基于偏差补偿块稀疏成比例NLMS的自适应估计方法

摘要

本发明涉及基于偏差补偿块稀疏成比例NLMS的自适应估计方法，属于信号估计及数字滤波器技术领域。所述方法步骤包括：1)预设迭代次数n，稀疏信道建模，得到稀疏系统模型；2)计算成比例矩阵；3)计算输入端未知加性噪声方差的估计值；4)基于成比例矩阵进行自适应权值更新，补偿稀疏信道估计值中由噪声引起的偏差；5)循环步骤2到步骤4，执行迭代更新直至到达预设的迭代次数n，方法收敛。所述方法应用于块稀疏系统，具有针对性更强的优势；针对输入端存在未知且不平衡的加性噪声的场景，不需要先验知识，能够实时估计噪声方差，同时能够能有效消除噪声对估计效果的影响，提升估计精度，优化效果明显；具有更高的收敛速度。

权利要求

1.基于偏差补偿块稀疏成比例NLMS的自适应估计方法，其特征在于：包括以下步骤：步骤A，预设迭代次数n，并进行稀疏信道建模，得到稀疏系统模型；

步骤B，计算成比例矩阵，具体包括如下子步骤：步骤B1，计算无偏估计以及辅助向量嵌套的成比例因子；

其中，无偏估计的成比例因子gl(i)通过(1)计算：其中，gl(i)表示迭代时刻i的自适应滤波器第l个成比例因子；N＝L/P为分块数量，L为信道阶数，P是指定义的每块分区大小，γl(i)为迭代时刻i的无偏估计值嵌套最大值函数，为使每次迭代都不陷入停滞，该嵌套最大值函数为：γl(i)＝max{ρmax[δp，||ω1(i)||2，||ω2(i)||2…||ωN(i)||2]，||ωl(i)||2}，其中，||·||2代表二范数运算，ω(i)为自适应滤波器的无偏估计权向量，初始值为0向量，ω1(i)为迭代时刻i的无偏估计权向量ω(i)中的第一个元素；ω2(i)为迭代时刻i的无偏估计权向量ω(i)中的第二个元素；ωN(i)为迭代时刻i的无偏估计权向量ω(i)中的第N个元素；ωl(i)为迭代时刻i的无偏估计权向量ω(i)中的第l个元素；在每次迭代时都会更新成比例因子gl(i)，δp为开始迭代更新的一个正则化值，ρ为正则化因子；

通过(2)计算辅助向量嵌套的成比例因子g1l(i)；

其中，g1l(i)表示迭代时刻i的自适应滤波器第l个成比例因子；N＝L/P为分块数量，L为信道阶数，P是指定义的每块分区大小，γ1l(i)为迭代时刻i的估计向量嵌套最大值函数，为使每次迭代都不陷入停滞，该嵌套最大值函数为：γ1l(i)＝max{ρmax[δp，||β1(i)||2，||β2(i)||2…||βN(i)||2]，||βl(i)||2}，其中，||·T

||2代表二范数运算，β代表辅助向量且β＝[β1，β2，...βL] ，初始值为0向量，β1(i)为迭代时刻i的辅助向量β(i)中的第一个元素；β2(i)为迭代时刻i的辅助向量β(i)中的第二个元素；

βN(i)为迭代时刻i的辅助向量β(i)中的第N个元素；βl(i)为迭代时刻i的辅助向量β(i)中的第l个元素；在每次迭代时都会更新成比例因子g1l(i)，δp为开始迭代更新的一个正则化值，ρ为正则化因子；

步骤B2，依据(3)及(4)分别计算无偏估计以及辅助向量嵌套的成比例矩阵：G＝diag[g0(n)1P，g1(n)1P，…，gN‑1(n)1P]       (3)G1＝diag[g10(n)1P，g11(n)1P，…，g1N‑1(n)1P]     (4)其中，G代表无偏估计的成比例矩阵，G1代表辅助向量嵌套的成比例矩阵，G和G1均为对角阵，1P是长度为P的行向量且该向量的元素均为1；

步骤C，计算输入端未知加性噪声方差的估计值，包含以下步骤：步骤C1，依据(5)计算迭代时刻i的后向一步预测误差值ε(i)：T

ε(i)＝d(i‑1)‑β(i)·zi    (5)其中，d(i‑1)代表后向期望输出，zi代表有噪声干扰的输入信号，β(i)为计算步骤B1时T

引入的迭代时刻i的辅助向量，[·]代表向量的转置操作；

步骤C2，计算辅助向量β的估计值：根据(6)计算辅助向量β在迭代时刻i的迭代公式：其中，G1代表步骤B2中辅助向量嵌套的成比例矩阵，μ表示步长，δ代表正则化系数，β(i+1)迭代时刻i+1的辅助向量；

步骤C3，计算期望输出与预测误差的互相关函数的估计值其中， 的初始值为0，α为平滑因子，且取值范围在0.95～0.999之间，d(i)为迭代时刻i的期望输出；

步骤C4，计算迭代时刻i输入端的未知加性噪声方差估计值o

其中，ω代表步骤A建立的稀疏系统模型，E{β}表示β的数学期望；

步骤C5，使用当前瞬时值βi和i‑1时刻的传输信道无偏估计值ωi‑1分别替代公式(8)中o

的E{β}和ω，所以噪声方差估计值 用(9)表示：步骤D，基于成比例矩阵以及输入端未知加性噪声方差的估计值进行自适应权值更新，补偿稀疏信道估计值中由噪声引起的偏差，具体如(10)迭代公式所示：o

其中，G代表步骤B2中无偏估计嵌套的成比例矩阵，ω(i)为信道特性参数ω的无偏估T

计值，e(i)为迭代时刻i的误差值，且e(i)＝d(i)‑zi·ω(i)，δ代表正则化系数；

步骤E，循环步骤B到步骤D，执行迭代更新直至到达预设的迭代次数n，方法收敛。

2.根据权利要求1所述的基于偏差补偿块稀疏成比例NLMS的自适应估计方法，其特征在于：步骤A中，信道建模依据通信标准ITU‑T.G.168中的网络回波信道建立，经过稀疏信道建模后，得到稀疏系统模型。

说明书

基于偏差补偿块稀疏成比例NLMS的自适应估计方法

技术领域

[0001] 本发明涉及基于偏差补偿块稀疏成比例NLMS的自适应估计方法，属于信号估计及数字滤波器技术领域。

背景技术

[0002] 在现实生活中，通信系统模型往往具有稀疏性的结构，其中信道抽头值大多数系数为零或很小，只有少数系数处于显著状态，称之为稀疏系统或稀疏信道。典型的稀疏系统
是回声信道，如声学回声信道和网络回声信道：声信号或电信号在空间或网络中经过多次
反射后就产生了声学回声路径和网络回声路径，所以在进行通话时就会收到回声，为了抑
制这样的影响，所以就有了回声或回波消除，针对稀疏系统的理论上的研究和工程上的应
用都有相当重要的意义。

[0003] 自适应系统辨识技术是一种有效地针对稀疏系统回声消除的方法，其含义是通过一定次数的迭代使设计的系统可以真实有效估计未知系统参数。自适应系统辨识技术的核
心就是自适应滤波方法，在所有的自适应滤波方法中，归一化最小均方(Normalized Least 
Mean Square,NLMS)方法以其计算复杂度低、收敛性好、鲁棒性好，以及可以有效解决梯度
噪声放大问题等优点被广泛应用于工程领域。

[0004] 然而传统NLMS方法并没有考虑、利用系统的稀疏特性，它给待更新的每个参数都赋予同一个步长，因此大的参数相比小的参数需要更多的迭代次数来达到收敛。所以在实
际的稀疏系统自适应辨识中有收敛慢精度低的缺点。在2000年学者提出了成比例NLMS
(PNLMS)方法，这是最早的成比例自适应方法，引入了对角步长控制矩阵，在相应时刻给各
个参数赋予与其对应的幅值估计的大小成比例一个步长。使用这种成比例自适应方法，收
敛特性在整体上得到了加强，当系统稀疏度越高，成比例类方法优势也就越发明显。分块稀
疏性是稀疏性的一种，称为块稀疏，其特征是有限的显著系数在一定区域内集中成块状。典
型的块稀疏系统就是前面所提的回波信道和卫星链接通信信道。针对块稀疏特性，一些块
稀疏成比例类方法被提出，以获得更高的收敛特性和更低的稳态误差。如有学者提出的块
稀疏成比例NLMS(Block‑sparse PNLMS)方法通过混合l2,1范数约束传统代价函数，块内系
数使用l2范数约束，块间使用l1范数约束，这样充分考虑了块稀疏特性，提高了收敛速度并
降低稳态误差。

[0005] 在实际应用场景中，由于输入端经常受到加性噪声的影响，PNLMS方法的估计性能下降。为消除噪声对估计结果的影响，研究学者提出了针对输入含噪情况下的偏差补偿稀
疏系统辨识方法,该方法通过迭代误差信号的方差来近似估计计算噪声方差，对系统参数
的估计值进行补偿以消除噪声的影响，提高估计精度。该方法需要提前知道输入输出噪声
比值，且运用迭代后期系统估计值与真值无偏的前提进行噪声方差近似计算。在很多实际
情况下噪声方差等相关信息未知的情况下，这样有较大的局限性。考虑在簇稀疏的网络回
波信道和系统输入端存在未知且不平衡的加性噪声的实际情况，提出一种新的偏差补偿自
适应方法来进一步提升估计性能。

发明内容

[0006] 本发明的目的在于进一步提高在稀疏信道中存在方差未知且不平衡的输入端加性噪声的情况下稀疏系统辨识的估计精度,提出了基于偏差补偿块稀疏成比例NLMS的自适
应估计方法。

[0007] 为实现上述技术目的，本发明采用如下技术方案予以实现：

[0008] 所述自适应估计方法，包括以下步骤：

[0009] 步骤A，预设迭代次数n，并进行稀疏信道建模，得到稀疏系统模型；

[0010] 其中，信道建模依据通信标准ITU‑T.G.168中的网络回波信道建立，经过稀疏信道建模后，得到稀疏系统模型；

[0011] 步骤B，计算成比例矩阵，具体包括如下子步骤：

[0012] 步骤B1，计算无偏估计以及辅助向量嵌套的成比例因子；

[0013] 其中，无偏估计的成比例因子gl(i)通过(1)计算：

[0014]

[0015] 其中，gl(i)表示迭代时刻i的自适应滤波器第l个成比例因子；N＝L/P为分块数量，L为信道阶数，P是指定义的每块分区大小，γl(i)为迭代时刻i的无偏估计值嵌套最大
值函数，为使每次迭代都不陷入停滞，该嵌套最大值函数为：γl(i)＝max{ρmax[δp,‖ω1
(i)‖2,‖ω2(i)‖2…‖ωN(i)‖2],‖ωl(i)‖2}，其中，‖·‖2代表二范数运算，适应滤波器的无偏
估计权向量，初始值为0向量，ω1(i)为迭代时刻i的无偏估计权向量ω(i)中的第一个元
素；ω2(i)为迭代时刻i的无偏估计权向量ω(i)中的第二个元素；ωN(i)为迭代时刻i的无
偏估计权向量ω(i)中的第N个元素；ωl(i)为迭代时刻i的无偏估计权向量ω(i)中的第l
个元素；在每次迭代时都会更新成比例因子gl(i)，δp为开始迭代更新的一个正则化值，ρ为
正则化因子，且ρ存在的意义是：若第l个权系数的估计值ωl(n)较小，其对应比例增益系数
gl(n)就会取值为权系数估计最大值的ρ倍，使gl(n)保持在一个较为可观的水平，避免出现
滤波器估计的某个抽头值过小，以致成比例矩阵不进行更新；

[0016] 通过(2)计算辅助向量嵌套的成比例因子g1l(i)；

[0017]

[0018] 其中，g1l(i)表示迭代时刻i的自适应滤波器第l个成比例因子；N＝L/P为分块数量，L为信道阶数，P是指定义的每块分区大小，γ1l(i)为迭代时刻i的估计向量嵌套最大值
函数，为使每次迭代都不陷入停滞，该嵌套最大值函数为：γ1l(i)＝max{ρmax[δp,‖β1
(i)‖2,‖β2(i)‖2…‖βN(i)‖2],‖βl(i)‖2}，其中，‖·‖2代表二范数运算，β(i)为自适应滤波器
的无偏估计权向量，初始值为0向量，β1(i)为迭代时刻i的无偏估计权向量β(i)中的第一个
元素；β2(i)为迭代时刻i的无偏估计权向量β(i)中的第二个元素；βN(i)为迭代时刻i的无偏
估计权向量β(i)中的第N个元素；βl(i)为迭代时刻i的无偏估计权向量β(i)中的第l个元
素；在每次迭代时都会更新成比例因子g1l(i)，δp为开始迭代更新的一个正则化值，ρ为正则
化因子，且ρ存在的意义是：若第l个权系数的估计值βl(n)较小，其对应比例增益系数g1l(n)
就会取值为权系数估计最大值的ρ倍，使g1l(n)保持在一个较为可观的水平，避免出现滤波
器估计的某个抽头值过小，以致成比例矩阵不进行更新；

[0019] 步骤B2，依据(3)及(4)分别计算无偏估计以及辅助向量嵌套的成比例矩阵；

[0020] G＝diag[g0(n)1P,g1(n)1P,…,gN‑1(n)1P]   (3)

[0021] G1＝diag[g10(n)1P,g11(n)1P,…,g1N‑1(n)1P]   (4)

[0022] 其中，G代表无偏估计的成比例矩阵，G1代表辅助向量嵌套的成比例矩阵，G和G1均为对角阵，1P是长度为P的行向量且该向量的元素均为1；

[0023] 步骤C，计算输入端未知加性噪声方差的估计值，包含以下步骤：

[0024] 步骤C1，依据(5)计算迭代时刻i的后向一步预测误差值ε(i)：

[0025] ε(i)＝d(i‑1)‑β(i)T·zi   (5)

[0026] 其中，d(i‑1)代表后向期望输出，zi代表有噪声干扰的输入信号，β(i)为计算步骤T
B1时引入的迭代时刻i的辅助向量，[·]代表向量的转置操作；

[0027] 步骤C2，计算辅助向量β的估计值：

[0028] 根据(6)计算辅助向量β在迭代时刻i的迭代公式：

[0029]

[0030] 其中，G1代表步骤B2中辅助向量嵌套的成比例矩阵，μ表示步长，δ代表正则化系数，β(i+1)迭代时刻i+1的辅助向量；

[0031] 步骤C3，计算期望输出与预测误差的互相关函数的估计值

[0032]

[0033] 其中， 的初始值为0，α为平滑因子，0＜＜α<1；通常取值范围在0.95～0.999之间，d(i)为迭代时刻i的期望输出；

[0034] 步骤C4，计算迭代时刻i输入端的未知加性噪声方差估计值

[0035]

[0036] 其中，ωo代表步骤A建立的稀疏系统模型，E{β}表示β的数学期望；

[0037] 步骤C5，使用当前瞬时值βi和i‑1时刻的传输信道无偏估计值ωi‑1分别替代公式o
(8)中的E{β}和ω，所以噪声方差估计值 用(9)表示：

[0038]

[0039] 步骤D，基于成比例矩阵以及输入端未知加性噪声方差的估计值进行自适应权值更新，补偿稀疏信道估计值中由噪声引起的偏差，具体如(10)迭代公式所示：

[0040]

[0041] 其中，G代表步骤B2中无偏估计嵌套的成比例矩阵，ω(i)为信道特性参数ωo的无T
偏估计值，e(i)为迭代时刻i的误差值，且e(i)＝d(i)‑zi·ω(i)，δ代表正则化系数；

[0042] 步骤E，循环步骤B到步骤D，执行迭代更新直至到达预设的迭代次数n，方法收敛。

[0043] 有益效果

[0044] 本发明所述的基于偏差补偿块稀疏成比例NLMS的自适应估计方法，与现有技术相比，具有如下有益效果：

[0045] 1.所述方法应用于块稀疏系统，具有针对性更强的优势；

[0046] 2.所述方法针对输入端存在未知且不平衡的加性噪声的场景，不需要先验知识，能够实时估计噪声方差，同时能够能有效消除噪声对估计效果的影响，提升估计精度，优化
效果明显；

[0047] 3.所述方法具有更高的收敛速度。

附图说明

[0048] 图1是本发明基于偏差补偿块稀疏成比例NLMS的自适应方法的流程示意图；

[0049] 图2是本发明基于偏差补偿块稀疏成比例NLMS的自适应方法采用的稀疏系统模型；

[0050] 图3是本发明实施例中基于偏差补偿块稀疏成比例NLMS和成比例NLMS的自适应方法与未进行偏差补偿的块稀疏成比例NLMS与成比例NLMS方法进行稀疏系统辨识的收敛性
能与估计精度的比较；

[0051] 图4是本发明实施例中对基于偏差补偿块稀疏成比例NLMS和成比例NLMS的自适应方法在信道跟踪情况下的估计精度比较。

具体实施方式

[0052] 下面结合附图和实施例，对本发明基于偏差补偿块稀疏比例NLMS稀疏信道自适应估计方法的具体实施进行详细阐述。所述实施例在以本发明技术方案为前提下进行实施，
给出了详细的实施和具体的操作过程，但本发明的保护范围不限于下述的实施例。

[0053] 实施例1

[0054] 实施例中通过具体例子，对有益效果进行展开叙述。

[0055] 基于偏差补偿块稀疏成比例NLMS的自适应方法主要应用于通信中类似于块稀疏系统的声学回声信道或网络回波信道，且输入端信号含有未知且不平衡的加性噪声的情
况。基于偏差补偿块稀疏成比例NLMS的自适应方法，如图1所示，包含如下步骤：

[0056] 步骤A，预设迭代次数n，并进行稀疏信道建模，得到稀疏系统模型；

[0057] 其中，信道建模依据通信标准ITU‑T.G.168中的网络回波信道建立；信道阶数为120；获取到的稀疏系统模型如图2所示。

[0058] 步骤B，计算成比例矩阵，具体包括如下子步骤：

[0059] 步骤B1，计算无偏估计以及辅助向量嵌套的成比例因子；

[0060] 其中，无偏估计的成比例因子gl(i)通过(1)计算：

[0061]

[0062] 其中，gl(i)表示迭代时刻i的自适应滤波器第l个成比例因子；N＝L/P为分块数量，L为信道阶数，P是指定义的每块分区大小，γl(i)为迭代时刻i的无偏估计值嵌套最大
值函数，为使每次迭代都不陷入停滞，该嵌套最大值函数为：γl(i)＝max{ρmax[δp,‖ω1
(i)‖2,‖ω2(i)‖2…‖ωN(i)‖2],‖ωl(i)‖2}，其中，‖·‖2代表二范数运算，ω(i)为自适应滤
波器的无偏估计权向量，初始值为0向量，ω1(i)为迭代时刻i的无偏估计权向量ω(i)中的
第一个元素；ω2(i)为迭代时刻i的无偏估计权向量ω(i)中的第二个元素；ωN(i)为迭代时
刻i的无偏估计权向量ω(i)中的第N个元素；ωl(i)为迭代时刻i的无偏估计权向量ω(i)
中的第l个元素；在每次迭代时都会更新成比例因子gl(i)，δp为开始迭代更新的一个正则化
值，ρ为正则化因子，且ρ存在的意义是：若第l个权系数的估计值ωl(n)较小，其对应比例增
益系数gl(n)就会取值为权系数估计最大值的ρ倍，使gl(n)保持在一个较为可观的水平，避
免出现滤波器估计的某个抽头值过小，以致成比例矩阵不进行更新；

[0063] 通过(2)计算辅助向量嵌套的成比例因子g1l(i)；

[0064]

[0065] 其中，g1l(i)表示迭代时刻i的自适应滤波器第l个成比例因子；N＝L/P为分块数量，L为信道阶数，P是指定义的每块分区大小，γ1l(i)为迭代时刻i的估计向量嵌套最大值
函数，为使每次迭代都不陷入停滞，该嵌套最大值函数为：γ1l(i)＝max{ρmax[δp,‖β1
(i)‖2,‖β2(i)‖2…‖βN(i)‖2],‖βl(i)‖2}，其中，‖·‖2代表二范数运算，β(i)为自适应滤波器
的无偏估计权向量，初始值为0向量，β1(i)为迭代时刻i的无偏估计权向量β(i)中的第一个
元素；β2(i)为迭代时刻i的无偏估计权向量β(i)中的第二个元素；βN(i)为迭代时刻i的无偏
估计权向量β(i)中的第N个元素；βl(i)为迭代时刻i的无偏估计权向量β(i)中的第l个元
素；在每次迭代时都会更新成比例因子g1l(i)，δp为开始迭代更新的一个正则化值，ρ为正则
化因子，且ρ存在的意义是：若第l个权系数的估计值βl(n)较小，其对应比例增益系数g1l(n)
就会取值为权系数估计最大值的ρ倍，使g1l(n)保持在一个较为可观的水平，避免出现滤波
器估计的某个抽头值过小，以致成比例矩阵不进行更新；

[0066] 步骤B2，依据(3)及(4)分别计算无偏估计以及辅助向量嵌套的成比例矩阵；

[0067] G＝diag[g0(n)1P,g1(n)1P,…,gN‑1(n)1P]   (3)

[0068] G1＝diag[g10(n)1P,g11(n)1P,…,g1N‑1(n)1P]   (4)

[0069] 其中，G代表无偏估计的成比例矩阵，G1代表辅助向量嵌套的成比例矩阵，G和G1均为对角阵，1P是长度为P的行向量且该向量的元素均为1；

[0070] 步骤C，计算输入端未知加性噪声方差的估计值，包含以下步骤：

[0071] 步骤C1，依据(5)计算迭代时刻i的后向一步预测误差值ε(i)：

[0072] ε(i)＝d(i‑1)‑β(i)T·zi   (5)

[0073] 其中，d(i‑1)代表后向期望输出，zi代表有噪声干扰的输入信号，β(i)为计算步骤T
B1时引入的迭代时刻i的辅助向量，[·]代表向量的转置操作；

[0074] 步骤C2，计算辅助向量β的估计值：

[0075] 根据(6)计算辅助向量β在迭代时刻i的迭代公式：

[0076]

[0077] 其中，G1代表步骤B2中辅助向量嵌套的成比例矩阵，μ表示步长，δ代表正则化系数，β(i+1)迭代时刻i+1的辅助向量；

[0078] 步骤C3，计算期望输出与预测误差的互相关函数的估计值

[0079]

[0080] 其中， 的初始值为0，α为平滑因子，0＜＜α<1；取值为0.998，d(i)为迭代时刻i的期望输出；

[0081] 步骤C4，计算迭代时刻i输入端的未知加性噪声方差估计值

[0082]

[0083] 其中，ωo代表步骤A建立的稀疏系统模型，E{β}表示β的数学期望；

[0084] 步骤C5，使用当前瞬时值βi和i‑1时刻的传输信道无偏估计值ωi‑1分别替代公式o
(8)中的E{β}和ω，所以噪声方差估计值 用(9)表示：

[0085]

[0086] 步骤D，基于成比例矩阵以及输入端未知加性噪声方差的估计值进行自适应权值更新，补偿稀疏信道估计值中由噪声引起的偏差，具体如(10)迭代公式所示：

[0087]

[0088] 其中，G代表步骤B2中无偏估计嵌套的成比例矩阵，ω(i)为信道特性参数ωo的无T
偏估计值，e(i)为迭代时刻i的误差值，且e(i)＝d(i)‑zi·ω(i)，δ代表正则化系数；

[0089] 步骤E：循环步骤B到步骤D，执行迭代更新直至到达预设的迭代次数n，方法收敛。

[0090] 仿真实验

[0091] 本发明的效果可以通过以下仿真实验得到验证：

[0092] 本实验中采取的稀疏系统由ITU‑T.G.168中的通信标准模型产生，抽头值个数L为120，如图2所示。系统输入端的信号为均值为0，方差为1的高斯白噪声，输入输出端的噪声
干扰均为均值为0的高斯白噪声，输出噪声信噪比为25dB，输入噪声方差为0.1，信噪比为
10dB，在实验中所仿真方法:成比例NLMS方法步长μ为0.065；偏差补偿成比例NLMS方法步长
μ＝0.1；块稀疏成比例NLMS方法步长为0.035；偏差补偿块稀疏成比例NLMS方法步长μ＝
0.085；关于其他设置：每块分区大小P＝4,正则化因子ρ和δP，δ均为0.01，平滑因子α取
0.998。

[0093] 仿真实验进行20000次迭代，并进行100次蒙特卡洛实验。

[0094] 图3给出了本发明实施例中基于偏差补偿块稀疏成比例NLMS方法，和偏差补偿成比例NLMS方法与未加入偏差补偿成比例NLMS方法与块稀疏成比例NLMS方法对传输信道特
性估计值的均方偏差性能(MSD)的比较。在未对由噪声产生的偏差进行补偿时，块稀疏成比
例NLMS方法相比于成比例NLMS方法来说收敛速度以及收敛精度都会提高，但是由于有输入
噪声的影响，两种方法收敛后稳定性均不太好，在对由系统输入端噪声产生的偏差进行补
偿后，本发明提出的基于偏差补偿块稀疏成比例NLMS方法(BC‑BS‑PNLMS)相比于偏差补偿
成比例NLMS方法和未加偏差补偿的两类成比例方法来说收敛速度更快，估计精度更高，可
以消除输入端噪声的影响，更好实现稀疏系统辨识。

[0095] 图4是本发明实施例中BC‑BS‑PNLMS方法在信道跟踪情况下的MSD估计精度比较图(前10000次迭代时稀疏系统为图2a所示，后10000次迭代时稀疏系统变为图2b所示)。由图4
可知，本方法相比于BC‑PNLMS方法对于信道跟踪能力较强且收敛速度更快，具有较好的估
计精度。

[0096] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合
所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理
的前提下凡在本发明的精神和原则之内所作的任何修正、等同替换和改进等，均应包含在
本发明的保护范围。