[发明专利]基于变遗忘因子的RFFKLMS算法权值更新优化方法有效

专利信息
申请号: 201910364888.X 申请日: 2019-04-30
公开(公告)号: CN110162739B 公开(公告)日: 2023-05-02
发明(设计)人: 许永辉;孙超;杨子萱;赵玺 申请(专利权)人: 哈尔滨工业大学
主分类号: G06F17/15 分类号: G06F17/15
代理公司: 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 代理人: 崔自京
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于变遗忘因子的RFFKLMS算法的权值更新优化方法,通过动量项技术在步长更新的迭代公式中引入遗忘因子,并对遗忘因子进行优化,推导出基于变遗忘因子的RFFKLMS算法。遗忘因子决定系统对于过去时刻误差信号的依赖程度,而变遗忘因子则是在此基础上利用互相关误差信号,综合地提升系统的收敛能力和抗干扰能力。大量仿真分析结果表明,与变步长RFFKLMS算法相比该算方法在非平稳条件下具有较好的收敛速度并且在稳态时具有更好的精度。
搜索关键词: 基于 遗忘 因子 rffklms 算法 更新 优化 方法
【主权项】:
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,λi称为遗忘因子,且满足0≤λi<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))+λi(Ω(n‑1)‑Ω(n‑2))   (3)S4,使用互相关误差信号更新遗忘因子λi(n+1)=φiλi(n)+εie(n)e(n‑1);其中,e(n)e(n‑1)为互相关误差信号,φi和εi是控制参数,其中εi为常数,控制λi的收敛速度,参数φi通常选取为接近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))+λi(n)(Ω(n‑1)‑Ω(n‑2))   (4)其中,λi(n)是时变遗忘因子。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910364888.X/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top