基于双曲正切函数框架的最小均方算法

自适应滤波器在自适应控制、噪声消除、信道均衡、系统辨识以及生物医学等领域的应用中发挥着重要作用。由于其简单性、低计算量和易于实现等特点，其中最流行的自适应滤波算法是最小均方（Least Mean Square,LMS）算法。传统的LMS算法在处理高斯信号时具有良好的收敛性能，然而，针对非高斯信号的处理，自适应LMS算法的收敛性较差，甚至无法收敛。为了改进LMS算法在非高斯噪声干扰下的收敛性，本文通过将传统的LMS算法的代价函数嵌入到双曲正切（Hyperbolic Tangent）函数框架中设计了一种新的代价函数，从而提出了一种鲁棒的双曲正切最小均方（Hyperbolic Tangent Least Mean Square,HTLMS）算法。此外，针对HTLMS算法存在收敛速度与稳态误差相矛盾的问题，本文设计了一种可变λ参数的双曲正切最小均方（Variableλ-parameter Hyperbolic Tangent Least Mean Square,VHTLMS）算法。仿真结果表明，在系统辨识应用场景中，与LMS算法、最大相关熵准则（Generalized Maximum Corr...