[发明专利]约束总体最小对数双曲余弦自适应滤波器

说明书

本发明公开一种约束总体最小对数双曲余弦自适应滤波器，属于数字滤波器设计领域。该自适应滤波器由线性约束条件和对数双曲余弦函数建立，同时引入了总体最小二乘的方法。引入线性约束使得自适应滤波器能更好地符合实际环境，通过最小化对数双曲余弦函数提高了算法的鲁棒性以及收敛速度，并利用总体最小二乘法使得算法能够有效地解决输入信号被噪声污染时性能下降的问题。本发明公开的约束总体最小对数双曲余弦自适应滤波器可以应用于输入和输出信号均受到噪声干扰的电子和通信系统中。

技术领域

本发明公开了一种自适应滤波器，具体地公开了约束总体最小对数双曲余弦自适应滤波器，属于数字滤波器设计领域。

背景技术

约束自适应算法广泛应用于系统辨识、波束形成和盲干扰抑制等领域。线性约束通常来自对所考虑问题的某些参数或属性的先验知识，例如波束形成应用中用户信号的到达方向(DOA)信息。约束最小均方(CLMS)算法是第一个线性约束自适应算法，源于波束形成中线性约束最小方差(LCMV)问题的自适应解决方案。该算法具有性能优异、易于实现等优点，但收敛速度慢，特别是在输入高度相关的情况下。为了解决这一问题，随后提出了约束递归最小二乘(CRLS)算法和约束仿射投影(CAP)算法。然而，当环境中含有脉冲噪声时，这些算法的性能较差，甚至无法正常工作。之后为了解决脉冲噪声带来的问题，Siyuan Peng等人提出了一种约束最大相关熵自适应算法[Peng S,Chen B,Sun L,et al.Constrainedmaximum correntropy adaptive filtering[J].Signal Processing,2017,140:116-126]，但此算法在输入信号存在噪声的情况下表现较差。

在某些情况下，系统的输入信号可能受到采样误差或环境干扰等噪声的影响，从而导致较大的稳态MSE。这一问题可以用变量误差(error-in-variable,EIV)模型来描述，EIV模型下的两种重要方法是偏置补偿和总体最小二乘法(TLS)。然而，TLS对脉冲噪声的鲁棒性较差。因此，基于最大相关熵准则，有研究者提出了最大总相关熵(MTC)算法。之后Qian等人基于这一思想，提出了一种约束总最大相关熵算法[Qian G,He F,Wang S,etal.Robust constrained maximum total correntropy algorithm[J].SignalProcessing,2021,181:107903]来解决鲁棒约束自适应滤波问题,然而，在重尾脉冲噪声下，此算法的性能仍然不尽如人意。

发明内容

为了解决上述问题，本发明提出了约束总体最小对数双曲余弦自适应滤波器(简记为CLTL)。

该滤波器采用线性约束策略和对数双曲余弦代价函来更新其系数向量，同时结合总体最小二乘的方法，从而提高其对抗脉冲噪声的能力，有效的解决了输入信号和输出信号被噪声污染导致的性能下降问题。

为实现上述的方案，本发明意在于提出一种CLTL滤波器，用于在输入信号和输出信号同时被噪声污染的环境下更好地模拟出线性约束系统的特征，从而实现更有效的系统辨识。

该CLTL滤波器更新系数向量包含如下步骤：

1)通过n时刻的输入信号和期望信号计算误差信号e_n，即其中为被噪声u_n污染的输入信号，为被噪声v_n污染的期望信号，x_n＝[x_n,x_n-1,...x_n-M+1]^T为由输入信号的前M个样值{x_n,x_n-1,...x_n-M+1}构成的输入向量，w_n＝[w_0,n,w_2,n,...w_M-1,n]^T为自适应滤波器的M个抽头系数构成的系数向量，T表示转置运算；