMS algorithm

ZHANG Xiu-mei¹，ZHAO Zhi-jin^1，2，SHANG Jun-na^1，2

1.Telecommunication School，Hangzhou Dianzi University，Hangzhou 310018，China
2.State Key Lab of Information Control Technology in Communication System of No.36 Research Institute，China Electronic Technology Corporation，Jiaxing，Zhejiang 314001，China

Received:2009-02-25 Revised:2009-04-13 Online:2010-10-01 Published:2010-10-01
Contact: ZHANG Xiu-mei

摘要/Abstract

摘要： Volterra滤波器的非线性使输入向量自相关矩阵包含了输入信号的高阶统计量，导致矩阵特征值扩展很大，因此LMS算法收敛速度一般很慢。从降低输入信号的相关性出发，提出了一种变步长解相关Volterra NLMS算法。解相关能显著加快LMS算法的收敛速度，变步长能够改善算法的稳态性能，两者的有机结合，能明显改善算法性能。仿真结果表明，在不同输入信号相关性情况下，该算法有更好的收敛速度和稳态性能。

关键词: Volterra滤波器, 变步长, 解相关, 系统辨识

Abstract: For Volterra filter is nonlinear，the impact of nonlinear operations on the input signal results in that the date correlation matrix consists of higher order statistics and eigen values spread，so its convergence speed is very slow.This paper proposes a kind of algorithm of second order Volterra LMS algorithm using varying step size and decorrelation.Decorrelation can accelerate the convergence speed，and varying step size can improve steady state.The combination of both sides is able to improve the original algorithm’s convergence performance obviously.The simulation results have shown that the convergence speed of the improved algorithm is faster than that of VLMS algorithm，and the steady state of the improved algorithm is better than that of VLMS algorithm.

Key words: Volterra filter, variable step size algorithm, decorrelation, system identification

中图分类号:

TP391

张秀梅¹，赵知劲^1，2，尚俊娜^1，2. 变步长解相关Volterra LMS算法[J]. 计算机工程与应用, 2010, 46(28): 157-159.

ZHANG Xiu-mei¹，ZHAO Zhi-jin^1，2，SHANG Jun-na^1，2. Variable step size decorrelation Volterra LMS algorithm[J]. Computer Engineering and Applications, 2010, 46(28): 157-159.

[1]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[2]	桂龙，王爱平，丁国绅. 改进步长与策略的果蝇优化算法[J]. 计算机工程与应用, 2018, 54(4): 148-153.
[3]	陈彦冠1，丁文锐1，2，刘春辉2. 一种新的变步长频域块LMS算法[J]. 计算机工程与应用, 2017, 53(4): 140-144.
[4]	刘学博，李灯熬，赵菊敏，廖述剑. 基于变步长支持向量机的J波自动检测方法[J]. 计算机工程与应用, 2017, 53(23): 203-207.
[5]	耿宏，任道先，杜鹏. 基于NARX神经网络航空发动机参数动态辨识模型[J]. 计算机工程与应用, 2017, 53(12): 241-248.
[6]	张小恒1，2，李勇明2，朱斌2. 范数正则化解相关集成学习基音频率检测[J]. 计算机工程与应用, 2017, 53(11): 155-160.
[7]	李慧1，2，陈灿1. 一种多变量系统辨识法及其在蒸发过程的应用[J]. 计算机工程与应用, 2016, 52(12): 221-226.
[8]	黄明园，符杰林，仇洪冰. 非合作通信中的盲均衡技术研究[J]. 计算机工程与应用, 2015, 51(22): 95-98.
[9]	楼天良1，侯楚林2. 变步长比例归一化子带自适应滤波算法研究[J]. 计算机工程与应用, 2014, 50(9): 200-203.
[10]	李飞祥1，赵知劲1，2，赵治栋1. 一种分阶梯度加权平均变步长VLMP算法[J]. 计算机工程与应用, 2014, 50(4): 207-210.
[11]	杨旭1，2，沈俊鑫1. 基于可变步长的常数模盲均衡算法[J]. 计算机工程与应用, 2014, 50(23): 194-197.
[12]	韩中1，2，赵升吨2，张贵成2，3，阮卫平3，李建平3，沈红立3. 流程制造系统辨识的自动结构性建模方法[J]. 计算机工程与应用, 2014, 50(1): 227-231.
[13]	蒋照菁，辜方林，张杭. 一种基于NPCA的自适应变步长盲源分离算法[J]. 计算机工程与应用, 2013, 49(8): 206-208.
[14]	严平平1，赵知劲1，2，尚俊娜1，2，赵治栋1. 二阶Volterra变记忆长度LMP算法[J]. 计算机工程与应用, 2013, 49(3): 121-125.
[15]	黄正新，周永权. 变步长自适应萤火虫群多模态函数优化算法[J]. 计算机工程与应用, 2012, 48(8): 43-47.

变步长解相关Volterra LMS算法

Variable step size decorrelation Volterra LMS algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics