摘要: 为了改善归一化子带自适应滤波((normalized subband adaptive filter,NSAF)算法在非高斯噪声环境下的滤波性能,本文将混合相关熵准则和分数阶微分应用于NSAF算法。一方面借助混合相关熵具有的鲁棒性,有效抑制异常噪声值对算法性能的影响;另一方面在权重更新时增添分数阶微分部分,因为分数阶微积分以加权的形式考虑了数据的整体信息,可以更准确地描述实际系统,进而提高算法的滤波性能。在非高斯冲击噪声和有色噪声环境下,将所提算法应用于系统辨识和非线性信道均衡。仿真结果表明,所提算法与已有鲁棒算法相比具有更强的鲁棒性和较好的系统跟踪与估计能力。
中图分类号: