《表1 实验参数取值：用于干扰对消的稀疏约束卡尔曼滤波算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《用于干扰对消的稀疏约束卡尔曼滤波算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图3分别对比了探测信噪比为10dB和30dB时的系统辨识误差曲线。其中，SKF算法的ξ取值分别为0.1和1，表1给出了本文SCKF算法的实验参数取值。结合SCKF算法和式（23）可知τ的取值会影响修正步骤中的，取值过大会导致算法失调，取值过小又会使f(w）的稀疏倾向性不足，这里参照文献[16]取τ为50。分析图3(a）和图3(b）可以看出在稀疏条件下，本文所提出的SCKF算法的辨识性能要优于常规KF算法和SKF算法。其中，l0-KF算法最优，l1-KF算法与SKF算法的性能比较接近。当探测信噪比较低时，l0-KF算法的优势比较明显；当探测信噪比较高时，各算法的性能均有所提升，l0-KF算法的优势有所下降。