相关熵被广泛地应用于非高斯信号处理中,但是也不可避免步长与失调量之间的矛盾。为了解决这个矛盾,基于最大相关熵的凸组合(Convex combination of Maximum Correntropy Criterion,CMCC)滤波器被提出,以同时获得大步长滤波器的快收敛...相关熵被广泛地应用于非高斯信号处理中,但是也不可避免步长与失调量之间的矛盾。为了解决这个矛盾,基于最大相关熵的凸组合(Convex combination of Maximum Correntropy Criterion,CMCC)滤波器被提出,以同时获得大步长滤波器的快收敛速度和小步长滤波器的低失调量。但是,当两个步长不同的滤波器进行凸组合时,由于步长选取的差异,会导致组合滤波器的收敛速度和追踪最优值的能力下降。因此,提出了基于最大相关熵的多凸组合滤波器(Multi-convex Combination of Maximum Correntropy Criterion, MCMCC)。MCMCC算法能够提供数量更多不同步长的自适应滤波器,使得组合滤波器可以灵活地调节多个步长的权重占比,从而具有更好的追踪能力。仿真结果表明,在针对混合高斯噪声和突变的系统辨识中,MCMCC算法相比CMCC算法具有更快的收敛速度、再收敛能力和追踪能力。展开更多
文摘相关熵被广泛地应用于非高斯信号处理中,但是也不可避免步长与失调量之间的矛盾。为了解决这个矛盾,基于最大相关熵的凸组合(Convex combination of Maximum Correntropy Criterion,CMCC)滤波器被提出,以同时获得大步长滤波器的快收敛速度和小步长滤波器的低失调量。但是,当两个步长不同的滤波器进行凸组合时,由于步长选取的差异,会导致组合滤波器的收敛速度和追踪最优值的能力下降。因此,提出了基于最大相关熵的多凸组合滤波器(Multi-convex Combination of Maximum Correntropy Criterion, MCMCC)。MCMCC算法能够提供数量更多不同步长的自适应滤波器,使得组合滤波器可以灵活地调节多个步长的权重占比,从而具有更好的追踪能力。仿真结果表明,在针对混合高斯噪声和突变的系统辨识中,MCMCC算法相比CMCC算法具有更快的收敛速度、再收敛能力和追踪能力。
