[发明专利]基于偏差补偿块稀疏成比例NLMS的自适应估计方法

说明书

本发明涉及基于偏差补偿块稀疏成比例NLMS的自适应估计方法，属于信号估计及数字滤波器技术领域。所述方法步骤包括：1)预设迭代次数n，稀疏信道建模，得到稀疏系统模型；2)计算成比例矩阵；3)计算输入端未知加性噪声方差的估计值；4)基于成比例矩阵进行自适应权值更新，补偿稀疏信道估计值中由噪声引起的偏差；5)循环步骤2到步骤4，执行迭代更新直至到达预设的迭代次数n，方法收敛。所述方法应用于块稀疏系统，具有针对性更强的优势；针对输入端存在未知且不平衡的加性噪声的场景，不需要先验知识，能够实时估计噪声方差，同时能够能有效消除噪声对估计效果的影响，提升估计精度，优化效果明显；具有更高的收敛速度。

技术领域

本发明涉及基于偏差补偿块稀疏成比例NLMS的自适应估计方法，属于信号估计及数字滤波器技术领域。

背景技术

在现实生活中，通信系统模型往往具有稀疏性的结构，其中信道抽头值大多数系数为零或很小，只有少数系数处于显著状态，称之为稀疏系统或稀疏信道。典型的稀疏系统是回声信道，如声学回声信道和网络回声信道：声信号或电信号在空间或网络中经过多次反射后就产生了声学回声路径和网络回声路径，所以在进行通话时就会收到回声，为了抑制这样的影响，所以就有了回声或回波消除，针对稀疏系统的理论上的研究和工程上的应用都有相当重要的意义。

自适应系统辨识技术是一种有效地针对稀疏系统回声消除的方法，其含义是通过一定次数的迭代使设计的系统可以真实有效估计未知系统参数。自适应系统辨识技术的核心就是自适应滤波方法，在所有的自适应滤波方法中，归一化最小均方(Normalized LeastMean Square,NLMS)方法以其计算复杂度低、收敛性好、鲁棒性好，以及可以有效解决梯度噪声放大问题等优点被广泛应用于工程领域。

然而传统NLMS方法并没有考虑、利用系统的稀疏特性，它给待更新的每个参数都赋予同一个步长，因此大的参数相比小的参数需要更多的迭代次数来达到收敛。所以在实际的稀疏系统自适应辨识中有收敛慢精度低的缺点。在2000年学者提出了成比例NLMS(PNLMS)方法，这是最早的成比例自适应方法，引入了对角步长控制矩阵，在相应时刻给各个参数赋予与其对应的幅值估计的大小成比例一个步长。使用这种成比例自适应方法，收敛特性在整体上得到了加强，当系统稀疏度越高，成比例类方法优势也就越发明显。分块稀疏性是稀疏性的一种，称为块稀疏，其特征是有限的显著系数在一定区域内集中成块状。典型的块稀疏系统就是前面所提的回波信道和卫星链接通信信道。针对块稀疏特性，一些块稀疏成比例类方法被提出，以获得更高的收敛特性和更低的稳态误差。如有学者提出的块稀疏成比例NLMS(Block-sparse PNLMS)方法通过混合l2,1范数约束传统代价函数，块内系数使用l2范数约束，块间使用l1范数约束，这样充分考虑了块稀疏特性，提高了收敛速度并降低稳态误差。

在实际应用场景中，由于输入端经常受到加性噪声的影响，PNLMS方法的估计性能下降。为消除噪声对估计结果的影响，研究学者提出了针对输入含噪情况下的偏差补偿稀疏系统辨识方法,该方法通过迭代误差信号的方差来近似估计计算噪声方差，对系统参数的估计值进行补偿以消除噪声的影响，提高估计精度。该方法需要提前知道输入输出噪声比值，且运用迭代后期系统估计值与真值无偏的前提进行噪声方差近似计算。在很多实际情况下噪声方差等相关信息未知的情况下，这样有较大的局限性。考虑在簇稀疏的网络回波信道和系统输入端存在未知且不平衡的加性噪声的实际情况，提出一种新的偏差补偿自适应方法来进一步提升估计性能。

发明内容

本发明的目的在于进一步提高在稀疏信道中存在方差未知且不平衡的输入端加性噪声的情况下稀疏系统辨识的估计精度,提出了基于偏差补偿块稀疏成比例NLMS的自适应估计方法。

为实现上述技术目的，本发明采用如下技术方案予以实现：

所述自适应估计方法，包括以下步骤：

步骤A，预设迭代次数n，并进行稀疏信道建模，得到稀疏系统模型；