為了降低核仿射投影P范數(shù)（KAPP）算法的計(jì)算量和存儲(chǔ)容量,提高在輸入信號強(qiáng)相關(guān)時(shí)KAPP算法的收斂速度和穩(wěn)態(tài)性能,該文提出基于高斯核顯性映射的核歸一化解相關(guān)APP（KNDAPP-GKEM）算法。該算法利用歸一化解相關(guān)方法預(yù)先解除輸入信號的相關(guān)性;利用高斯核顯式映射方法近似得到顯式核函數(shù),消除了對歷史數(shù)據(jù)的依賴,解決了KAPP算法因結(jié)構(gòu)不斷生長導(dǎo)致的計(jì)算量和存儲(chǔ)容量過大的問題。α穩(wěn)定分布噪聲背景下的非線性系統(tǒng)辨識仿真結(jié)果表明,在輸入信號強(qiáng)相關(guān)時(shí)KNDAPP-GKEM算法收斂速度快,非線性系統(tǒng)辨識穩(wěn)態(tài)均方誤差小,訓(xùn)練所需時(shí)間呈線性緩慢增長,有利于實(shí)際非線性系統(tǒng)辨識的應(yīng)用。 

【文章來源】：電子與信息學(xué)報(bào). 2020,42(08)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

不同噪聲強(qiáng)度下KNDAPP-GKEM算法性能

α穩(wěn)定分布噪聲背景下3種算法性能比較

由圖4可知，在α穩(wěn)定分布噪聲背景下，DAP算法的測試MSE曲線波動(dòng)劇烈，性能最差。KNDAPP-GKEM算法的收斂速度較KAPP算法快，且穩(wěn)態(tài)測試MSE值更小。在強(qiáng)相關(guān)輸入下，KNDAPP-GKEM算法的性能優(yōu)勢更為顯著。這是因?yàn)镵ND-APP-GKEM算法始終保持輸入矩陣相互獨(dú)立，且提出的高斯核顯式映射方法能夠很好地近似出高斯核。圖2 維度D對KNDAPP-GKEM算法性能影響

【參考文獻(xiàn)】：
期刊論文
[1]一種基于多尺度核學(xué)習(xí)的仿射投影濾波算法[J]. 李群生,趙剡,寇磊,王進(jìn)達(dá).  電子與信息學(xué)報(bào). 2020(04)
[2]基于q梯度的仿射投影算法及其穩(wěn)態(tài)均方收斂分析[J]. 王世元,史春芬,蔣云翔,王文月,錢國兵.  電子與信息學(xué)報(bào). 2018(10)
[3]解相關(guān)變階仿射投影窄帶干擾抑制算法[J]. 王蘭,楊育紅,李良山.  信息工程大學(xué)學(xué)報(bào). 2016(03)
[4]基于近似高斯核顯式描述的大規(guī)模SVM求解[J]. 劉勇,江沙里,廖士中.  計(jì)算機(jī)研究與發(fā)展. 2014(10)

碩士論文
[1]基于隨機(jī)特征的多核分布式協(xié)同模糊聚類算法研究[D]. 王迎旭.濟(jì)南大學(xué) 2019
[2]核自適應(yīng)濾波算法研究[D]. 金明明.杭州電子科技大學(xué) 2017



本文編號：3642122