用于稀疏系统辨识的零吸引最小均方算法 (2010年)

为显著提高对稀疏系统的辨识性能，提出了一种自适应算法。该算法将与稀疏性有重要关系的l1范数引入 LMS算法的代价函数中，并导出新的滤波器权系数更新公式。该公式在迭代过程中向权系数不断添加一个指向零矢量的修正量，使得在稀疏系统中占主要地位的零系数加速收敛，从而显著提高自适应算法的收敛速度和跟踪速度。理论分析并推导了算法的均值收敛过程。仿真结果表明：该算法无论对一般稀疏系统还是分簇稀疏系统，都能明显改善收敛性能，并且表现出良好的稳健性和通用性。