非高斯噪声下基于Wilcoxon范数的变步长符号扩散式仿射投影算法

扩散式仿射投影算法(DAPA)是实现分布式网络参数自适应估计的一种重要方法,该算法在输入信号存在相关性时仍快速收敛,但抑制具有脉冲特性的非高斯噪声能力弱,且固定步长对收敛性有所限制。为此,该文提出了基于Wilcoxon范数的变步长符号扩散式仿射投影算法(VSS-DWAPA)。首先,引入稳健估计理论中抗异常值能力强的Wilcoxon范数作为代价函数并根据其取值特点进行了符号量化,推导出了新的迭代方程;其次,针对固定步长的局限性,采用迭代方式实现了误差信号对步长的控制,在初始阶段和接近收敛阶段选择不同的步长,使算法具有更好的适应性。仿真结果表明,在非高斯噪声下本文的VSS-DWAPA算法在收敛性、跟踪性等方面均优于现有一些扩散式自适应滤波算法,同时在高斯噪声环境下也具有较好的性能。

基于Wilcoxon的仿射投影算法

在实际环境中异常值的存在会破坏基于l2范数优化准则的自适应滤波算法,然而在统计学中,基于秩的Wilcoxon方法通常对异常值不敏感,为此,通过以最小化加权Wilcoxon范数代替加权欧式范数作为代价函数,并利用Sign-Sign Wilcoxon比Sign Wilcoxon在存在异常值时有更快的收敛速度这一思想,提出一种基于Wilcoxon范数的变步长符号-符号仿射投影算法,该算法可以缓解基于Wilcoxon范数的符号-符号仿射投影算法固定步长的局限性。仿真结果表明,在非高斯噪声下,该算法与APA,WAPA,Sign WAPA,Sign-Sign WAPA相比具有更优越的性能。