论文部分内容阅读
针对经典最小均方（LMS）算法没有考虑冲击响应通常具有稀疏性的特点，一般的稀疏LMS算法当自适应趋于稳态时，对小系数施加过大的吸引力，导致稳态误差增大的缺点，提出对稀疏系统进行辨识的改进的lp（0〈p≤1）范数惩罚约束的自适应算法——加权lp范数惩罚（reweighted lp norm penalty）LMS算法。该算法的主要思想是在惩罚函数中加入一个更新权值，适当地调节吸引力的大小。计算机仿真实验结果表明了该算法的可取性，并且其在收敛速度和稳态性方面优于现有的稀疏系统辫识方法。