.png){kind=icon}
返回
Fixed-point constrained maximum total generalized correntropy: Convergence analysis and low-complexity algorithms
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ymssp.2026.114423.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，鲁棒线性约束自适应滤波受到了越来越多的关注，广义最大相关熵约束（CGMC）在处理脉冲噪声方面表现出良好性能。然而，当输入信号包含噪声时，CGMC的性能会受到显著影响。为解决此问题，我们首先基于误差变量（EIV）模型提出了一种固定点约束总广义相关熵（FP-CMTGC）算法。根据Banach不动点定理，我们对FP-CMTGC进行了收敛性分析。为提升其实际性能，进一步将梯度法和递归法应用于FP-CMTGC，得到两种在线版本，即CMTGC和递归CMTGC（RCMTGC）算法。此外，结合加权方法和领先二分坐标下降（DCD）策略，我们提出了RCMTGC的低复杂度版本，即DCD-RCMTGC。另外，我们推导了DCD-RCMTGC与原始RCMTGC之间的等价性分析。最后，通过多个仿真验证了算法收敛的有效性和所提算法的优越性。
Keyword:
Constrained adaptive filtering
Maximum total generalized correntropy
Errors-in-variables
Non-Gaussian noise
