基于三阶累积量的LMS算法及其在系统辨识中的应用.pdfVIP

信号处理 基于三阶累积量的LMS算法及在系统辨识中的应用+ 赵知动 (杭州电子工业学院电子工程系，310037杭州) [擅蔓】本文提出一种基于三阶累积量的LM$算j《．它基本保留了原LMS算法复杂度低、实现简 单的特点，同时又具有应用高阶曩积量的优点·FIR系统辨识的计算机仿真结果证明本算法的正确性． 关t词-景积量，LMS算法，系统辨识 一．引 言 近年来高阶统计量的研究空前活跃，已在各个领域获得了大量的应用．由于高阶统计量包含了 二阶统计量没有的大量丰富信息，使其在信号处理和系统理论等颁域得到广泛关注，例如自适应滤 波．由于LMS算法复杂度低、实现简单，是一种广泛应用的自适应滤波算法．目前，已有一种基于 累积量的LMS算法…，该方法利用累积量的投影公式，用三阶累积量估计自相关函数，最后得到LMS 算法中梯度的估计．这种算法计算复杂度大大增加．本文提出一种基于三阶景积量的LMS算法．它 基本保留了原LMs算法复杂度低、实现简单的特点，同时又具有应用高阶景积量的优点．本文以系 统辨识为基础介绍奉算法． 二、理论基础 系统辨识模型如下 图1系统辨识框图 假设1：观测噪声fy扫一)是零均值、高斯色噪声． 假设2：信号(J扫一}是零均值、非高斯i．i．d．过程，其三阶累积量不等于零，即r打巧厶’例，≠O． 假设3t {V南Jl与{f疗∥)相互统计独立． 设待辨识系统为线性时不变系统，并可表示成FIR形式．其系统函数为 L —i Ⅳ(7)2f磊h(啦‘ ·浙江省自然科学基金项目、电科院预研基金项日资助课题． 信号处理 139 式中h“J．O≤i≤L，为系统的单位脉冲响应，并满足／I(0)≠0．系统输出为 工 ”(”)。盂6(啦(”一‘) (2) 其二阶累积量(即自相关函数)和三阶累积量分别为 C2w(辨)；占fw(月)州月{坍)) (3) C3w(m1，ra2)=E{w(n)w(n+m1)w(n+坍2)} (4) 三、基于三阶累积量的LMS算法 设自适应滤波器的权系数向量为 』=[如ar屯，…，^]’ (5) ， Widrow提出的基于均方误差 v=Et。1(n)1 (6) 最小准则的LMS算法…为 ai(n+1)=ai(n)+2p*(n)xfn—1) (7) 其中fm，=d加J--y向，。Delopoulos与Giannakis[31提出使下式最小的准则 豇兰q，(。+，)F2(删 (8) 类似得出(7)式的方法，下面推导基于min矿的LMS算法。令 00 黾(”)2，妄。(“+。) (9) 对矿取近似，得 矿一黾伽)e2(n) (10) a矿