项目名称: 自适应凸组合Volterra滤波理论与方法研究

项目编号: No.61271340

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 赵海全

作者单位: 西南交通大学

项目金额: 88万元

中文摘要: 自适应Volterrra滤波理论是非线性自适应信号处理中的一个重要研究方向,有着十分重要及广泛的应用。然而,计算复杂度高及算法的滤波性能不够理想等缺点限制了它在实际工程中的推广应用,具有并行特征的自适应凸组合Volterra滤波技术是解决该问题的一种有效途径。本项目将针对现代通信等领域中非线性、非平稳及非高斯等信号处理的需求,系统地研究低复杂性自适应凸组合Volterra滤波器的新型实现结构及高效稳定的自适应算法,并结合非线性信号产生的内在物理机制,探讨其工程应用前景,主要创新研究包括:1)基于插值滤波、时频分析以及Pipelined结构的自适应凸组合Volterra滤波器的新型实现结构研究;2)变记忆长度的自适应凸组合Volterra滤波算法研究;3)l0范数约束下的自适应凸组合Volterra滤波算法研究;4)基于Alpha稳定分布的自适应凸组合Volterra滤波算法研究。

中文关键词: 自适应Volterra滤波器;稀疏系统;Alpha噪声;凸组合;变步长

英文摘要: The theory of adaptive Volterra filter, an important research direction in present nonlinear adaptive signal processing, has been significantly and widely used. However, some drawbacks limit its future applications in engineering, such as high computational complexity and nonideal convergence performance of adaptive algorithms. Adaptive convex combined Volterra filtering theory with the pararell characteristics is an effective way to solve the problems. For the requirements of nonlinear, nonstationary and non-Gaussian signals processing in the areas of modern communications et al., the project will systematically study novel low-complexity implemented structures and high efficient stable algorithms of adaptive convex combined Volterra filter, and discuss its prospects on engineering applications by the inner physical mechanism of nonlinear signal generation. The main innovation researches include: 1) novel structures based on interpolated, time-frequency analysis and pipelined of adaptive convex combined Volterra filter; 2) variable memory length algorithms of adaptive convex combined Volterra filter; 3) adaptive algorithms based on the l0 norm constraints of the convex combined Volterra filter; 4) adaptive algorithms based on the Alpha stable distribution of the convex combined Volterra filter.

英文关键词: Adaptive Volterra filter;Sparse System;Alpha Noise;Convex Combination;Variable Step Size

成为VIP会员查看完整内容
0

相关内容

专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
57+阅读 · 2021年6月1日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
29+阅读 · 2021年4月12日
【AAAI2021】组合对抗攻击
专知会员服务
50+阅读 · 2021年2月17日
专知会员服务
42+阅读 · 2020年7月29日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
图神经网络的困境,用微分几何和代数拓扑解决
机器之心
4+阅读 · 2022年3月27日
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
魏哲巍:图神经网络的理论基础
图与推荐
0+阅读 · 2021年11月5日
图卷积神经网络(GCN)文本分类详述
专知
279+阅读 · 2019年4月5日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关VIP内容
专知会员服务
54+阅读 · 2021年9月18日
专知会员服务
57+阅读 · 2021年6月1日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
29+阅读 · 2021年4月12日
【AAAI2021】组合对抗攻击
专知会员服务
50+阅读 · 2021年2月17日
专知会员服务
42+阅读 · 2020年7月29日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
相关资讯
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员