• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文OA文献 >A Recursive Least M-Estimate Algorithm for Robust Adaptive Filtering in Impulsive Noise: Fast Algorithm and Convergence Performance Analysis
【2h】

A Recursive Least M-Estimate Algorithm for Robust Adaptive Filtering in Impulsive Noise: Fast Algorithm and Convergence Performance Analysis

机译：脉冲噪声中鲁棒自适应滤波的递归最小m估计算法：快速算法和收敛性能分析

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper studies the problem of robust adaptive filtering in impulsive noise environment using a recursive least M-estimate algorithm (RLM). The RLM algorithm minimizes a robust M-estimator-based cost function instead of the conventional mean square error function (MSE). Previous work has showed that the RLM algorithm offers improved robustness to impulses over conventional recursive least squares (RLS) algorithm. In this paper, the mean and mean square convergence behaviors of the RLM algorithm under the contaminated Gaussian impulsive noise model is analyzed. A lattice structure-based fast RLM algorithm, called the Huber Prior Error Feedback-Least Squares Lattice (H-PEF-LSL) algorithm1 is derived. It has an order O(N) arithmetic complexity, where N is the length of the adaptive filter, and can be viewed as a fast implementation of the RLM algorithm based on the modified Huber M-estimate function and the conventional PEF-LSL adaptive filtering algorithm. Simulation results show that the transversal RLM and the H-PEF-LSL algorithms have better performance than the conventional RLS and other RLS-like robust adaptive algorithms tested when the desired and input signals are corrupted by impulsive noise. Furthermore, the theoretical and simulation results on the convergence behaviors agree very well with each other.
机译：本文使用递推最小M估计算法（RLM）研究脉冲噪声环境中的鲁棒自适应滤波问题。 RLM算法最大程度地减少了基于鲁棒的基于M估计量的成本函数，而不是传统的均方误差函数（MSE）。先前的工作表明，与传统的递归最小二乘（RLS）算法相比，RLM算法为脉冲提供了更高的鲁棒性。本文分析了在污染的高斯脉冲噪声模型下RLM算法的均方和均方收敛行为。推导了一种基于网格结构的快速RLM算法，称为Huber先验误差反馈-最小二乘方格（H-PEF-LSL）算法。它具有O（N）阶的算法复杂度，其中N是自适应滤波器的长度，可以看作是基于改进的Huber M估计函数和常规PEF-LSL自适应滤波的RLM算法的快速实现算法。仿真结果表明，当期望信号和输入信号被脉冲噪声破坏时，横向RLM和H-PEF-LSL算法具有比常规RLS和其他类似RLS的鲁棒自适应算法更好的性能。此外，关于收敛行为的理论和仿真结果非常吻合。

著录项

  • 作者

    Zou YX; Chan SC;

  • 作者单位
  • 年度 2004
  • 总页数
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号