用于稀疏系统辨识的优化零吸引变步长NLMS算法

针对常规归一化最小均方算法存在收敛速度与性能难以平衡以及未考虑稀疏系统特性的问题,文中提出一种用于稀疏系统辨识的优化零吸引变步长归一化最小均方(OZVSS-NLMS)算法。该算法采用通过最小化即将到来的系数均方偏差以获取最优步长的变步长策略,同时在系数迭代过程中引入一种带有测量噪声信息的优化零吸引函数,解决了常规固定步长算法收敛速度与性能无法平衡以及常规变步长算法在稀疏系统下性能受限的问题,同时改善了算法对测量噪声敏感的缺陷。仿真实验结果表明,与其他同类算法相比,所提算法在稀疏系统辨识场景下具有更好的稳态性能、更快的收敛速度,且对测量噪声更具鲁棒性,充分证明了该算法的有效性。