[发明专利]基于最大相关熵的多凸组合自适应滤波方法

说明书

本发明提供了一种基于最大相关熵的多凸组合自适应滤波方法，该方法采用最大相关熵准则更新权重向量，并以该准则下的L个不同步长的自适应滤波器以凸组合的形式联合调制输出结果，以所述L个不同步长的自适应滤波器中步长最大的一个滤波器在滤波开始阶段保证多凸组合自适应滤波器的收敛速度，然后其它L‑1个滤波器在不同的时段根据混合系数调节所占权重比例，从而控制收敛速度和稳态量。本发明不仅提高了收敛速度，而且还保持了低的失调量，可以更灵活地调节多个步长比重，提高了再收敛能力和追踪能力。

技术领域

本发明属于信号处理领域，具体涉及一种基于最大相关熵的多凸组合自适应滤波方法。

背景技术

近些年来，自适应滤波器迅速发展成为一种最佳滤波方法。自适应滤波器是在维纳滤波、卡尔曼滤波等线性滤波基础上发展起来的一种滤波方法，由于它具有更强的适应性和更优的滤波性能，从而在工程实际中，尤其在信息处理技术中得到了广泛的应用。

自适应滤波的研究对象是具有不确定性的系统或者信息过程，这里的“不确定性”是指所研究的处理信息过程及其环境的数学模型不是完全确定的。其中包含一些未知因素和随机因素。任何一个实际的信息过程都具有不同程度的不确定性，这些不确定性有时表现在过程内部，有时表现在过程外部。从过程内部来讲，描述研究对象即信息动态过程的数学模型的结构和参数是设计者事先并不一定确切知道的。作为外部环境对信息过程的影响，可以等效地用扰动来表示。这些扰动通常是不可测的，它们可能是确定性的，也可能是随机的。此外，还有一些测量噪声，也以不同的途径影响信息过程。这些扰动和噪声的统计特性常常是未知的。面对这些客观存在的各式各样的不确定性，如何综合处理该信息过程，并使得某一些特定的性能指标达到最优或者近似最优，这就是自适应滤波所要解决的问题。

因为数学上的简易处理，以及计算复杂度的考虑，最小均方误差准则已经被广泛运用到自适应滤波器领域。但是线性的均方误差准则自适应滤波只能在底层系统是线性和高斯情况下较为理想，然而在大多数实际应用中面对的系统或者信息过程都是非高斯情况，这时最小均方误差准则下的自适应滤波器效果就不是很理想。

然而最大相关熵算法对于非高斯的信号过程却能够提供一个较为鲁棒的准则。最大相关熵代价函数在脉冲干扰和非线性系统中表现出很强的鲁棒性，并且有着与最小均方误差相近的复杂度和与最小误差熵相近的性能。众所周知，自适应滤波器中最重要的矛盾就是收敛速度与失衡量之间的矛盾，即收敛速度与失衡量之间成反比。这种矛盾在基于最大相关熵的自适应滤波器中也不例外。在基于最大相关熵的自适应滤波器中，收敛速度是由步长 kernel宽度决定。当kernel宽度一定时，滤波器的步长越大收敛速度越快，但失调量也越高；步长越小失调量越低，但收敛速度越慢。为了解决这个问题，学者已经把近些年比较流行的凸组合方式引入到基于最大相关熵的自适应滤波器中。虽然，凸组合的滤波器得到了大步长的滤波器快的收敛速度和小步长的滤波器的低失调量。但是在基于最大相关熵的凸组合(Convex combination of Maximum Correntropy Criterion,CMCC)滤波器中，因为只有两个步长不同的滤波器进行组合，会由于选取的步长差异，从而导致组合滤波器的收敛速度和追踪最优值能力下降。

发明内容

针对现有技术中存在的不足，本发明的目的在于，提供一种基于最大相关熵的多凸组合自适应滤波方法，解决现有技术的组合滤波器收敛速度和追踪最优值能力下降的技术问题。

为了解决上述技术问题，本申请采用如下技术方案予以实现：

一种基于最大相关熵的多凸组合自适应滤波方法，包括以下步骤：

采用最大相关熵准则更新权重向量，并以该准则下的L个不同步长的自适应滤波器以凸组合的形式联合调制输出结果，以所述L个不同步长的自适应滤波器中步长最大的一个滤波器在滤波开始阶段保证多凸组合自适应滤波器的收敛速度，然后其它L-1个滤波器在不同的时段根据混合系数调节所占权重比例，从而控制收敛速度和稳态量。