基于成比例归一化最小均方误差算法的压缩感知信号重构

在压缩感知理论框架中,一个关键问题是信号的稀疏重构。这个问题可以归结为一个结构化的非光滑优化问题。本文提出了一种基于自适应滤波成比例归一化最小均方的压缩传感重构算法ASS-ZA-LMS-SA(adaptive step size zeroattraction least mean square sigmoid algorithm),在该算法中,为了提高算法的收敛性,我们将sigmoid函数引入到压缩感知重构的代价函数中,此外,我们利用自适应滤波与信号稀疏重构的相似性,将成比例归一化最小均方算法应用到压缩感知重构,设计了一种基于自适应滤波算法的压缩感知稀疏信号重构算法。实验结果表明,与传统的压缩感知重构算法相比,我们所提出的算法具有更高的重构精度以及更快的收敛速度。

分数布朗运动环境下上证50ETF期权定价的实证研究

合理的期权价格是期权交易的前提.基于上证50ETF期权的最新数据,运用经典的Black-Scholes定价模型、蒙特卡洛模拟期权定价方法和分数布朗运动定价模型对上证50ETF期权价格进行实证研究.结果表明:分数布朗运动定价模型相比较经典的Black-Scholes定价模型和蒙特卡洛方法在接近期权的实际成交价格时均方误差和均方比例误差更小,能够较为准确地、有效地模拟出上证50ETF期权的价格,从而对投资者的期权交易行为具有一定的指导作用,也为国内其他品种的期权定价研究提供参考.

一种低复杂度的稀疏控制MPNLMS算法

稀疏控制算法将稀疏性系数加入到步长控制因子递推计算过程中,加速了传统回声消除算法的收敛速度。但其快速收敛与低复杂度是一对矛盾的需求。针对这一矛盾,提出了一种基于集员滤波的稀疏控制MPNLMS算法(SM-SCMPNLMS)。该算法中只有当参数估计误差大于给定的误差门限时滤波器系数才进行迭代更新,从而有效地减少了滤波器系数的迭代次数。在稀疏、色散路径以及路径突变三种环境下进行了仿真,结果表明新算法在降低计算复杂度的同时,表现出了与稀疏控制MPNLMS算法同样优良的收敛速度和稳态回波返回损失强度。