非高斯冲激干扰下核分式低次幂自适应滤波算法研究

发布时间：2020-06-07 02:37

【摘要】：线性系统的输入-输出具有简单的线性关系,因此传统的线性自适应滤波算法具有良好的跟踪线性系统的能力,但是当输入-输出是非线性的关系时,线性自适应滤波算法的跟踪性能变差。核方法作为一种寻找隐藏在未知非线性系统中输入-输出关系的有效方法,已被广泛应用在非线性自适应滤波器的设计中。传统的核自适应滤波算法因结构简单,计算复杂度较低的优点得到了广泛的关注。但是该算法在推导过程中主要遭受高斯白噪声的干扰,在非高斯冲激噪声的干扰下,算法的跟踪性能将大大降低。本文针对如何提高核自适应滤波算法抗冲激噪声干扰的能力进行了研究。主要的研究内容如下:首先,本文针对传统核自适应滤波算法在遭遇非高斯冲激噪声干扰时无法有效进行跟踪学习的问题,结合分数低阶统计误差准则推导出了核分式低次幂自适应滤波(Kernel Fractional Lower Power Adaptive Filtering Algorithm,KFLP)算法。该算法利用权重更新过程中存在瞬时估计误差的倒数系数的有利特性,使得算法在遭遇冲激噪声干扰时权重向量将自动停止更新,因此滤波器权重矢量的更新将不会受到影响。并且本文利用非线性的系统辨识实验对KFLP算法进行仿真实验得出,该算法在非高斯冲激噪声干扰下不仅比核最小均方算法具有更好的稳定性,而且比核最大相关熵算法具有更快的收敛速度。其次,针对KFLP算法在跟踪学习过程中收敛速度较慢的问题,本文提出了将S型的曲线函数与KFLP算法相结合的S-KFLP算法。该算法一方面通过S曲线函数所具有的非线性的饱和特性实现抗冲激噪声干扰,另一方面采用权重向量不更新的方法来抵制冲激噪声对算法的干扰,而且S-KFLP算法可调节陡度参数来提高算法的收敛速度,因此S-KFLP算法具有比KFLP算法更快的收敛速度。通过对S-KFLP算法的收敛性和稳定性进行理论分析可知S-KFLP算法的收敛条件以及稳态时的均方误差变化情况。非线性系统辨识实验仿真表明了所提出的S-KFLP算法不仅具有良好的抗冲激噪声干扰的能力,而且比KMCC、KFLP算法具有更快的收敛速度。
【图文】：

:U →F1 1 2 2 (u ) [ (u ) , (u ),...](2.8)图 2.2 展现出了将输入数据映射到高维特征空间中的过程。

图 2.3 第i 次迭代，，KLMS 算法的网络拓扑结构KLSM 算法凭借其简单性以及良好的跟踪非线性系统的能力受到了广泛的应推导分析中 KLMS 算法仍存在许多不足，如核函数的选择、步长的选择以及间的逐渐增大，这些问题使得 KLMS 算法的应用受到了限制。
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 鲁振姣;郭莹;;分块稀疏自适应滤波算法研究[J];微处理机;2019年03期

2 于新颖;;自适应滤波算法分析及仿真[J];山西电子技术;2016年06期

3 王慧杰;李小兵;于明秋;;基于反比例函数的变步长雷达自适应滤波算法[J];探测与控制学报;2017年03期

4 夏杰;周青松;许程成;毛云祥;;一种基于变换域的自适应滤波算法[J];火力与指挥控制;2017年08期

5 于洋;胡晓芳;刘砚菊;;机动目标跟踪的改进自适应滤波算法研究[J];沈阳理工大学学报;2013年01期

6 江洁;郭德伟;;基于小波包理论的自适应滤波算法研究[J];煤矿机械;2012年04期

7 齐林;周丽晓;;变换域自适应滤波算法的研究[J];郑州大学学报(理学版);2007年01期

8 吴正国;;自适应滤波算法的新进展[J];海军工程学院学报;1990年03期

9 杨晓林;殷福亮;;诱发电位的自适应滤波[J];国外医学(生物医学工程分册);1987年06期

10 郭莹;白艳梅;;稳健的仿射投影符号自适应滤波算法[J];仪器仪表学报;2017年01期

相关会议论文 前10条

1 徐润博;;一种变步长自适应滤波算法及其分析[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 牛振中;李岁劳;王青青;任鸿飞;;改进的自适应滤波算法及其在精确空投组合导航中的应用[A];惯性技术发展动态发展方向研讨会文集——新世纪惯性技术在国民经济中的应用[C];2012年

3 赵龙;李铁军;陈璞;;新型自适应滤波算法及其在惯导/双星组合中的应用[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

4 李超;毛剑琴;;一种进化的自适应滤波算法及其在振动主动控制中的应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 刘先省;胡振涛;;基于“当前”统计模型修正的自适应滤波算法[A];2005年中国智能自动化会议论文集[C];2005年

6 陈勇;黄清;;自适应滤波算法在多普勒频偏估计中的应用研究[A];2007年全国微波毫米波会议论文集（下册）[C];2007年

7 吴金美;凌晓冬;胡上成;侯亚威;;基于最小二乘和最速梯度准则的船摇数据自适应滤波算法[A];空天资源的可持续发展——第一届中国空天安全会议论文集[C];2015年

8 陶伟刚;冯新喜;;一种新的目标跟踪自适应滤波算法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

9 刘世金;张榆锋;刘大利;高永丽;;几种自适应滤波算法在噪声抵消应用中的仿真比较研究[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

10 焦英魁;李志伟;张宝峰;;超声波信号的自适应滤波算法研究[A];中国声学学会水声学分会2019年学术会议论文集[C];2019年

相关博士学位论文 前10条

1 管四海;LMS类自适应滤波算法的研究[D];西安电子科技大学;2017年

2 刘明;自适应滤波算法VLSI实现的关键技术研究[D];哈尔滨工业大学;2017年

3 芦璐;Alpha稳定分布噪声环境下的自适应滤波算法研究[D];西南交通大学;2018年

4 高鹰;基于累积量的自适应滤波理论及其应用[D];华南理工大学;2002年

5 单志明;α稳定分布参数估计及自适应滤波算法研究[D];哈尔滨工程大学;2012年

6 张斌;高效稳健的自适应滤波算法研究[D];西安电子科技大学;2010年

7 于霞;基于自适应滤波算法的时变系统逆控制方法研究[D];东北大学;2011年

8 王程程;基于稀疏冲激响应及多智能体网络的自适应滤波算法研究[D];哈尔滨工程大学;2017年

9 刘立刚;稀疏冲激响应的自适应滤波算法及其应用研究[D];复旦大学;2010年

10 曾谦;基于滤波器凸集的自适应滤波算法[D];吉林大学;2015年

相关硕士学位论文 前10条

1 石颖;非高斯噪声环境下的比例自适应滤波算法研究[D];电子科技大学;2019年

2 吴文静;非高斯噪声环境下基于最大箕舌线准则的自适应滤波算法研究[D];长安大学;2019年

3 付稚皓;非高斯冲激干扰下的集员稀疏自适应滤波算法研究[D];重庆邮电大学;2018年

4 周俊锴;声学回声消除进阶问题中的高效自适应滤波算法研究[D];重庆邮电大学;2018年

5 何美光;复合自适应Kalman滤波及其应用研究[D];杭州电子科技大学;2019年

6 董庆;非高斯冲激干扰下核分式低次幂自适应滤波算法研究[D];重庆邮电大学;2019年

7 何曙明;稀疏系统中基于低阶范数约束的自适应滤波算法研究[D];重庆邮电大学;2019年

8 周新华;高频外辐射源雷达分载波自适应滤波算法研究[D];南昌大学;2019年

9 鲁振姣;块稀疏自适应滤波算法及其应用研究[D];沈阳工业大学;2019年

10 关思秀;子带自适应滤波算法及其应用研究[D];沈阳工业大学;2019年

本文编号：2700699