分数阶MBZC相关熵算法

脉冲干扰下更稳

针对输入和噪声同时含尖峰的场景，用分数阶梯度下降训练改进的Blake-Zisserman相关熵准则，比传统算法更灵活，适用更多非高斯环境。

Omer M., Abdelrhman · 李森

Journal of the Franklin Institute 2024

技术优势

输入带尖峰也能稳

将输入信号和噪声都建模为α稳定分布，直接应对输入本身含尖峰的场景，而传统方法只处理噪声中的脉冲。

梯度更灵活

分数阶随机梯度下降引入额外自由度，能更好适应不同信号和噪声类型，比传统整数阶SGD更具灵活性。

稳态误差更低

在多种非高斯环境仿真中，该方法的稳态性能优于现有算法，表明其误差更小。

应用场景

• 鲁棒自适应滤波：在输入和噪声都含脉冲的场合，用该算法替代传统稳健滤波，减少尖峰引起的性能下降。
• 非高斯信号处理：处理符合α稳定分布的非高斯信号，无需对信号分布做高斯假设。
• 脉冲噪声抑制：抑制脉冲噪声时兼顾输入信号中的尖峰，避免传统方法因输入异常而发散。
• 系统辨识：用于非高斯噪声环境下的系统辨识，获得更准确的模型参数。