The invention discloses a kernel adaptive filtering method based on soft projection weighted kernel recursive least squares, which includes the following sub-steps: S1. The input signal sequence and ideal output signal sequence of the given kernel adaptive filtering are used as training data; the input signal sequence is u1, u2,..., uM, and the ideal output signal sequence is d1, d2,..., dM; where UI represents the I I of the core adaptive filter. The input signal of time, Di represents the ideal output signal of the kernel adaptive filter when UI input, i=1,2,3,...,M; S2. A kernel adaptive filtering model based on soft projection weighted kernel recursive least squares is constructed, and the parameters of the model are updated iteratively by using training data to realize the training of the kernel adaptive filtering model; S3. The trained kernel adaptive filtering model is used to train the new input signal. The signal is filtered. The invention greatly alleviates the network scale growth and improves the performance of the adaptive filtering method.
【技术实现步骤摘要】
一种基于软投影加权核递归最小二乘的核自适应滤波方法
本专利技术涉及自适应滤波,特别是涉及一种基于软投影加权核递归最小二乘的核自适应滤波方法。
技术介绍
核方法可以提供功能强大及结构统一的框架用以模式识别与发现。从而使得基于核方法的各类算法可以处理诸如:字符串、向量及文本等数据类型的问题。进而发现这些问题中诸如:排列、分类、回归及聚类等模式间的一般关系。核方法的应用领域囊括:神经网络、模式识别、机器学习以及数据挖掘等。然而,在大多数情况下核学习方法由于其本身复杂度很高,导致其不适用于大规模数据的实时处理;具备实时处理能力的核学习方法在近年来受到极大的关注与探索。核自适应滤波器(kerneladaptivefilters,KAFs)是目前最为有效的在线核处理方法。KAFs是一类发展于重构核希尔伯特空间(reproducingkernelHilbertspace,RKHS)的非线性滤波器或算法,它们能有效处理输入/输出数据对间的非线性模式关系。目前,有效的KAFs诸如:核最小均方算法(kernelleast-mean-squarealgorithm,KLMS)、核仿射算法(kernelaffineprojectionalgorithm,KAPA)、核递归最小二乘算法(kernelrecursiveleastsquaresalgorithm,KRLS)以及核递归最大相关熵算法(kernelmaximumcorrentropyalgorithm,KRMC)等等。然而,核自适应滤波算法面临的主要瓶颈问题是:其网络结构随着训练样本的增加而增长,从而在处理持续到来的信号时 ...
【技术保护点】
1.一种基于软投影加权核递归最小二乘的核自适应滤波方法,其特征在于:包括以下步骤:S1.给定核自适应滤波的输入信号序列和理想输出信号序列作为训练数据;输入信号序列为u1,u2,...,uM,理想输出信号序列为d1,d2,...,dM;其中,ui表示核自适应滤波器的第i个时刻的输入信号,di表示ui输入时核适应滤波器的理想输出信号,i=1,2,3,...,M;S2.构建基于软投影加权核递归最小二乘的核自适应滤波模型,并利用训练数据对模型参数进行迭代更新,以实现核自适应滤波模型的训练;S3.利用训练好的核自适应滤波模型对新输入的信号进行滤波。
【技术特征摘要】
1.一种基于软投影加权核递归最小二乘的核自适应滤波方法,其特征在于:包括以下步骤:S1.给定核自适应滤波的输入信号序列和理想输出信号序列作为训练数据;输入信号序列为u1,u2,...,uM,理想输出信号序列为d1,d2,...,dM;其中,ui表示核自适应滤波器的第i个时刻的输入信号,di表示ui输入时核适应滤波器的理想输出信号,i=1,2,3,...,M;S2.构建基于软投影加权核递归最小二乘的核自适应滤波模型,并利用训练数据对模型参数进行迭代更新,以实现核自适应滤波模型的训练;S3.利用训练好的核自适应滤波模型对新输入的信号进行滤波。2.根据权利要求1所述的一种基于软投影加权核递归最小二乘的核自适应滤波方法,其特征在于:所述步骤S2包括以下子步骤:S201.构建核自适应滤波模型,该模型的参数包含中间矩阵权重系数遗忘对角矩阵元素字典和相关性阈值εc;S202.当i=1时,根据第1个时刻的输入信号u1和对应的理想输出信号di,对模型参数进行初始化:式中,k(x1,x2)为高斯核函数,x1,x2为高斯核函数的输入变量,h表示核宽度;β为遗忘因子,γ仍为正则化参数;S202.当i>...
【专利技术属性】
技术研发人员:赵集,张志鹏,徐孝增,李阳,李谦,李国亮,张洪斌,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。