基于变元步长的随机傅里叶特征核最小均方算法制造技术

基于变元步长的随机傅里叶特征核最小均方算法，属于核自适应滤波器优化领域，本发明专利技术为解决现有核自适应滤波系统中性能最好的基于随机傅里叶特征的核最小均方算法采用固定步长的方法，算法的收敛速度收到限制的问题。本发明专利技术具体过程为：计算核自适应滤波器的输出，计算误差；将第n次迭代的权值向量更新为第n+1次迭代的权值向量；将第n次迭代的步长更新为第n+1次迭代的步长；判断第n+1次迭代的步长的值与预先设定的步长取值范围的最小值和最大值的大小，将第n次迭代的元步长更新为第n+1次迭代的元步长，获取第n+1次迭代的核自适应滤波器的输出。本发明专利技术用于核自适应滤波系统。

Random Fourier Feature Kernel Minimum Mean Square Algorithm Based on Variable Step Size

【技术实现步骤摘要】
基于变元步长的随机傅里叶特征核最小均方算法
本专利技术涉及一种基于变元步长的随机傅里叶特征核最小均方算法，属于核自适应滤波器优化领域。
技术介绍
核自适应滤波器是基于核学习的自适应滤波器，相比于传统的自适应滤波器，其非线性建模能力得到了极大的提高。随机傅立叶特征核最小均方算法是一种基于核近似技术的核自适应滤波算法。在非线性信号处理的多个领域(非线性系统辨识、非线性时间序列预测、回声消除等)具有广泛的应用前景。基于随机傅里叶特征的核最小均方算法从根本上克服了核自适应滤波的权值网络增长问题，计算复杂度大幅度降低。相比于基于稀疏化方法的核自适应滤波算法，算法的结构更加的简单，不需要构建稀疏化的特征字典，结构简单。基于随机傅里叶特征的核最小均方算法的结构框图如图1所示。核近似技术通过近似核映射函数或核矩阵降低计算复杂度。随机傅立叶特征方法通过近似高斯核得到显式的特征映射表达，从而得以通过迭代的权值网络进行计算，得到接近线性算法的计算复杂度。相比于Nystrom方法，基于随机傅里叶特征的核最小均方算法可以得到一个近似线性算法的计算过程。即使在非平稳下，网络规模不会增长。作为一种有效的核近似技术本文档来自技高网...

【技术保护点】
1.基于变元步长的随机傅里叶特征核最小均方算法，其特征在于，具体过程为：S1、计算核自适应滤波器的输出：核自适应滤波器的输入信号向量为x(n)，则输出信号向量y(n)为：y(n)＝Ω(n)

【技术特征摘要】
1.基于变元步长的随机傅里叶特征核最小均方算法，其特征在于，具体过程为：S1、计算核自适应滤波器的输出：核自适应滤波器的输入信号向量为x(n)，则输出信号向量y(n)为：y(n)＝Ω(n)Tφ(x(n))；其中，Ω(n)表示第n次迭代的权值向量，n＝1,2,…,R，φ(x(n))表示随机傅里叶特征向量；S2、计算误差：误差e(n)＝d(n)-y(n)；其中，d(n)表示期望响应；S3、将S1中第n次迭代的权值向量Ω(n)更新为第n+1次迭代的Ω(n+1)：Ω(n+1)＝Ω(n)+μ(n)e(n)φ(x(n))；其中，μ(n)表示第n次迭代的步长；S4、将S3中第n次迭代的步长μ(n)更新为第n+1次迭代的步长μ(n+1)：μ(n+1)＝αμ(n)+μm(n)e(n)2；其中，α表示取值范围为(0,1)的常数，μm(n)表示第n次迭代的元步长；S5、判断S4获取的第n+1次迭代的步长μ(n+1)的值：如果μ(n+1)＞μmax或μ(n+1)＜μmin，则令μ(n+1)＝μ(n)；如果μmin≤μ(n+1)≤μmax，则...

【专利技术属性】
技术研发人员：陈寅生，罗中明，孙崐，赵文杰，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23