.png){kind=icon}
返回
Robust Recursive Widely Linear Diffusion Adaptive Filtering With Linear Constraint
.png){kind=icon}
PRE
AI
DOI：10.1109/TAES.2026.3654906.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代分布式估计系统，尤其是在分布式传感器网络中，包括雷达和导航系统，经常需要在线性约束条件下处理被复杂噪声污染的复数值信号。传统的扩散自适应滤波器在这种具有挑战性的环境中通常缺乏鲁棒性，并且无法融入结构约束，从而限制了其实际有效性。本文提出了一种基于复高斯混合模型（CGMM）的广泛线性扩散约束算法。该算法的参数通过为CGMM专门推导的期望最大化方法进行优化。理论分析在线性约束条件下建立了所设计算法的收敛性和稳态性能。在线性约束条件下，针对各种噪声分布的大量仿真结果表明，所设计的方法在估计精度上具有优势，尤其是在传统方法失效的场景中，并验证了理论性能评估的有效性。
Keyword:
Complex Gaussian mixture model (CGMM)
constrained adaptive filtering
diffusion
recursive estimation
widely linear
期刊
IF:
5.7
论文数:
827
被引数:
2.4W
机构
引用论文
.png){kind=icon}
分享收藏Channel Estimation and Beamforming Using Constrained q-Renyi Kernel Functioned Adaptive Algorithm
PREAI
分享收藏分享收藏
查看更多内容