α稳定分布噪声环境下DLMP算法的收敛特性分析

本文给出了分数低阶统计量的一个定理,对DLMP算法的收敛性进行了数学分析和理论证明.包括:DLMP算法代价函数的收敛性证明以及DLMP算法步长因子μ值的选取分析.当p=2时,DLMP算法的代价函数,算法估计结果的无偏性以及算法的步长因子μ值的选取范围均与基于二阶统计量的DLMS算法保持了统一.证明了DLMP算法为DLMS算法在α(1<α≤2)稳定分布噪声环境下的推广.

分数低阶α稳定分布下DLMP算法的收敛特性分析

DLMP算法是一种在高斯和分数低阶α稳定分布噪声环境下均具有良好韧性的EP信号潜伏期变化检测算法 .本文基于分数低阶统计量的原理 ,根据确定性平均方法 ,结合文中给出并证明的两个引理 ,对DLMP算法的收敛性能进行了理论分析和证明 .结果表明 ,若EP潜伏期变化为EP信号采样间隔的整数倍 ,则DLMP算法对这种变化的估计是无偏估计 .若整数倍的条件不满足 ,则DLMP算法的估计偏差不大于半个采样间隔 .