РОБАСТНА ІДЕНТИФІКАЦІЯ ОБ’ЄКТІВ ЗА НАЯВНІСТЮ НЕГАУСІВСЬКИХ ЗАВАД
DOI:
https://doi.org/10.30837/bi.2019.2(93).02Ключові слова:
Комбінований критерій, градієнтний алгоритм, параметр зважування, рекурентна процедура, асимптотична оцінка, точність ідентифікаціїАнотація
Розглянуто задачу ідентифікації параметрів лінійного об’єкта за наявністю негаусівських завад на основі мінімізації комбінованого функціоналу, який поєднує властивості МНК та МНМ. Визначено умови збіжності градієнтного алгоритму ідентифікації в середньому і середньоквадратичному. Отримано аналітичні оцінки неасимпотичних та асимптотичних значень помилки оцінювання параметрів і точності ідентифікації. Показано, що ці значення помилки оцінювання і точності ідентифікації залежать від вибору параметра змішування.Посилання
Shao T. An affine projection sign algorithm robust against impulsive interferences / T. Shao, y.R. zheng, J. Benesty // Ieee Signal Process. lett. -2010- 17(4).-P. 327–330.
Shin J. Variable step-size affine projection sign algorithm / J. Shin, J. yoo, P. Park // electronics lett..- 2012.- 48(9). - P. 483–485
Lu L. A novel normalized sign algorithm for system identification under impulsive noise interference / l. lu, H. zhao, K. li, B. Chen //Int. J. of electronics and Communications.- 2015.- 69(11).-P. 1590–1598.
Huang H.J. A new variable step-size NlMS algorithm and its performance analysis/ H. Huang, J. lee // Ieee Trans. Signal Process. -2012.-60(4).-P. 2055–2060.
Casco-Sánchez F.M. A New Variable Step-Size NlMS Algorithm and its Performance evaluation in echo Cancelling Applications / F.M. Casco-Sánchez, R.C. Medina-Ramírez, M. lópez-guerrero //J. of Applied Research and Technology.- 2011.-.9.-3.-P. 302-313
Huber P. Robust methods of estimation of regression coefficients / P. Huber // Statistics.- 1977.- 8.-1.-P. 41–53.
Хьюбер П. Робастность в статистике / П. Хьюбер – М.: Мир, 1984. – 304 с.
Hampel F.R. The influence curve and its role in robust estimation / F.R. Hampel // J. Amer. Statist. Assoc. – 1974. – June. – 69. – P. 383-393.
Hampel F.R. Robust Statistics. The Approach Based on Influence Function ./ F.R. Hampel, e.M. Ronchetti, P.J. Rousseeuw, W.A. Stahel.– N.y.: John Wiley and Sons, 1986. – 526 p.
Chambers J. A Robust Mixed-Norm Adaptive Filter / J. Chambers, A. Avlonitis // Ieee Signal Processing letters. – 1997. – 4. – 2. –P. 46–48.
Papoulis E.V. A Normalized Robust Mixed-Norm Adaptive Algorithm for System Identification / e.V. Papoulis, T. Stathaki // Ieee Signal Processing letters.- 2004. – 11. – 1. –P. 56–59.
Arenas-Garcia J. Adaptive combination of normalised filters for robust system identification. / J. Arenas-garcia, A.R. Figueiras-Vidal // electronics lett. –2005. – 41(15). – P. 874–875.
Rudenko O. Robust identification of non-stationary objects with nongaussian interference / O. Rudenko, O. Bezsonov, V. lebediev.N. Serdiuk // eastern-european Journal of enterprise Technologies, 2019. – № 5/4 (101). – P.44–52.
Walach, E. The least mean fourth (lMF) adaptive algorithm and its family / e. Walach, D. Widrow // Ieee Trans. –1984. – IT–30. –P. 275–283.
Bershad N. Mean-square stability of the normalized least mean fourth algorithm for white gaussian Inputs / N. Bershad, J.C.M. Bermudez// Digit. Signal Process. – 2011. –21(6). – P.694–700.
Eweda E. New insights into the normalization of the least mean fourth algorithm / e. eweda, A. zerguine // Signal Image Video Process. – 2013. –7(2). –P.255–262.
Eweda E. global stabilization of the least mean fourth algorithm / e. eweda // Ieee Trans. Signal Process. – 2012. – 60(3). –P. 1473–1477.
Eweda E. Stochastic analysis of a stable normalized least mean fourth algorithm for adaptive noise canceling with a white gaussian reference / e. eweda, N. Bershad // Ieee Trans. Signal Process. – 2012. – 60(12).P. 6235–6244.
Hübscher P.I. A mean-square stability analysis of the least mean fourth adaptive algorithm /P.I. Hübscher, J.C.M.Bermudez, V.H. Nascimento // Ieee Trans. Signal Process.- 2007.-55(8).-P. 4018–4028
Chambers J. least mean mixed-norm adaptive filtering / J. Chambers, O. Tanrikulu, A.g. Constantinides // electronics letters. – 1994. – 30. – 19. – P. 1574–1575.
Rakesh P. Modified least-mean mixed-norm algorithms for adaptive spars system identification under impulsive noise environment / P. Rakesh, T.K. Kumar, F. Albu //42 Int. Conf. on Telecommunications and Signal Processing (TSP), Budapesht, July, 2019. –1.– P. 557–561
Zerguine А. A variable-parameter normalized mixed-norm (VPNMN) adaptive algorithm / A. zerguine // euRASIP Journal on Advances in Signal Processing 2012, 2012:55.- 13 p. http://asp.eurasipjournals.com/content/2012/1/55
Zerguine А. A time-varying normalized mixed-norm lMSlMF algorithm / A. zerguine // 11 th european Signal Proc. Conf., Toulouse, France CNuM, 3-6 Sep 2002. – 4 p. https://www.eurasip.org/Proceedings/eusipco/2002/ articles/paper394.pdf
Price R. A useful theorem for nonlinear devices having gaussian inputs / R. Price // IReN Trans. Inform Theory. –1958. –4. – Р. 69–72. doi: 10.1109/TIT.1958.1057444
Вазан М. Стохастическая аппроксимация / М. Вазан. – М.: Мир, 1972. – 295 с.
