[发明专利]基于变遗忘因子的RFFKLMS算法权值更新优化方法

权利要求书

1.一种基于变遗忘因子的RFFKLMS算法权值更新优化方法，其特征在于，在算法系数更新过程中加入含有过去权系数信息的动量项，包括如下步骤：

S1，以非线性信道均衡传输模型的输出，作为待均衡信号并作为基于变遗忘因子的RFFKLMS算法的输入，以算法每次迭代输出的信号的瞬时误差平方的加权累加值计算算法的代价函数，并引入遗忘因子，

其中，e(j)表示j时刻的瞬时误差，e(n)＝d(n)-y(n)，Ω(n-1)为n-1时刻算法的权值向量，λ_i称为遗忘因子，且满足0≤λ_i＜1，d(n)为算法期望的输出信号，y(n)为算法实际的输出信号，x(n)为算法的输入信号，为输入信号的随机傅里叶特征映射函数；

S2，利用最速下降法，算法权值向量的迭代公式为，

其中，是n-1时刻权值向量的梯度，μ为权值向量更新过程中的步长；

S3，所述代价函数分别对n-1时刻和n-2时刻的算法权值向量求导，并整理得到更新后的权值向量迭代公式，

Ω(n)＝Ω(n-1)+μe(n)φ(x(n))+λ_i(Ω(n-1)-Ω(n-2))      (3)

设存在一个特征映射φ(x):R^d→R^D，随机傅里叶特征向量为：

其中，ω₁,...,ω_D∈R^D是独立同分布的样本，参数D表示内积空间的维数；

S4，使用互相关误差信号更新遗忘因子λ_i(n+1)＝φ_iλ_i(n)+ε_ie(n)e(n-1)；其中，e(n)e(n-1)为互相关误差信号，φ_i和ε_i是控制参数，其中ε_i为常数，控制λ_i的收敛速度，参数φ_i选取为接近1的值；

得到优化后的权值向量迭代公式，

Ω(n)＝Ω(n-1)+μe(n)φ(x(n))+λ_i(n)(Ω(n-1)-Ω(n-2))      (4)

其中，λ_i(n)是时变遗忘因子；

权值向量更新的优化方法在构建非线性信道均衡传输模型的权值迭代过程中对权值更新信号进行处理。

2.根据权利要求1所述的一种基于变遗忘因子的RFFKLMS算法的权值更新优化方法，其特征在于，所述S3具体包括：

S31、代价函数对n-1时刻权值向量求导，得

则权值向量迭代公式写为

S32、利用最速下降法计算n-2时刻的权值迭代公式，得

进一步整理得

将公式(3-4)带回公式(3-2)中，最终得到更新后的权值向量迭代公式，