论文部分内容阅读
研究算法的优化问题,对比于传统的正则化最小均方算法(NLMS),成系数比例自适应算法(PNLMS)拥有较快的初始收敛速度,但是PNLMS并不是一种最优化的算法。改进了采用L0范数的IPNLMS算法以提高对稀疏系统进行辨识的性能。分析了近年来的几种系数比例算法的性能及其局限性,通过建立步长因子μ与误差信号e之间的非线性关系,提出了一种结合Sigmoid函数和L0范数的变步长系数成比例的规则化的LMS滤波算法。并对其与文中提到的算法进行了比较和分析,拥有更好的收敛性和稳态误差。