[发明专利]基于核极化策略的随机傅立叶特征核LMS的核参数优化方法

摘要

基于核极化策略的随机傅立叶特征核LMS的核参数优化方法，它用于核自适应滤波器技术领域。本发明解决了现有的随机傅立叶特征核最小均方算法的稳态精度低的问题。本发明通过核极化策略得到优化的核参数值，这些极化核参数值相比于随机采样得到的参数值更加匹配训练数据中所包含的特征信息，将优化的核参数值用于随机傅立叶特征映射，映射后的特征子空间更加接近于给定的学习任务模型；基于该极化特征网络构建的核自适应滤波器的非线性建模性能得以提高，与未采用核极化策略的随机傅立叶特征最小均方算法相比，在同样复杂度下，本发明方法的稳态精度提高1dB到2dB。本发明可以应用于核自适应滤波器技术领域。

主权项

1.基于核极化策略的随机傅立叶特征核LMS的核参数优化方法，其特征在于，该方法包括以下步骤：步骤一、随机生成M组独立同分布的核参数值且所述M组独立同分布的核参数值满足高斯分布N(0,σ²I)，w_m代表第m组核参数值，其中m＝1,2,…,M，I为单位向量，σ为核带宽；步骤二、给定训练集x(i)代表训练集的第i组输入信号，d(i)代表训练集的第i组期望信号，N代表训练集样本量；单位向量I的维度与输入向量x(i)的维度相同；步骤三、根据核极化评价函数得到M组独立同分布的核参数值的极化值φ(x(i),w_m)代表未优化的显示特征向量；步骤四、对M组独立同分布的核参数值的极化值由大到小进行排序，从中选出极化值最大的M′个值，将选出的M′个值所对应的核参数值作为极化核参数值j为M′中的第j组极化核参数值；步骤五、将步骤二给定的训练集输入随机傅立叶特征核LMS算法，并输入步长μ和核参数集初始化权值向量Ω(1)，设置迭代循环的次数为N，计算出每次迭代对应的期望误差；步骤六、利用计算出的期望误差来获得输入随机傅立叶特征核LMS算法的核参数集的稳态均方误差值。