一种分阶梯度加权平均变步长VLMP算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (4): 207-210.

一种分阶梯度加权平均变步长VLMP算法

李飞祥1，赵知劲1，2，赵治栋1

1.杭州电子科技大学通信工程学院，杭州 310018
2.中国电子科技集团第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

出版日期:2014-02-15 发布日期:2014-02-14

Variable step-size VLMP algorithm using divided-order gradient weighted average

LI Feixiang1, ZHAO Zhijin1，2, ZHAO Zhidong1

1.School of Communication Engineering, 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

Online:2014-02-15 Published:2014-02-14

摘要/Abstract

摘要： 通过平滑梯度矢量减小梯度估计误差，采用平滑梯度矢量的欧氏范数和误差信号的分数低阶矩更新步长因子，对一阶和二阶权系数采取分阶迭代更新，得到一种在[α]稳定分布噪声背景下变步长Volterra自适应滤波算法，分析证明了该算法的收敛性能。非线性系统辨识的仿真结果表明，算法较DOVLMP算法具有更快的收敛速度和更小的稳态失调。

关键词: &alpha, 稳定分布噪声, Volterra滤波器, VS-NLMP算法, 非线性系统辨识

Abstract: The estimate error is effectively reduced by smoothing gradient vector. The step factor is also updated by the Euclidean norm of the smoothed gradient vector and the fractional lower order moment of the error signal. The first-order and second-order weight coefficients are iteratively updated respectively. So a variable step-size adaptive algorithm for Volterra filter with the background of [α]-stable distribution noise is presented. The convergence performance of this algorithm is also analyzed and proved. Simulations results of a nonlinear system identification showed that the presented algorithm has faster convergence speed and smaller steady-state mis-adjustment than DOVLMP algorithm.

Key words: α-stable distribution noise, Volterra filter, Variable Step-size Normalized Least Mean P norm algorithm（VS-NLMP）, nonlinear system identification

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.

LI Feixiang1, ZHAO Zhijin1，2, ZHAO Zhidong1. Variable step-size VLMP algorithm using divided-order gradient weighted average[J]. Computer Engineering and Applications, 2014, 50(4): 207-210.

[1]	王灿，李凤莲，胡风云，张雪英，贾文辉. 面向特征融合的脑卒中脑电信号分类方法[J]. 计算机工程与应用, 2019, 55(24): 154-158.
[2]	孟彪龙，付巧峰，梁少辉. 格蕴涵代数中的极小素理想及α-理想[J]. 计算机工程与应用, 2018, 54(16): 44-48.
[3]	王蓉，惠小静，井美. 基于平均逻辑相似度的α-反向三I算法的鲁棒性[J]. 计算机工程与应用, 2018, 54(15): 34-37.
[4]	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.
[5]	贾俊杰，陈菲. [(α,k)]-匿名数据集的增量更新算法[J]. 计算机工程与应用, 2016, 52(14): 90-94.
[6]	刘东利. [L?n]系统中[α]-反向FMP和[α]-反向FMT问题的解[J]. 计算机工程与应用, 2016, 52(11): 26-29.
[7]	双靖宁，惠小静，贺锦瑞，高姣. 一种蕴涵算子下FMP模型的新型反向三I算法[J]. 计算机工程与应用, 2015, 51(20): 28-30.
[8]	刘熠1，2，徐扬2，贾海瑞2. 基于格值一阶逻辑[LF(X)]的多元[α]-归结原理的注记[J]. 计算机工程与应用, 2015, 51(14): 51-56.
[9]	李顺琴，惠小静. 修正的RDP逻辑系统中子代数的广义重言式理论[J]. 计算机工程与应用, 2015, 51(12): 49-52.
[10]	林政剑，熊美英，查代奉. 非高斯噪声背景下的诱发电位信号去噪方法[J]. 计算机工程与应用, 2014, 50(9): 186-188.
[11]	刘丽杰1，李盼池2，李守威3. 粒化（α，k）-匿名方法研究[J]. 计算机工程与应用, 2014, 50(2): 75-80.
[12]	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.
[13]	韩伟1，黄晓斌2，张燕3. Singer模型下α-β-γ滤波的新息序列特性分析[J]. 计算机工程与应用, 2013, 49(3): 156-158.
[14]	龙俊波1，汪海滨2，查代奉1. 稳定分布噪声环境下的EEG-MUSIC源定位[J]. 计算机工程与应用, 2013, 49(2): 122-125.
[15]	彭家寅. 基于蕴涵算子族H_(p,λ)的三I算法模糊系统[J]. 计算机工程与应用, 2013, 49(1): 53-58.