[发明专利]一种鲁棒的稀疏多任务自适应系统及迭代方法

说明书

本发明公开了一种鲁棒的稀疏多任务自适应系统，包括：节点邻域子集选取模块，用于选取自适应系统中每个节点进行参数向量更新时需要用到的节点邻域子集；抗脉冲噪声干扰模块，用于对自适应系统节点的数据进行符号运算；l₀范数和簇相似性约束模块，用于加快自适应系统估计未知参数向量时的收敛速度；参数向量估计模块，用于更新参数向量的估计值。采用多任务的拓扑结构、抗脉冲噪声干扰、l₀范数和簇相似性约束和参数向量估计来更新自适应系统的各个节点权值系数向量，既能提高估计稀疏参数向量时的收敛速度，又能在处理多任务时保持较低的稳态失调。

技术领域

本发明涉及自适应系统设计技术领域，具体地涉及一种鲁棒的稀疏多任务自适应系统及迭代方法。

背景技术

扩散式最小均方(DLMS)[Cattivelli F S,Sayed A H.Diffusion LMSstrategies for distributed estimation.IEEE Transactions on Signal Processing,2010,58(3):1035-1048]和扩散式仿射投影(DAPA)[Li Lei-lei, Lopes C G.Distributedestimation over an adaptive incremental network based on the affineprojection algorithm.IEEE Transactions on Signal Processing,2010,58(1):151-164]自适应系统在无线传感器网络等领域具有广泛应用。

稳态失调和收敛速度是评价自适应系统性能的两个主要性能指标。稳态失调决定了逼近未知系统所能达到的精度，而收敛速度决定了自适应系统逼近未知系统需要的时间。影响自适应系统的稳态失调的因素包括受到脉冲噪声干扰、多任务拓扑环境等。当自适应系统的输入端受脉冲噪声干扰时， DLMS和DAPA自适应系统的稳态失调会增大，甚至发散。采用取符号运算的扩散式仿射投影符号(DAPSA)自适应系统[倪锦根,马兰申.抗脉冲干扰的分布式仿射投影符号算法.电子学报,2016,7(44):1555-1560]，能够大大减少脉冲噪声对自适应系统的干扰，既保持了较快的收敛速度，又能获得较低的稳态失调。上述网络主要适用于所有节点估计相同参数向量的单任务网络，当网络需要估计多个参数向量时(即多任务网络)，使用上述网络会产生较大偏差和非常大的稳态失调。为了获得更低的稳态失调，需要设计一种适用于多任务参数向量估计且具有抗脉冲干扰能力的自适应系统。在自适应系统文献中，网络的抗脉冲干扰能力也称之为网络是鲁棒的。此外，影响自适应系统的收敛速度的原因之一是未知系统向量的稀疏度。一个未知系统，其接近或等于0的系数越多，则其稀疏度越高；反之，其稀疏度越低。当未知系统稀疏度很高时，传统的DLMS和DAPSA的收敛速度十分缓慢。

发明内容

为了解决现有技术存在的问题，本发明目的是：提供一种鲁棒的稀疏多任务自适应系统，采用多任务的拓扑结构、抗脉冲噪声干扰、l₀范数和簇相似性约束和参数向量估计来更新自适应系统的各个节点权值系数向量，既能提高估计稀疏参数向量时的收敛速度，又能在处理多任务时保持较低的稳态失调。

本发明的技术方案是：

一种鲁棒的稀疏多任务自适应系统，包括：

一节点邻域子集选取模块，根据网络拓扑结构的节点n的邻域N_n和该节点所在的簇C_n，得到交集N_n∩C_n和差集N_n\C_n，计算自适应参数c_l,n和联合参数a_l,n；

一抗脉冲噪声干扰模块，计算抗脉冲噪声向量；

一l₀范数和簇相似性约束模块，估算l₀范数和簇相似性约束；