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 ...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。展开更多
在对变步长归一化最小均方误差(Variable step size normalized least mean square,VSS-NLMS)的几种算法以及各个算法在远端和双端通话模式下的性能分析比较的基础上,对NEW-NPVSS(NEW non-parametricVSS)算法进行了改进。在双端通话的...在对变步长归一化最小均方误差(Variable step size normalized least mean square,VSS-NLMS)的几种算法以及各个算法在远端和双端通话模式下的性能分析比较的基础上,对NEW-NPVSS(NEW non-parametricVSS)算法进行了改进。在双端通话的情况下改进算法具有更好的收敛性;然后提出了基于滤波器系数梯度的变步长新算法,当滤波器系数梯度小于门限值时,采用固定步长更新滤波器系数。反之,则停止更新滤波器系数,并且用远端模式下的系数替代当前系数。仿真结果表明所提出的算法在远端通话模式下比其他VSS-NLMS算法具有更好的收敛性,在双端情况下具有比固定步长NLMS(Normalized least mean square)和SVSS(Simple VSS)更好的收敛性。展开更多
文摘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。
文摘在对变步长归一化最小均方误差(Variable step size normalized least mean square,VSS-NLMS)的几种算法以及各个算法在远端和双端通话模式下的性能分析比较的基础上,对NEW-NPVSS(NEW non-parametricVSS)算法进行了改进。在双端通话的情况下改进算法具有更好的收敛性;然后提出了基于滤波器系数梯度的变步长新算法,当滤波器系数梯度小于门限值时,采用固定步长更新滤波器系数。反之,则停止更新滤波器系数,并且用远端模式下的系数替代当前系数。仿真结果表明所提出的算法在远端通话模式下比其他VSS-NLMS算法具有更好的收敛性,在双端情况下具有比固定步长NLMS(Normalized least mean square)和SVSS(Simple VSS)更好的收敛性。