排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
针对α稳定分布噪声环境下的自适应滤波问题,提出一种新的基于梯度范数的变步长归一化最小平均p范数(variable step size normalized least mean p norm, VSS-NLMP)算法。该算法首先对梯度矢量进行加权平滑,以减小梯度噪声的影响,然后利用梯度矢量能够跟踪自适应过程的均方偏差这一特点,利用梯度矢量的欧氏范数控制步长的变化。给出了新算法的迭代过程,然后对其收敛性进行分析,仿真结果表明本算法较现有变步长NLMP算法有更好的性能。 相似文献
2.
3.
基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。 相似文献
4.
针对有限采样数据样本中含有期望信号时自适应波束形成器性能下降的问题,提出了一种不需要任何参数设定的稳健自适应波束形成算法.该算法利用收缩方法得到一个增强的协方差矩阵估计值,替代传统的采样协方差矩阵,提高了算法的性能.为了克服信号导向矢量存在误差时对波束形成器性能的影响,对算法进行进一步的扩充,使其既能改善小快拍时协方差矩阵的估计值又能克服期望信号导向矢量的失配.仿真结果表明:该方法不仅能够改善小快拍情况下波束形成器的性能,而且还能克服期望信号导向矢量失配带来的不利影响. 相似文献
5.
针对非高斯α稳定分布的联合参数估计问题,基于贝叶斯推理和马尔可夫链蒙特卡罗(MCMC)方法,提出一种将自适应Metropolis(AM)采样与延迟拒绝(DR)算法相结合的参数估计新方法.在贝叶斯框架下,本方法将所有待估计参数均视为随机变量,把参数估计问题转化为概率计算问题;然后通过将全局自适应与局部自适应采样相结合,可... 相似文献
1