改进的低复杂度稀疏控制mpnlms算法.pdfVIP

改进的低复杂度稀疏控制 mpnlms 算法 1 引言 最近，随着数字信号处理技术的发展，稀疏控制算法逐渐受到业 界的关注，具有很好的应用前景。稀疏控制，也称稀疏估计，是建立 在稀疏优化基础上的一种迭代算法，兼具了传统最小均方差算法的特 性，更加关注模型的响应表示。其中的 MPNLMS 算法是传统的 LMS （Least mean squares）算法的改进，受到学术界和工业界青睐，应 用广泛。 2 改进的MPNLMS 算法 改进的 MPNLMS 算法是基于 MPNLMS 算法的，其基本思路是利用循 环归一化的方法调整更新步长，从而实现低复杂度的稀疏控制。具体 的实现步骤如下： （1）输入信号 x[n]通过状态空间模型计算输出 y[n]，计算均方 误差 mi:[n]； （2）根据均方误差mi:[n]更新滤波器 w，使得mi:[n]最小； （3）建立一系列步长参数 γ[n] 并存储； （4）以一定概率允许更新步长参数 γ[n] ，更新最新值 γ[n]使 其获得最小均方误差，并将其与之前的参数值相比，采用传统的循环 归一化的方法，使得 γ[n]的增量小，即 γ[n]=γ[n-1]/2； （5）重复（2）（3）（4）等步骤，至算法收敛。 3 结论