可变数据重用因子仿射投影算法

从修改传统仿射投影算法(Affine Projection Algorithm,APA)的约束条件出发,推导出了一种新的可变数据重用因子仿射投影算法。该算法解决了传统APA算法收敛速度与稳态失调和计量复杂度之间的矛盾,实现了在初始阶段数据重用因子大,收敛后数据重用因子小的目标。仿真结果表明该算法最终达到了高数据重用因子APA的收敛速度和NLMS算法的计算量和稳态失调。

一种新的变阶仿射投影算法

从改变仿射投影算法的条件出发,迫使仿射投影算法(APA)后验误差等于噪声,提出一种新的变阶仿射投影算法(E-APA)。该算法令迭代过程中阶数正比于误差向量的L2范数的平方与噪声功率之比,通过调节正则化因子来改变二者比值,从而实现了在初始阶段输入阶数较大,在收敛阶段输入阶数较小。实验结果表明该算法收敛速度快,稳态失调小,计算量少,优于目前最好的变阶算法(E-APA)。

加权部分更新仿射投影算法

从数据重用因子出发,得到了基于部分更新仿射投影算法(SR-APA)的改进算法。该算法通过加权改变了SR-APA的数据筛选规律,从而降低了等效数据重用因子,并且通过对未加权原始数据的重新利用巧妙地避免了加权带来的条件数增加问题,最终达到了降低稳态均方误差(MSE)的效果。仿真结果表明,该算法不仅MSE比SR-APA低,收敛速度也比SR-APA快。在收敛速度相同时,该算法计算量只有SR-APA计算量的50%左右。