[发明专利]基于变元步长的随机傅里叶特征核最小均方算法

摘要

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。本发明用于核自适应滤波系统。

主权项

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)+μ_m(n)e(n)²；其中，α表示取值范围为(0,1)的常数，μ_m(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)＞μ_max或μ(n+1)＜μ_min，则令μ(n+1)＝μ(n)；如果μ_min≤μ(n+1)≤μ_max，则令μ(n+1)＝μ(n+1)；其中，μ_min和μ_max分别为预先设定的步长取值范围的最小值和最大值；然后执行S6；S6、将S4中第n次迭代的元步长μ_m(n)更新为第n+1次迭代的元步长μ_m(n+1)：μ_m(n+1)＝pμ_m(n)+qe(n)²；其中，p和q表示取值范围为(0,1)的常数；返回执行S1获取第n+1次迭代的核自适应滤波器的输出。