.png){kind=icon}
返回
Constrained maximum correntropy criterion based sparse algorithm for sparse channel estimation against noisy input
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04704-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了基于偏差补偿的稀疏感知线性约束归一化最大相关熵准则（CNMCC）自适应滤波算法。所提出的算法首先将基于& ell;1-范数的稀疏惩罚项整合到线性约束归一化最大相关熵准则自适应算法中，随后引入偏差补偿器以减少输入噪声产生的偏差。基于& ell;1-范数的稀疏惩罚项形成了两种算法：零吸引CNMCC（ZA-CNMCC）和加权零吸引CNMCC（RZA-CNMCC）。零吸引器加速了稀疏系数的收敛。此外，通过在ZA-CNMCC和RZA-CNMCC算法中添加偏差补偿器，通过使估计无偏来减轻输入噪声的负面影响。通过在MATLAB软件中进行的实验，验证了所提出的偏差补偿ZA-CNMCC（BC-ZA-CNMCC）和偏差补偿RZA-CNMCC（BC-RZA-CNMCC）算法在脉冲观测噪声存在下，针对线性约束稀疏信道估计应用中的有用性，与含噪输入进行比较。
Keyword:
Maximum correntropy criterion
Constraint adaptive filtering
Impulsive noise
Sparsity
Bias compensator
期刊
IF:
2.1
论文数:
877
被引数:
4.6K
机构
暂无机构信息
引用论文
Bias-compensated normalized maximum correntropy criterion algorithm for system identification with noisy input.png)
SIGNAL PROCESSING
OAAI
SIGNAL PROCESSINGIF3.6
OAAI分享收藏A Soft Parameter Function Penalized Normalized Maximum Correntropy Criterion Algorithm for Sparse System IdentificationEntropyOAAI
EntropyIF0
OAAI分享收藏分享收藏
查看更多内容