第２７卷　第 ９期 信 号 处 理 Ｖｏ

ｌ．２７．　Ｎｏ．９
２
０ １
１年 ９月 Ｓ
ＩＧＮＡＬＰＲＯＣＥＳ
ＳＩＮＧ Ｓｅｐ．２０１１

二阶 Ｖｏ
ｌｔｅ
ｒｒａ变数据块长 ＬＭＳ算法
赵知劲１，２　严平平１　徐春云１，２
（１．杭州电子科技大学通信工程学院，浙江 ３
１００
１８；
２．中国电子科技集团第 ３
６研究所通信信息控制和安全技术国家级重点实验室，浙江嘉兴，３
１４０
０１）

摘　要：二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ数据块 ＬＭＳ算法利用当前时刻及其以前时刻更多输入信号和误差信号的信息提高了算法的收敛
速度，但由于其固定数据块长取值的不同导致了算法的收敛速度和稳态误差此消彼长。针对这个问题，本文提出一种二阶
Ｖｏ
ｌｔ
ｅｒｒ
ａ变数据块长 ＬＭＳ算法，通过时刻改变输入信号数据块长度提高算法性能。本算法首先采用两个并行的二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ
滤波器，其输入信号数据块长差值始终保持一个单位；然后将其各自的输出误差信号同时输入到数据块长判决器，通过判
决器得到下一时刻各个滤波器输入信号的数据块长度；最后以第 １个二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ滤波器的输出作为整个滤波系统的输出，
从而改善了算法性能。将本算法应用于非线性系统辨识，计算机仿真结果表明，高斯噪声背景下本算法的收敛速度和稳态
性能都得到了明显的提高。
关键词：二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ滤波器；变数据块长；高斯噪声；系统辨识
中图分类号：ＴＮ９
１１．
７２　　文献标识码：Ａ　　文章编号：１
００３－０
５３０（２
０１１）０
９－１
４５０－０
５

ＡＶａｒ
ｉａｂｌ
ｅＤａｔ
ａＢｌ
ｏｃｋＬｅｎｇｔ
ｈＬＭＳＡｌ
ｇｏｒ
ｉｔ
ｈｍ ｆ
ｏｒＳｅｃ
ｏｎｄ
ＯｒｄｅｒＶｏｌ
ｔ
ｅｒｒ
ａＦｉ
ｌ
ｔｅｒ

ＺＨＡＯＺｈｉ
ｊ
ｉｎ１，２　ＹＡＮＰｉ
ｎｇ
ｐｉｎ
ｇ１
　ＸＵＣｈ
ｕｎ
ｙｕｎ１，２
（１．Ｔｅ
ｌｅｃ
ｏｍｍｕ
ｎｉｃ
ａｔｉ
ｏｎＳ
ｃｈｏ
ｏｌ，Ｈａ
ｎｇｚ
ｈｏｕＤｉ
ａｎｚ
ｉＵｎ
ｉｖｅ
ｒｓｉ
ｔｙ，Ｚｈ
ｅｊｉ
ａｎｇ３
１００
１８，Ｃｈ
ｉｎａ
；
２．Ｓ
ｔａｔ
ｅｋｅ
ｙｌａ
ｂｏｆｉ
ｎｆｏ
ｒｍａ
ｔｉ
ｏｎｃ
ｏｎｔ
ｒｏｌａ
ｎｄｓ
ｅｃｕ
ｒｉｔ
ｙｔｅ
ｃｈｎ
ｏｌｏ
ｇｙｉ
ｎｃｏ
ｍｍｕ
ｎｉｃ
ａｔｉ
ｏｎｏ
ｆＮｏ
．３６Ｒｅ
ｓｅａ
ｒｃｈ
Ｉ
ｎｓｔ
ｉｔ
ｕｔｅ
，Ｃｈ
ｉｎａＥｌ
ｅｃｔ
ｒｏｎ
ｉｃＴｅ
ｃｈｎ
ｏｌｏ
ｇｙＣｏ
ｒｐｏ
ｒａｔ
ｉｏ
ｎ，Ｊ
ｉａｘ
ｉｎｇ３
１４０
０１，Ｃｈ
ｉｎａ
）

Ａｂｓ
ｔｒａｃ
ｔ：　Ｔｈ
ｅｄａ
ｔａｂ
ｌｏｃ
ｋＬＭＳａ
ｌｇｏ
ｒｉｔ
ｈｍｆ
ｏｒｓ
ｅｃｏ
ｎｄ
ｏｒｄ
ｅｒＶｏ
ｌｔ
ｅｒｒ
ａｆｉ
ｌｔ
ｅｒｕ
ｓｅｓｔ
ｈｅｐ
ｒｅｓ
ｅｎｔｍｏ
ｍｅｎ
ｔａｎ
ｄｉｔ
ｓｐｒ
ｅｖｉ
ｏｕｓｍｏ
ｍｅｎ
ｔａｂ
ｕｎ
ｄ
ａｎｔｉ
ｎｆｏ
ｒｍａ
ｔｉ
ｏｎｏ
ｆｉｎ
ｐｕｔｓ
ｉｇｎ
ａｌｓａ
ｎｄｅ
ｒｒｏ
ｒｓｉ
ｇｎａ
ｌｓｔ
ｏｉｎ
ｃｒｅ
ａｓｅｔ
ｈｅａ
ｌｇｏ
ｒｉｔ
ｈｍ’ｓｃ
ｏｎｖ
ｅｒｇ
ｅｎｃ
ｅｓｐ
ｅｅｄ．Ｈｏ
ｗｅｖ
ｅｒ，ｔ
ｈｅｆ
ｉｘ
ｅｄｄ
ａｔａｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈｓ
ｗｈ
ｉｃｈａ
ｒｅｄ
ｉｆｆ
ｅｒｅ
ｎｔｆ
ｒｏｍｅ
ａｃｈｏ
ｔｈｅ
ｒ，ｌ
ｅａｄｔ
ｏａｒ
ｅｃｉ
ｐｒｏ
ｃａｌｒ
ｅｌａ
ｔｉ
ｏｎｓ
ｈｉｐｂ
ｅｔｗｅ
ｅｎｔ
ｈｅａ
ｌｇｏ
ｒｉｔ
ｈｍ’ｓｃ
ｏｎｖ
ｅｒｇ
ｅｎｃ
ｅｓｐ
ｅｅｄａ
ｎｄｓ
ｔｅａ
ｄｙ
ｓｔａ
ｔｅｅ
ｒｒｏ
ｒ．
Ｔｏｓ
ｏｌｖ
ｅｔｈ
ｅｐｒ
ｏｂｌ
ｅｍ，ａｖ
ａｒｉ
ａｂｌ
ｅｄａ
ｔａｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈＬＭＳａ
ｌｇｏ
ｒｉｔ
ｈｍｆ
ｏｒｓ
ｅｃｏ
ｎｄ
ｏｒｄ
ｅｒＶｏ
ｌｔ
ｅｒｒ
ａｆｉ
ｌｔ
ｅｒｉ
ｓｐｒ
ｏｐｏ
ｓｅｄ，ｗｈ
ｉｃｈｉ
ｍｐｒ
ｏｖｅ
ｓｔｈ
ｅａｌ
ｇｏ
ｒ
ｉｔ
ｈｍ’ｓｐ
ｅｒｆ
ｏｒｍａ
ｎｃｅｂ
ｙｃｈ
ａｎｇ
ｉｎｇｔ
ｈｅｉ
ｎｐｕ
ｔｄａ
ｔａｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈａｔｅ
ａｃｈｍｏ
ｍｅｎ
ｔ．Ｉ
ｎｔｈ
ｉｓａ
ｌｇｏ
ｒｉｔ
ｈｍ，ｆ
ｉｒ
ｓｔ
ｌｙ，ｔ
ｗｏｐ
ａｒａ
ｌｌ
ｅｌｓ
ｅｃｏ
ｎｄ
ｏｒｄ
ｅｒＶｏ
ｌｔ

ｅ
ｒｒａｆ
ｉｌ
ｔｅ
ｒｓａ
ｒｅｕ
ｓｅｄａ
ｎｄｔ
ｈｅｄ
ｉｆｆ
ｅｒｅ
ｎｃｅｏ
ｆｔｈ
ｅｉｒｉ
ｎｐｕ
ｔｄａ
ｔａｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈｓｉ
ｓｏｎ
ｅｕｎ
ｉｔｆ
ｏｒｅ
ｖｅｒ
．Ｔｈ
ｅｎ，ｔ
ｈｅｔ
ｗｏｆ
ｉｌ
ｔｅ
ｒｓ’ｏ
ｕｔｐ
ｕｔｅ
ｒｒｏ
ｒｓｉ
ｇｎａ
ｌｓａ
ｒｅ
ｐ
ｕｔｉ
ｎｔｏａｄ
ａｔａｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈｄｅ
ｃｉｓ
ｉｏｎｄ
ｅｖｉ
ｃｅｔ
ｏａｄ
ａｐｔ
ｉｖ
ｅｌｙａ
ｄｊｕ
ｓｔｔ
ｈｅｔ
ｗｏｉ
ｎｐｕ
ｔｄａ
ｔａｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈｓｉ
ｎｎｅ
ｘｔｍｏ
ｍｅｎ
ｔ．Ｌａ
ｓｔｌ
ｙ，ｔ
ｈｅｏ
ｕｔｐ
ｕｔｓ
ｉｇ
ｎ
ａｌｏ
ｆｔｈ
ｅｆｉ
ｒｓ
ｔｓｅ
ｃｏｎ
ｄｏ
ｒｄｅ
ｒＶｏ
ｌｔ
ｅｒｒ
ａｆｉ
ｌｔ
ｅｒｉ
ｓｔａ
ｋｅｎａ
ｓｔｈ
ｅｏｕ
ｔｐｕ
ｔｓｉ
ｇｎａ
ｌｏｆｔ
ｈｅｗｈ
ｏｌｅｆ
ｉｌ
ｔｅ
ｒｉｎ
ｇｓｙ
ｓｔｅ
ｍｔｏｉ
ｍｐｒ
ｏｖｅｔ
ｈｅａ
ｌｇｏ
ｒｉｔ
ｈｍ’ｓｐ
ｅｒｆ
ｏｒｍ
ａ
ｎｃｅ
．Ｔｈ
ｉｓａ
ｌｇｏ
ｒｉｔ
ｈｍｉ
ｓａｐ
ｐｌｉ
ｅｄｔ
ｏｎｏ
ｎｌｉ
ｎｅａ
ｒｓｙ
ｓｔｅ
ｍｉｄ
ｅｎｔ
ｉｆ
ｉｃ
ａｔｉ
ｏｎ．Ｔｈ
ｅｃｏ
ｍｐｕ
ｔｅｒｓ
ｉｍｕ
ｌａｔ
ｉｏ
ｎｒｅ
ｓｕｌ
ｔｓｏ
ｆｎｏ
ｎｌｉ
ｎｅａ
ｒｓｙ
ｓｔｅ
ｍｉｄ
ｅｎｔ
ｉｆ
ｉｃ
ａｔｉ
ｏｎ
ｓ
ｈｏｗｔ
ｈａｔｂ
ｏｔｈｃ
ｏｎｖ
ｅｒｇ
ｅｎｃ
ｅｓｐ
ｅｅｄａ
ｎｄｓ
ｔｅａ
ｄｙ
ｓｔ
ａｔ
ｅｐｅ
ｒｆｏ
ｒｍａ
ｎｃｅｏ
ｆｔｈ
ｅａｌ
ｇｏｒ
ｉｔ
ｈｍａ
ｒｅｓ
ｉｇｎ
ｉｆｉ
ｃａｎ
ｔｌｙｉ
ｍｐｒ
ｏｖｅ
ｄｉｎＧａ
ｕｓｓ
ｉａｎｎ
ｏｉｓ
ｅｅｎ
ｖｉｒ
ｏｎ
ｍｅ
ｎｔ．
Ｋｅｙｗｏｒ
ｄｓ：　ｓ
ｅｃｏ
ｎｄ
ｏｒｄ
ｅｒＶｏ
ｌｔ
ｅｒｒ
ａｆｉ
ｌｔ
ｅｒ；ｖ
ａｒｉ
ａｂｌ
ｅｄａ
ｔａｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈ；Ｇａ
ｕｓｓ
ｉａｎｎ
ｏｉｓ
ｅ；ｓ
ｙｓｔ
ｅｍｉ
ｄｅｎ
ｔｉｆ
ｉｃ
ａｔｉ
ｏｎ

息，故使收敛速度受到限制。文献［２，
３］分别从时域和
１　引言
频域提出了变块长 ＢＬＭＳ算法，采用块平均绝对误差
最小均方算法（ｌ
ｅａｓ
ｔｍｅ
ａｎｓ
ｑｕａ
ｒｅ，ＬＭＳ）结构简单、 控制块长的变化，相比传统 ＢＬＭＳ算法具有更好的性
计算量小、稳定性好，是一种已获得广泛应用的自适 能。文献［４］提出了 α稳定分布下 ＦＩ
Ｒ滤波器的数据
应算法 ［１］。但 ＬＭＳ算法只利用了当前时刻输入信号和 块自适应算法，充分利用了当前时刻及其以前时刻的
误差信号 的信息 而 没 有 更多地利用该 时 刻以 前 的 信 信息，改善了算法性能。Ｖｏ
ｌｔ
ｅｒｒ
ａ滤波器能够较好地逼

收稿日期：２
０１１年 ５月 ２
６日；修回日期：２
０１１年 ８月 １
８日
基金项目：国家自然科学基金（６
０８７
２０９
２）资助
 第 ９期 赵知劲 等：二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ变数据块长 ＬＭＳ算法 １４５１

近非线性系统，因此被广泛地应用于系统辨识 ［５，６］、自 由此，得到各阶权系数矢量更新的 ＬＭＳ算法

［７］ ［８］ Ｌ－１
适应信道均衡 、回波消除 等方面。文献 ［９］提出
Ｗｉ（ｎ＋１）＝Ｗｉ（ｎ）＋μｉ∑ ｅ
（ｎ－ｍ）Ｘｉ（ｎ－ｍ）　 ｉ
＝１，
２
了 α稳定分布下 Ｖｏ
ｌｔｅ
ｒｒａ滤波器的数据块算法，给出了 ｍ＝０

不同数据块长的算法性能仿真结果，但没有进一步研 （１３）
究如何有效选择数据块长提高算法性能。本文提出一 其中，μｉ为大于零的块步长因子。式（１）
、（２）
、（５）
、
种二阶 Ｖｏ
ｌｔｅ
ｒｒａ变数据块长 ＬＭＳ算法，并将此算法应 （６）和 （１
３）构 成 了 二 阶 Ｖｏ
ｌｔｅ
ｒｒａ数 据 块 ＬＭＳ（Ｓ
ＶＤ
用于非线性系统辨识。高斯噪声背景下系统辨识的仿 ＢＬＭＳ）算法。
真结果表明，本文算法的收敛性和稳态性都明显优于
３　二阶 Ｖｏ
ｌｔｅ
ｒｒａ变数据块长 ＬＭＳ算法
α＝２时文献［９］算法性能。
利用更多输入信号和误差信号的信息，可以更精
２　二阶 Ｖｏｌ
ｔｅｒ
ｒａ数据块 ＬＭＳ算法 确地估计梯度，提高算法的收敛速度。但当算法收敛
令记忆长度为 Ｎ的离散二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ滤波器在 ｎ 后，由于梯度估计的随机性，更多的误差信号参与梯度
时刻的一阶和二阶输入信号矢量分别为 估计易造成更大的随机波动。因此，为了得到更好的
Ｘ１（ｎ）＝［ｘ
（ｎ）
，ｘ（ｎ－１）
，．．
．，ｘ
（ｎ－Ｎ＋１）
］
Ｔ
（１） 算法性能，在算法的初始阶段应取较大的数据块长，以
２
Ｘ２（ｎ）＝［ｘ（ｎ）
，ｘ（ｎ）ｘ
（ｎ－１）
，．．
．，ｘ
（ｎ）ｘ
（ｎ－Ｎ＋１）
， 加快权系数值向真实值的更新速度；在算法收敛稳定
２ ２ Ｔ 后应使数据块长变小，以保证权系数能够更好地接近
ｘ（ｎ－１）
，ｘ（ｎ－１）ｘ
（ｎ－２）
，．．
．，ｘ（ｎ－Ｎ＋１）
］
真实值，并减小稳态误差。
（２）
根据数据块长与算法性能的这种关系，并利用文
相应的各阶权系数矢量分别为
Ｔ 献［１
０］变抽头长 ＦＩ
Ｒ滤波器的结构原理，本文设计了
Ｗ１（ｎ）＝［!０（ｎ）
，!１（ｎ）
，．．
．，!Ｎ－１（ｎ）
］ （３）
二阶 Ｖｏ
ｌｔｅ
ｒｒａ变数 据块 长 滤 波 器 的 结 构 如 图 １所 示。
Ｗ２（ｎ）＝［!０，０（ｎ）
，!０，１（ｎ）
，…，
!０，Ｎ－１（ｎ）
，!１，１（ｎ）
，
Ｔ 图中两个二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ滤波器均采用 ＳＶＤＢＬＭＳ算法，
!１，２（ｎ），．．
．，!Ｎ－１，Ｎ－１（ｎ）
］ （４）
但不同的是这两个滤波器的输入数据块长是时变的，
则 ｎ时刻 Ｖｏ ｌｔ
ｅｒｒａ滤波器的输出信号为
Ｔ Ｔ
其块长 Ｌ１（ｎ）和 Ｌ２（ｎ）由数据块长判定器判决得到。
ｙ
（ｎ）＝Ｘ１（ｎ）Ｗ１（ｎ）＋Ｘ２（ｎ）Ｗ２（ｎ） （５）
误差信号为
ｅ
（ｎ）＝ｄ（ｎ）－ｙ
（ｎ） （６）
其中，ｄ（ｎ）为 ｎ时刻的期望输出信号。
令 ｎ时刻及其前 Ｌ－１个时刻各阶输入信号矢量所
构成的矩阵为
Ｘ１，Ｌ（ｎ）＝［Ｘ１（ｎ）
，Ｘ１（ｎ－１）
，．．
．，Ｘ１（ｎ－Ｌ＋１）
］ （７）
Ｘ２，Ｌ（ｎ）＝［Ｘ２（ｎ）
，Ｘ２（ｎ－１）
，．．
．，Ｘ２（ｎ－Ｌ＋１）
］ （８）
则 ｎ时刻输出信号矢量 Ｙ（ｎ）可表示为 图 １　二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ变数据块长滤波器结构
Ｔ Ｔ Ｆｉ
ｇ．１　Ｔｈ
ｅｓｅ
ｃｏｎ
ｄｏ
ｒｄｅ
ｒＶｏ
ｌｔ
ｅｒｒ
ａｖａ
ｒｉａ
ｂｌｅｄａ
ｔａｂｌ
ｏｃｋｌ
ｅｎｇ
ｔｈｆ
ｉｌ
ｔｅ
ｒ
Ｙ（ｎ）＝Ｘ （ｎ）Ｗ１（ｎ）＋Ｘ （ｎ）Ｗ２（ｎ）
１，Ｌ ２，Ｌ （９）
误差信号矢量为 第 ｉ（ｉ
＝１，
２）个二阶 Ｖｏ
ｌｔｅ
ｒｒａ滤波器的输出信号为
Ｅ（ｎ）＝Ｄ（ｎ）－Ｙ（ｎ） （１０） ｙ Ｔ
（ｎ）＝Ｘ１（ｎ）Ｗ１ｉ（ｎ）＋Ｘ２
Ｔ
（ｎ）Ｗ２ｉ（ｎ） （１４）
ｉ
Ｔ
其中，Ｙ（ｎ）＝［ｙ
（ｎ）
，ｙ（ｎ－１）
，．．
．，ｙ
（ｎ－Ｌ＋１）
］， 误差信号为
Ｔ
Ｅ（ｎ）＝［ｅ
（ｎ）
，ｅ（ｎ－１）
，．．
．，ｅ
（ｎ－Ｌ＋１）
］， ｅ（ｎ）＝ｄ（ｎ）－ｙ（ｎ） （１５）
ｉ ｉ
Ｔ
Ｄ（ｎ）＝［ｄ（ｎ）
，ｄ（ｎ－１）
，．．
．，ｄ（ｎ－Ｌ＋１）
］。 ｉ
其中，Ｗ （ｎ）＝［! （ｎ）ｉ
，! （ｎ）
，．ｉ
．
．，! ｉ Ｔ
］，Ｗ２ｉ（ｎ）＝
（ｎ）
１ ０ １ Ｎ－１
均方误差近似为
Ｌ－１
［!０ｉ，０（ｎ） ｉ
，!０，１（ｎ）
，．．
．，!０ｉ，Ｎ－１（ｎ） ｉ
，!１，１（ ，!１ｉ，１（ｎ）
ｎ） ，．．
．，
１ Ｔ １ ２
ξ（ｎ）＝ Ｅ （ｎ）Ｅ（ｎ）＝ ∑ ｅ（ｎ－ｍ） （１１） ｉ
!Ｎ－１，Ｎ－１（ｎ）
Ｔ
］分别为第 ｉ个二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ滤波器的一阶
２ ２ ｍ＝０
则权系数矢量更新的梯度估计为 和二阶权系数矢量。
通过比较 Ｋ时间段内两个二阶 Ｖｏ
ｌｔｅ
ｒｒａ自适应滤
ξ（ｎ）
)Ｗｉ（ｎ）＝ ＝－Ｘｉ，Ｌ（ｎ）Ｅ（ｎ） 波器的输出均方误差，每隔 Ｋ个时刻更新一次 Ｌ１（ｎ）和
Ｗｉ
Ｌ－１ Ｌ２（ｎ），为了避免因块长变化太大导致算法性能不稳定
＝－∑ ｅ
（ｎ－ｍ）Ｘｉ（ｎ－ｍ）　　ｉ
＝１，
２ （１２）
ｍ＝０ 的情况出现，数据块长更新公式如下：
１４５２ 信 号 处 理 第２
７卷

　Ｌ１（ｎ） 实验 １：不同数据块长的 ＳＶＤＢＬＭＳ算法的性能。

 Ｌ１（ｍＫ） 图 ３给出了数据块长 Ｌ为不同值的权系数误差范数曲
ｍｏｄ（ｎ，Ｋ）≠０
 线。由图可见，随着数据 块 长 Ｌ的增大，Ｓ ＶＤＢＬＭＳ算
Ｌ１（ｍＫ）＋１ ｍｏｄ（ｎ，Ｋ）＝０，ｅ （ｍ）＞ｅ
１，ａνｅ （ｍ）
２，ａνｅ 法的收敛速度不断增大，但这种增大的趋势越来越小；

＝Ｌ１（ｍＫ）－１ ｍｏｄ（ｎ，Ｋ）＝０，ｅ （ｍ）＜ｅ
１，ａνｅ （ｍ）
２，ａνｅ 且随着 Ｌ的增大，ＳＶＤＢＬＭＳ算法的计算量随之增加，
 １ ｍｏｄ（ｎ，Ｋ）＝０，ｅ （ｍ）＝ｅ （ｍ）ｏｒ 稳态误差也随之增大，仿真结果与理论分析一致。
１，ａνｅ ２，ａνｅ

 Ｌ１（ｍＫ）＜１

（１６）
Ｌ２（ｎ）＝Ｌ１（ｎ）＋１ （１７）
ｍＫ
１ ２ ｎ
Ｋｊ＝（∑
其中，均方误差 ｅｉ （ｍ）＝
，ａνｅ ｅｉ（ｊ
），ｍ＝ ，符
ｍ－１）Ｋ＋１ Ｋ
号  表示下取整，符号 ｍｏ ｄ（ａ，ｂ ）为取余数函数。
在每个 Ｋ时间段内，数据块长取 Ｌｉ（ｎ），采用 Ｓ ＶＤ
ＢＬＭＳ算法更新各阶权系数矢量，更新公式为
（ｎ）－１
Ｌｉ

Ｗ１ｉ（ｎ＋１）＝Ｗ１ｉ（ｎ）＋μ１∑ ｅ
ｉ（ｎ－ｍ）Ｘ１（ｎ－ｍ） （１
８）
ｍ＝０ 图 ３　不同数据块长时 Ｓ
ＶＤＢＬＭＳ算法的权系数误差范数曲线
（ｎ）－１
Ｌｉ
Ｆｉ
ｇ．３　Ｗｅ
ｉｇｈ
ｔｃｏ
ｅｆｆ
ｉｃ
ｉｅｎｔｅ
ｒｒｏ
ｒｎｏ
ｒｍｃ
ｕｒｖ
ｅｓｏ
ｆｄｉ
ｆｆ
ｅｒｅ
ｎｔｄ
ａｔａ
Ｗ２ｉ（ｎ＋１）＝Ｗ２ｉ（ｎ）＋μ２∑ ｅ
ｉ（ｎ－ｍ）Ｘ２（ｎ－ｍ） （１
９） ｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈＳＶＤＢＬＭＳａ
ｌｇｏ
ｒｉｔ
ｈｍ
ｍ＝０
以第 １个二阶 Ｖｏｌ
ｔｅｒ
ｒａ滤波器的输出作为整个滤波系 实验 ２：初始数据块长取较小值的 Ｓ ＶＶＤＢＬＭＳ算
统的输出，由此式（１） 、（２）、（１４）—（１９）构成了二阶 法的性能。图 ４给 出 了 初 始 数 据 块 长 为 ２的 Ｓ ＶＶＤ
Ｖｏ
ｌｔｅ
ｒｒａ变数据块长 ＬＭＳ（Ｓ
ＶＶＤＢＬＭＳ）算法。 ＢＬＭＳ算法 的 数 据 块 长 变 化 曲 线。由 图 可 见，Ｓ
ＶＶＤ
４　算法仿真与性能分析 ＢＬＭＳ算法的数据块长在算法迭代的初始阶段较大，当
算法收敛稳定后数据块长较小，仿真结果与理论分析
将算法应 用于 高 斯 噪 声 背 景 下 的 非 线 性 系 统 辨
一致。同时，Ｓ ＶＶＤＢＬＭＳ算法 的数据 块 长 在 迭 代 ０～
识，其原理框图如图 ２所示。其中，未知非线性系统是
５００次时小于 １５、在 ５０ ０～１６００次时大于 １ ５、在 １６００
一个记忆长度 Ｎ＝３的二阶 Ｖｏ ｌ
ｔｅ
ｒｒａ非线性系统，各阶
 Ｔ  次后由 １ ５收敛至较小值。Ｓ ＶＶＤＢＬＭＳ算法初始数据
权系数矢量分别为 Ｗ１ ＝［１， ２，３］，Ｗ２ ＝［４， ５，６，７，８，
Ｔ
块长为 ２、ＳＶＤＢＬＭＳ算法数据块长分别为 ３和 １５的
９］；输入信号 ｘ（ｎ）是均值为 ０、方差为 １的高斯信号； 权系数误差范数曲线如图 ５所示。相比数据块长为 １５
噪声 ν（ｎ）是均值为 ０、方差为 ｖ ａｒ＿ν的高斯噪声。定
的 ＳＶＤＢＬＭＳ算 法，Ｓ ＶＶＤＢＬＭＳ算 法 的 收 敛 速 度 比
１
义信噪比 ＳＮＲ＝１０ｌｇ
（ ），设 ＳＮＲ＝３０ｄＢ，用式（２
０） ＳＶＤＢＬＭＳ算法慢，但收敛后的稳态误差明显小于 Ｓ ＶＤ
ｖ
ａｒ＿ν
ＢＬＭＳ算法；相比数据块长为 ３的 Ｓ ＶＤＢＬＭＳ算法，Ｓ Ｖ
的权系数误差范数 Ｊ（ｎ）分析算法性能。每条曲线均
ＶＤＢＬＭＳ算法收敛后的稳态误差基本相同但收敛速度
由１ ０次独立实验求平均得到。
更快。因此，Ｓ ＶＶＤＢＬＭＳ算法在收敛速度和稳态性能
两方面都得到了较好的改善。图 ６给出了初始数据块
长为 ２的 Ｓ ＶＶＤＢＬＭＳ算法的各阶权系数收敛曲线。

图 ２　非线性系统辨识原理框图
Ｆｉ
ｇ．２　Ｎｏｎ
ｌｉｎｅ
ａｒｓ
ｙｓｔ
ｅｍｉ
ｄｅｎ
ｔｉｆ
ｉｃ
ａｔｉ
ｏｎｐ
ｒｉｎｃ
ｉｐｌ
ｅ

　 ２ １  ２
２ ２
１  ２

Ｊ
（ｎ）＝１
０ｌｇ∑（!ｉ（ｎ）－!ｉ）＋∑∑（!ｉ，ｊ（ｎ）－!ｉ，ｊ）
　 ｉ＝０ ｉ
＝０ ｊ
＝ｉ

（２０）
仿真中，ＳＶＶＤＢＬＭＳ算法和 ＳＶＤＢＬＭＳ算法的一阶
图 ４　初始块长为 ２的 ＳＶＶＤＢＬＭＳ算法的数据块长变化曲线
和二阶块步长因子均分别为 ０．
００１
５和 ０．
０００
６，且 Ｓ
Ｖ Ｆｉ
ｇ．４　Ｄａ
ｔａｂｌ
ｏｃｋｌ
ｅｎｇ
ｔｈｃ
ｕｒｖ
ｅｏｆＳＶＶＤＢＬＭＳａ
ｌｇｏ
ｒｉｔ
ｈｍ
ＶＤＢＬＭＳ算法中的 Ｋ值取为 ３０。 ｗｈ
ｅｎｉ
ｎｉｔ
ｉａ
ｌｂｌ
ｏｃｋｌ
ｅｎｇ
ｔｈｉ
ｓ２
 第 ９期 赵知劲 等：二阶 Ｖｏ
ｌｔ
ｅｒｒ
ａ变数据块长 ＬＭＳ算法 １４５３

图 ５　两种算法的权系数误差范数曲线
图 ８　两种算法的权系数误差范数曲线
Ｆｉ
ｇ．５　Ｗｅ
ｉｇｈ
ｔｃｏ
ｅｆｆ
ｉｃ
ｉｅｎ
ｔｅｒ
ｒｏｒｎ
ｏｒｍｃ
ｕｒｖ
ｅｓｏ
ｆｔｈｅｔ
ｗｏａ
ｌｇｏ
ｒｉｔ
ｈｍｓ
Ｆｉ
ｇ．８　Ｗｅ
ｉｇｈ
ｔｃｏｅ
ｆｆ
ｉｃ
ｉｅｎ
ｔｅｒ
ｒｏｒｎｏ
ｒｍｃ
ｕｒｖ
ｅｓｏ
ｆｔｈ
ｅｔｗｏａ
ｌｇｏ
ｒｉｔ
ｈｍｓ

图 ６　初始块长为 ２的 ＳＶＶＤＢＬＭＳ算法的权系数收敛曲线
Ｆｉ
ｇ．６　Ｗｅ
ｉｇｈｔｃ
ｏｅｆ
ｆｉ
ｃｉ
ｅｎｔｃ
ｏｎｖ
ｅｒｇ
ｅｎｃ
ｅｃｕ
ｒｖｅ
ｓｏｆＳＶＶＤＢＬＭＳ 图 ９　初始块长为 ３０的 Ｓ ＶＶＤＢＬＭＳ算法的权系数收敛曲线
ａ
ｌｇｏ
ｒｉｔ
ｈｍｗｈｅ
ｎｉｎ
ｉｔｉ
ａｌｂ
ｌｏｃ
ｋｌｅ
ｎｇｔ
ｈｉｓ２ Ｆｉｇ
．９　Ｗｅｉ
ｇｈｔｃｏｅ
ｆｆ
ｉｃ
ｉｅｎｔｃｏ
ｎｖｅｒｇ
ｅｎｃｅｃｕｒ
ｖｅｏｆＳ
ＶＶＤＢＬＭＳ
ａ
ｌｇｏｒ
ｉｔ
ｈｍｗｈ ｅｎｉｎ
ｉｔｉ
ａｌｂｌｏ
ｃｋｌｅ
ｎｇｔｈｉ
ｓ３０
实验 ３：初始数据块长取较大值时 ＳＶＶＤＢＬＭＳ算
法的性 能。ＳＶＶＤＢＬＭＳ算 法 的 初 始 数 据 块 长 为 ３
０， 综上可得以下结论：（１）Ｓ ＶＶＤＢＬＭＳ算法通过对数
ＳＶＤＢＬＭＳ算法的数据块长分别为 ３和 １ ５。图 ７～图 ９ 据块长的自适应调整，收敛性能和稳态性能都得到了
分别给出了 Ｓ ＶＶＤＢＬＭＳ算法的数据块长变化曲线、Ｓ Ｖ 较大的提高；（２）由于收敛阶段更大的数据块长可以加
ＶＤＢＬＭＳ算法与 ＳＶＤＢＬＭＳ算法的权系数误差范数比 快算法收敛速度并保持较好的稳态性能，所以 Ｓ ＶＶＤ
较以及 Ｓ ＶＶＤＢＬＭＳ算法的各阶权系数收敛曲线。与数 ＢＬＭＳ算法初始数据块长应取得大些。
据块长为 １５的 ＳＶＤＢＬＭＳ算法相比，ＳＶＶＤＢＬＭＳ算法 下面分析比较两种算法的计算复杂度。表 １给出
具有更快的收敛速度和更小的稳态误差；与数据块长 了两种算法一次迭代所需的计算量，表 ２给出了迭代
为 ３的 ＳＶＤＢＬＭＳ算法相比，Ｓ ＶＶＤＢＬＭＳ算法的收敛速 次数为 ６０００次、记忆长度 Ｎ＝３时两种算法所需的总
度快得多而且稳态误差相当。因此，初始数据块长取 计算量。由表 ２可见，相比数据块长为 ３的 Ｓ ＶＤＢＬＭＳ
较大值时 Ｓ ＶＶＤＢＬＭＳ算法的收敛速度和稳态性能明显 算法，ＳＶＶＤＢＬＭＳ算法的计算复杂度增加了；但相比数
优于 ＳＶＤＢＬＭＳ算法性能。 据块长为 １ ５的 ＳＶＤＢＬＭＳ算法，ＳＶＶＤＢＬＭＳ算法的计
算复杂度降低了。
表 １两种算法一次迭代的计算量比较
Ｔａ
ｂ．１　Ｏｎ
ｅｉｔ
ｅｒａ
ｔｉ
ｏｎｃ
ａｌｃ
ｕｌａ
ｔｉ
ｏｎｃ
ｏｍｐａ
ｒｉｓ
ｏｎｏ
ｆｔｈｅｔ
ｗｏａ
ｌｇｏ
ｒｉｔ
ｈｍｓ
３ ２ ７
乘法次数 （ Ｎ ＋ Ｎ＋２）Ｌ
Ｓ
ＶＤＢＬＭＳ ２ ２
算法
加法次数 （Ｎ２＋３Ｎ）Ｌ

３ ２ ７
块长更新时刻 （ Ｎ ＋ Ｎ）
（Ｌ１（ｎ）＋Ｌ２（ｎ）
）＋２Ｋ＋２
乘法 ２ ２
次数 ３ ２ ７
Ｓ
ＶＶＤＢＬＭＳ 其它时刻 （ Ｎ ＋ Ｎ）
（Ｌ１（ｎ）＋Ｌ２（ｎ）
）
２ ２
算法
图 ７　初始块长为 ３０的 ＳＶＶＤＢＬＭＳ算法的数据块长变化曲线 块长更新时刻 （Ｎ２＋３Ｎ）
（Ｌ１（ｎ）＋Ｌ２（ｎ）
）＋２Ｋ
加法
Ｆｉ
ｇ．７　Ｄａ
ｔａｂｌ
ｏｃｋｌ
ｅｎｇｔ
ｈｃｕｒ
ｖｅｏｆＳＶＶＤＢＬＭＳａ
ｌｇｏ
ｒｉｔ
ｈｍ 次数
其它时刻 （Ｎ２＋３Ｎ）
（Ｌ１（ｎ）＋Ｌ２（ｎ）
）
ｗｈｅｎｉ
ｎｉｔ
ｉａ
ｌｂｌ
ｏｃｋｌ
ｅｎｇｔ
ｈｉｓ３０
１４５４ 信 号 处 理 第２
７卷

表 ２　两种算法的总计算量比较 ［６］　汪光森，王乘．基于自适应 Ｖｏ ｌｔ
ｅｒｒ
ａ滤波器的非线性系
Ｔａ
ｂ．２　Ｔｏ
ｔａｌｃ
ａｌｃ
ｕｌａ
ｔｉ
ｏｎｃ
ｏｍｐａ
ｒｉｓ
ｏｎｏ
ｆｔｈｅｔ
ｗｏａ
ｌｇｏ
ｒｉｔ
ｈｍｓ 统辨识［Ｊ ］．电光与控制，２ ００５，１２（２）：４ ２４４．
乘法总次数 加法总次数 ＧｕａｎｇｓｅｎＷａ ｎｇ，Ｃｈ ｅｎｇＷａ ｎ ｇ
．Ｎｏ ｎｌｉ
ｎ ｅ
ａｒｓ ｙｓｔ
ｅｍｓｉ ｄｅｎｔｉ

ｆｉ
ｃａｔｉ
ｏｎｂ ａｓｅｄｏ ｎａ ｄａｐｔ
ｉｖｅＶｏ ｌ
ｔｅｒ
ｒａｆｉｌ
ｔｅｒ［Ｊ］．Ｅｌ ｅ
ｃｔｒｏｎｉ
ｃｓ
ＳＶＤＢＬＭＳ 块长为 ３ ４６
８０００ ３２
４０００
Ｏｐｔｉｃ
ｓａ ｎｄＣｏ ｎｔ
ｒｏｌ
，２ ００５，１ ２（２）：４ ２４４．（ｉ ｎＣｈ ｉ
ｎｅｓｅ）
算法 块长为 １５ ２３
４００
００ １６
２００
００ ［７］　Ｈａ ｉｑｕａｎＺｈ ａｏ，Ｊｉａｓ
ｈｕＺｈ ａｎｇ．Ａｎ ｏｖｅｌａｄ ａ
ｐ ｔ
ｉｖｅｅｑｕ ａ
ｌｉｚ
ｅｒ
ＳＶＶＤＢＬＭＳ 初始块长为 ２ ２２
０１２
９６ １６５３
６７２ ｗｉｔ
ｈＤＣＴｄ ｏｍａｉｎｓｅｃｏｎｄｏｒｄｅｒＶｏ ｌ
ｔｅｒ
ｒａｓ ｅｒｉ
ｅｓｆｏｒｎ ｏｎｌｉ
ｎ
算法 ｅａｒｃｈ ａ
ｎｎ ｅｌ［Ｃ］．Ｉ ｎｔｅｒ
ｎ ａｔｉｏ
ｎ ａ
ｌＣｏ ｎｆ
ｅｒｅｎｃｅｏ ｎＩ ｎｎｏｖａｔｉ
ｖｅ
初始块长为 ３０ １８
７７２
４８ １
４１０
６３６
Ｃｏｍｐ ｕｔ
ｉｎｇ，Ｉ ｎｆｏｒ
ｍａ ｔ
ｉｏ
ｎａ ｎｄＣｏ ｎｔｒ
ｏｌ，２００ ７，２ ５８８２５９４．
由于 Ｓ
ＶＶＤＢＬＭＳ算法的收敛速度和稳态性能都明 ［８］　ＧＡｌ ｅｘａｎｄｒｅ，ＦＧｅ ｒａｒ
ｄ，ａ ｎｄＬＢＪＲｅ ｇ
ｉｎ ｅ
．Ｎｏ ｎｌ
ｉｎｅａｒａ
显优于数据块长为 ３的 ＳＶＤＢＬＭＳ算法，且 Ｓ ＶＶＤＢＬＭＳ ｃｏｕｓｔ
ｉｃｅ ｃｈｏｃ ａｎｃｅｌ
ｌａｔ
ｉｏｎｂ ａｓｅｄｏ ｎＶｏ ｌｔ
ｅｒｒａｆ ｉ
ｌｔ
ｅｒｓ［Ｊ］．
算法的收敛速度与数据块长为 １５的 Ｓ ＶＤＢＬＭＳ算法相 ＩＥＥＥ Ｔｒ ａｎｓａｃｔｉ
ｏｎｓｏ ｎＳ ｐ ｅ
ｅ ｃ
ｈａ ｎｄ Ａｕ ｄｉｏ Ｐｒｏｃｅｓｓ
ｉｎｇ，
当但稳态性能优于后者，因此综合考虑算法性能和计 ２００３，１ １（６）：６ ７２６８３．
［９］　赵知劲，郑晓华，赵治栋．α稳定分布下 Ｖｏ ｌ
ｔｅｒ
ｒａ滤波器
算复杂度，ＳＶＶＤＢＬＭＳ算法优于 ＳＶＤＢＬＭＳ算法。
的自适 应 数 据 块 算 法 ［Ｊ ］．电 子 技 术 应 用，２ ０１０，３ ６
５　结束语 （５）：１ ３６１ ３８．
Ｚｈｉｊ
ｉｎＺｈ ａｏ，Ｘｉ ａｏｈｕａＺｈ ｅｎｇ，Ｚｈ ｉｄｏ
ｎｇＺｈ ａ ｏ
．Ａｄ ａｐ
ｔｉｖｅｄａ
针对二阶 Ｖｏ ｌ
ｔｅｒ
ｒａ数据块 ＬＭＳ算法由于数据块长 ｔａｂｌｏｃｋＶｏ ｌｔｅｒ
ｒａｆｉｌ
ｔｅ
ｒａ ｌ
ｇ ｏｒｉ
ｔｈｍｉ ｎαｓｔａ
ｂ ｌ
ｅｎ ｏｉｓ
ｅｅ ｎｖｉｒ
ｏｎ
取值不同导致算法的收敛速度和稳态误差此消彼长的 ｍｅｎｔｓ［Ｊ ］．Ａｐ ｐｌｉ
ｃａｔ
ｉｏｎｏ ｆＥｌｅｃｔｒ
ｏｎｉｃＴｅ ｃｈｎｉｑｕｅ，２ ０１０，
问题，本文 提出 了 一 种 二 阶 Ｖｏ
ｌｔｅ
ｒｒａ变 数 据 块 长 ＬＭＳ ３６（５）：１ ３６１３８．（ｉｎＣｈ ｉｎｅｓｅ）
算法。该算法通过对数据块长的自适应调整，使收敛 ［１０］ Ｒ．Ｃ．Ｂｉ ｌ
ｃｕ，Ｐ．Ｋｕ ｏｓ
ｍａ ｎｅｎａ ｎ
ｄＫ．Ｅｇ ｉａ
ｚａｒｉａ
ｎ．Ａｎ ｅｗ
速度和稳态性能都得到了显著的提高。 ｖａｒ
ｉａｂｌｅｌｅｎ ｇｔ
ｈＬＭＳａ ｌ
ｇ ｏｒｉ
ｔｈｍ：Ｔｈ ｅｏ
ｒｅｔｉ
ｃ ａ
ｌａ ｎａｌｙｓ
ｉｓａ ｎｄ
ｔｈ
ｉ
ｍｐ ｌｅｍｅｎｔａｔｉ
ｏｎｓ［Ｃ］．９ Ｉ ｎｔ
ｅｒｎａｔ
ｉｏｎａｌＣｏ ｎｆｅ
ｒｅｎｃｅｏ ｎＥ
参考文献 ｌ
ｅ ｃ
ｔｒｏｎｉ
ｃｓ，Ｃｉ ｒｃｕｉ
ｔｓａ ｎｄＳ ｙｓ
ｔｅｍｓ，２ ００２，１ １（３）：１ ０３１
［１］　西蒙．赫金．自适应滤波器原理［Ｍ］．第四版．北京：电 １０３４．
子工业出版社，２
００３．
作者简介
Ｓ
ｉｍｏ
ｎＨａ
ｙｋｉ
ｎ．Ａｄ
ａｐｔ
ｉｖ
ｅＦｉ
ｌｔ
ｅｒＴｈ
ｅｏｒ
ｙ［Ｍ］．Ｆｏ
ｒｔｈＥｄ
ｉ
ｔ
ｉｏ
ｎ．Ｂｅ
ｉｊ
ｉｎｇ
：Ｐｕ
ｂｌｉ
ｓｈｉ
ｎｇＨｏ
ｕｓｅｏ
ｆＥｌ
ｅｃｔ
ｒｏｎ
ｉｃｓＩ
ｎｄｕ
ｓｔｒ
ｙ， 　　赵知劲 （１
９５９
），女，浙江宁波，杭州
２
００３．（ｉ
ｎＣｈ
ｉｎｅ
ｓｅ） 电子科技大学教授，博士生导师，１
９８４年
［２］　杨群，曾学文，王劲林．地面 电 视 回 传 信 道 的 变 块 长 ７月毕业于西安电子科技大学信号、电路
ＢＬＭＳ均衡算法 ［Ｊ
］．微计算机信息，２
００９，２
５（２
２）： 与系统专业，获工学硕士学位。发表学术
１
４０
１４２．
论文六十多篇，获省部科技进步三等奖二
Ｑｕ
ｎＹａ
ｎｇ，Ｘｕ
ｅｗｅ
ｎＺｅ
ｎｇ，Ｊ
ｉｎｌ
ｉｎＷａ
ｎｇ．Ａｎ
ｅｗｔ
ｅｒｒ
ｅｓｔ
ｒｉ
ａｌ
项，浙江省教育厅科技进步二、三等奖各
ｔ
ｅｌ
ｅｖｉ
ｓｉ
ｏｎｆ
ｅｅｄ
ｂａｃ
ｋｃｈ
ａｎｎ
ｅｌｗｉ
ｔｈ ａｖ
ａｒｉ
ａｂｌ
ｅｂｌ
ｏｃｋ
ｓｉｚ
ｅ
一项．研究方向为通信信号处理、自适应信号处理、认知无
ＢＬＭＳｅ
ｑｕａ
ｌｉ
ｚａｔ
ｉｏ
ｎａｌ
ｇｏｒ
ｉｔ
ｈｍ［Ｊ
］．Ｃｏ
ｎｔｒ
ｏｌ＆ Ａｕ
ｔｏｍａ
ｔｉ
ｏｎ，
线电等。Ｅ
ｍａｉ
ｌ：ｚ
ｈａｏ
ｚｊ０
３＠ｈ
ｄｕ．ｅ
ｄｕ．ｃ
ｎ
２
００９，２
５（２
２）：１
４０
１４２．（ｉ
ｎＣｈ
ｉｎｅ
ｓｅ）
严平平 （１
９８６
），男，浙江杭州，杭州
［３］　杨群，曾学文，王劲林．新的变块长频域批处理 ＬＭＳ算
电子科 技 大 学 硕 士 研 究 生，研 究 方 向 为
法［Ｊ
］．计算机工程与应用，２
００９，４
５（２）：
３４
３８．
Ｖｏ
ｌｔ
ｅｒｒ
ａ滤波器自适应算法研究等。
Ｑｕ
ｎＹａ
ｎｇ，Ｘｕ
ｅｗｅ
ｎＺｅ
ｎｇ，Ｊ
ｉｎｌ
ｉｎＷａ
ｎｇ．Ｎｅ
ｗｖａ
ｒｉａ
ｂｌｅ
Ｅ
ｍａｉ
ｌ：ｙ
ａｎｐ
ｐ１１
４＠１
６３．ｃ
ｏｍ
ｂ
ｌｏｃ
ｋｓ
ｉｚｅｆ
ｒｅｑ
ｕｅｎ
ｃｙ
ｄｏｍａ
ｉｎＬＭＳａ
ｄａｐ
ｔｉｖ
ｅａｌ
ｇｏｒ
ｉｔ
ｈｍ［Ｊ
］．
Ｃｏ
ｍｐｕ
ｔｅｒＥｎ
ｇｉｎ
ｅｅｒ
ｉｎｇ＆Ａｐ
ｐｌｉ
ｃａｔ
ｉｏ
ｎｓ，２
００９，４
５（２）：
３４
３
８．（ｉ
ｎＣｈ
ｉｎｅ
ｓｅ）
［４］　Ｚｈ
ｉｊｉ
ｎＺｈ
ａｏ，Ｋｅ
ｈａｉＤｏ
ｎｇ，Ｃｈ
ｕｎｙ
ｕｎＸｕ．Ｄａ
ｔａｂ
ｌｏｃ
ｋａｄ
ａｐ 徐春云 （１
９５６
），男，副 研 究 员，主 要
ｔ
ｉｖ
ｅｆｉｌ
ｔｅ
ｒｉｎ
ｇａ ｌ
ｇｏｒ
ｉｔ
ｈｍｓｆｏｒαｓ
ｔａｂ
ｌｅｒａｎｄｏ
ｍｐ ｒ
ｏｃｅ
ｓｓｅ
ｓ［Ｊ
］． 研究方向为信号处理、电子测量等。
Ｄｉ
ｇｉｔ
ａｌＳｉ
ｇｎａｌＰｒｏ
ｃｅｓ
ｓｉｎ
ｇ，２ ０
０７，１ ７（４）：８３
６８４７． Ｅ
ｍａｉ
ｌ：ｘ
ｃｙ＠ｈ
ｄｕ．ｅ
ｄｕ．ｃ
ｎ
［５］　Ｎｏ
ｗａｋＲＤ，Ｖｅ
ｅｎＢＤ．Ｒａ
ｎｄｏ
ｍａｎ
ｄｐｓ
ｅｕｄ
ｏｒａ
ｎｄｏ
ｍｉｎ

ｐ
ｕｔｓｆ
ｏｒＶｏ
ｌｔ
ｅｒｒ
ａｓｙ
ｓｔｅ
ｍｉｄ
ｅｎｔ
ｉｆ
ｉｃ
ａｔｉ
ｏｎ［Ｊ
］．Ｉ
ＥＥＥＴｒ
ａｎｓｏ
ｎ
Ｓ
ｉｇｎ
ａｌＰｒ
ｏｃｅ
ｓｓｉ
ｎｇ，１
９９４，４
２（８）：２
１２４
２１３
５．