arXiv 1808.006132018-08eess.SYcs.SY

递归Geman-McClure方法用于实现二阶Volterra滤波器

Recursive Geman-McClure method for implementing second-order Volterra filter

College of Electronics and Information Engineering, Sichuan University（四川大学电子信息学院）；School of Electrical Engineering, Southwest Jiaotong University（西南交通大学电气工程学院）；College of Electrical and Information Technology, Sichuan University（四川大学电气信息学院）

Lu Lu, Wenyuan Wang, Xiaomin Yang, Wei Wu, Guangya Zhu

DOI：: 10.1109/TCSII.2018.2875039

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文提出了一种基于Geman-McClure估计器的递归二阶Volterra滤波器，分析了其均值稳定性和均方稳定性，并通过仿真验证了其在高斯和脉冲噪声环境中的优越性能。

摘要：

二阶Volterra（SOV）滤波器是建模非线性系统的一种强大工具。Geman-McClure估计器的损失函数是非凸的，并已被证明是学习系统的一种鲁棒且高效的优化准则。本文提出了一种名为SOV递归Geman-McClure的SOV滤波器，这是一种基于Geman-McClure估计器的自适应递归Volterra算法。详细分析了所提出算法的均值稳定性和均方稳定性（稳态过均方误差（EMSE））。仿真结果支持了分析发现，并展示了所提出的新型SOV滤波器在高斯和脉冲噪声环境中的改进性能。

英文摘要：

The second-order Volterra (SOV) filter is a powerful tool for modeling the nonlinear system. The Geman-McClure estimator, whose loss function is non-convex and has been proven to be a robust and efficient optimization criterion for learning system. In this paper, we present a SOV filter, named SOV recursive Geman-McClure, which is an adaptive recursive Volterra algorithm based on the Geman-McClure estimator. The mean stability and mean-square stability (steady-state excess mean square error (EMSE)) of the proposed algorithm is analyzed in detail. Simulation results support the analytical findings and show the improved performance of the proposed new SOV filter as compared with existing algorithms in both Gaussian and impulsive noise environments.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。