本文關(guān)鍵詞：基于最大互相關(guān)熵的核自適應(yīng)濾波算法研究

  更多相關(guān)文章： 核自適應(yīng)濾波 最大互相關(guān)熵 量化方法

【摘要】：基于核方法的自適應(yīng)濾波(Kernel Adaptive filtering,KAF)是非常有效的非線性學(xué)習(xí)算法,已被廣泛應(yīng)用于系統(tǒng)辨識、信道均衡、噪聲消除等方面。在這些信號處理過程中,人們認為大部分的噪聲呈現(xiàn)高斯分布,因而在實際應(yīng)用中,核自適應(yīng)濾波算法大多采用反映二階統(tǒng)計矩的最小均方誤差(Mean Square Error,MSE)準則對模型進行學(xué)習(xí)。然而在真實的環(huán)境中,人們觀測出大量的自然噪聲都表現(xiàn)出非高斯的行為,例如水聲噪聲、大氣噪聲等。在過去十幾年中,信息論學(xué)習(xí)(Information Theoretic Learning,ITL)獲得較大的發(fā)展,其相關(guān)理論在非高斯信號處理中得到了非常廣泛的應(yīng)用。其中,信息論學(xué)習(xí)中的互相關(guān)熵(Correntropy)是衡量隨機變量之間的局部的相似度。與MSE準則相比,基于互相關(guān)熵的優(yōu)化準則能夠從數(shù)據(jù)中提取更加豐富的統(tǒng)計信息,因此基于該準則的算法會更加魯棒。本論文以最小二乘算法(Recursive Least Squares,RLS)為基礎(chǔ),提出基于互相關(guān)熵優(yōu)化準則的核自適應(yīng)濾波算法,并通過仿真實驗對算法性能進行分析和驗證。本論文的研究工作主要分為兩個部分。首先,本文引入互相關(guān)熵,提出基于最大互相關(guān)熵(Maximum Correntropy Criterion,MCC)的核最小二乘算法(Kernel Recursive Maximum Correntropy,KRMC)。KRMC算法將輸入空間的數(shù)據(jù)映射到特征空間,在特征空間中運用線性的算法學(xué)習(xí)濾波器權(quán)值。算法定義期望響應(yīng)和輸出信號的互相關(guān)熵,在每一次遞歸學(xué)習(xí)中最大化該互相關(guān)熵,直至算法收斂。與普通的核化最小二乘算法(Kernel Recursive Least Squares,KRLS)相比,基于最大互相關(guān)熵的核最小二乘算法利用高斯核函數(shù)削弱非高斯噪聲對算法迭代的影響,有效地保證在非高斯環(huán)境中良好的算法性能。本論文通過混沌時間序列預(yù)測仿真實驗與其他算法對比,驗證KRMC算法的MSE性能,并探討不同的互相關(guān)熵核寬度對KRMC算法的影響。接著,針對核自適應(yīng)濾波算法普遍存在的網(wǎng)絡(luò)節(jié)點線性遞增的問題,提出基于量化方法的核最小二乘算法(Quantized KRMC,QKRMC)。算法建立網(wǎng)絡(luò)節(jié)點字典,在線地對輸入數(shù)據(jù)序列進行篩選,將滿足判斷條件的數(shù)據(jù)量化至當(dāng)前網(wǎng)絡(luò)節(jié)點字典中與之最接近的節(jié)點值。量化方法通過量化閾值靈活地控制QKRMC算法的網(wǎng)絡(luò)結(jié)構(gòu),在保證算法良好性能的同時,盡可能地精簡QKRMC的網(wǎng)絡(luò)節(jié)點。本論文通過混沌時間序列預(yù)測仿真實驗驗證QKRMC算法的MSE性能,并探討不同的量化閾值對QKRMC算法網(wǎng)絡(luò)結(jié)構(gòu)的影響。
【關(guān)鍵詞】：核自適應(yīng)濾波 最大互相關(guān)熵 量化方法
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN713;TN911.7
【目錄】：

• 摘要5-7
• Abstract7-10
• 主要符號表10-11
• 第一章 緒論11-21
• 1.1 研究背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-19
• 1.2.1 核方法研究現(xiàn)狀12-16
• 1.2.2 互相關(guān)熵研究現(xiàn)狀16-19
• 1.3 主要研究工作19
• 1.4 論文的組織結(jié)構(gòu)19-21
• 第二章 背景知識21-32
• 2.1 核方法21-24
• 2.1.1 核函數(shù)的性質(zhì)和選擇21-23
• 2.1.2 再生核希爾伯特空間23-24
• 2.2 核自適應(yīng)濾波24-28
• 2.2.1 自適應(yīng)濾波25-27
• 2.2.2 核自適應(yīng)濾波的計算框架27-28
• 2.3 互相關(guān)熵28-31
• 2.3.1 互相關(guān)熵定義29-30
• 2.3.2 互相關(guān)熵性質(zhì)30-31
• 2.4 本章小結(jié)31-32
• 第三章 基于最大互相關(guān)熵的核最小二乘算法32-44
• 3.1 引言32
• 3.2 KRLS算法32-34
• 3.2.1 算法推導(dǎo)32-34
• 3.2.2 算法分析34
• 3.3 最大互相關(guān)熵34-37
• 3.4 KRMC算法37-39
• 3.4.1 算法推導(dǎo)37-38
• 3.4.2 算法分析38-39
• 3.5 實驗結(jié)果與分析39-43
• 3.5.1 仿真環(huán)境39-40
• 3.5.2 實驗結(jié)果40-43
• 3.6 本章小結(jié)43-44
• 第四章 基于量化方法的KRMC算法44-55
• 4.1 引言44
• 4.2 在線稀疏化方法44-46
• 4.3 QKRMC算法46-50
• 4.3.1 算法推導(dǎo)46-48
• 4.3.2 算法分析48-50
• 4.4 實驗結(jié)果與分析50-54
• 4.4.1 仿真環(huán)境50
• 4.4.2 實驗結(jié)果50-54
• 4.5 本章小結(jié)54-55
• 總結(jié)和展望55-56
• 參考文獻56-62
• 攻讀碩士學(xué)位期間取得的研究成果62-63
• 致謝63-64
• 答辯委員會對論文的評定意見64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 田磊;汪小志;劉志剛;;自適應(yīng)濾波算法及應(yīng)用研究[J];電子測試;2008年01期

2 楊波;馮久超;;一種改進的自適應(yīng)濾波算法及其在回波消除中的應(yīng)用[J];電子與信息學(xué)報;2008年01期

3 耿妍;張端金;;自適應(yīng)濾波算法綜述[J];信息與電子工程;2008年04期

4 崔旭濤;何友;楊日杰;;自適應(yīng)濾波算法的仿真及工程實現(xiàn)[J];現(xiàn)代電子技術(shù);2009年18期

5 蔡衛(wèi)菊;;線性自適應(yīng)濾波算法綜述[J];科技資訊;2011年36期

6 吳正國;;自適應(yīng)濾波算法的新進展[J];海軍工程學(xué)院學(xué)報;1990年03期

7 鄒艷碧,高鷹;自適應(yīng)濾波算法綜述[J];廣州大學(xué)學(xué)報(自然科學(xué)版);2002年02期

8 高鷹,謝勝利;一種基于三階累積量的準則及自適應(yīng)濾波算法[J];電子與信息學(xué)報;2002年09期

9 高清運,李學(xué)初;適合硬件實現(xiàn)的自適應(yīng)濾波算法[J];微電子學(xué)與計算機;2003年07期

10 王芳,馮新喜,李鴻艷;一種新的自適應(yīng)濾波算法[J];現(xiàn)代雷達;2003年07期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐潤博;;一種變步長自適應(yīng)濾波算法及其分析[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 李超;毛劍琴;;一種進化的自適應(yīng)濾波算法及其在振動主動控制中的應(yīng)用[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

3 劉先省;胡振濤;;基于“當(dāng)前”統(tǒng)計模型修正的自適應(yīng)濾波算法[A];2005年中國智能自動化會議論文集[C];2005年

4 牛振中;李歲勞;王青青;任鴻飛;;改進的自適應(yīng)濾波算法及其在精確空投組合導(dǎo)航中的應(yīng)用[A];慣性技術(shù)發(fā)展動態(tài)發(fā)展方向研討會文集——新世紀慣性技術(shù)在國民經(jīng)濟中的應(yīng)用[C];2012年

5 趙龍;李鐵軍;陳璞;;新型自適應(yīng)濾波算法及其在慣導(dǎo)/雙星組合中的應(yīng)用[A];第一屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集（下）[C];2010年

6 陳勇;黃清;;自適應(yīng)濾波算法在多普勒頻偏估計中的應(yīng)用研究[A];2007年全國微波毫米波會議論文集（下冊）[C];2007年

7 張磊磊;王再英;;基于Matlab仿真的幾種自適應(yīng)濾波算法的比較研究[A];第十七屆全國煤礦自動化學(xué)術(shù)年會、中國煤炭學(xué)會自動化專業(yè)委員會學(xué)術(shù)會議論文集[C];2007年

8 陳坡;孫付平;郭飛;劉雪瑞;;擴展自適應(yīng)濾波算法在GNSS/INS緊組合中的應(yīng)用[A];微機電慣性技術(shù)的發(fā)展現(xiàn)狀與趨勢——慣性技術(shù)發(fā)展動態(tài)發(fā)展方向研討會文集[C];2011年

9 陶偉剛;馮新喜;;一種新的目標(biāo)跟蹤自適應(yīng)濾波算法[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

10 劉世金;張榆鋒;劉大利;高永麗;;幾種自適應(yīng)濾波算法在噪聲抵消應(yīng)用中的仿真比較研究[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 高鷹;基于累積量的自適應(yīng)濾波理論及其應(yīng)用[D];華南理工大學(xué);2002年

2 張斌;高效穩(wěn)健的自適應(yīng)濾波算法研究[D];西安電子科技大學(xué);2010年

3 劉立剛;稀疏沖激響應(yīng)的自適應(yīng)濾波算法及其應(yīng)用研究[D];復(fù)旦大學(xué);2010年

4 曾謙;基于濾波器凸集的自適應(yīng)濾波算法[D];吉林大學(xué);2015年

5 李寧;LMS自適應(yīng)濾波算法的收斂性能研究與應(yīng)用[D];哈爾濱工程大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔣陽波;分數(shù)階傅里葉變換自適應(yīng)濾波算法及應(yīng)用[D];湘潭大學(xué);2009年

2 袁志勇;一維離散數(shù)據(jù)的卡爾曼濾波模型的參數(shù)估計及自適應(yīng)濾波算法的改進[D];南京理工大學(xué);2015年

3 馮永;稀疏自適應(yīng)濾波算法研究[D];東南大學(xué);2015年

4 陳元朝;RLS自適應(yīng)濾波算法在寬高檢測系統(tǒng)中的研究與應(yīng)用[D];太原理工大學(xué);2013年

5 趙集;帶有反饋機制的核自適應(yīng)濾波算法研究[D];西南大學(xué);2016年

6 石嘉豪;基于最大互相關(guān)熵的核自適應(yīng)濾波算法研究[D];華南理工大學(xué);2016年

7 彭思愿;基于最小誤差熵自適應(yīng)濾波算法研究[D];華南理工大學(xué);2016年

8 楊亞;自適應(yīng)濾波抗干擾方法研究[D];電子科技大學(xué);2016年

9 陳莉;自適應(yīng)濾波算法與應(yīng)用研究[D];西安電子科技大學(xué);2006年

10 段雪梅;α-穩(wěn)定噪聲環(huán)境下的自適應(yīng)濾波算法[D];西安電子科技大學(xué);2007年

，

本文編號：1064820