×
高，袁;赵海泉;朱莹莹;娄京伟

梯度LMS样条自适应滤波算法及其变步长变量。 （英语） 兹比尔1532.94015

信息科学。 658，文章ID 119983，16 p.（2024）.
摘要：在本研究中，基于（q）导数理论，提出了一种新的（q）梯度最小均方（LMS）样条自适应滤波（S-AF）算法（SAF-qLMS）。通过减轻LMS型算法对输入相关矩阵中特征值扩散的过度依赖，（q）-演算面临着收敛速度慢的问题。与传统导数相比，SAF-qLMS利用（q）演算计算成本函数的正割，使其能够在搜索方向上对\（q>1\）采取更大的步骤。此外，为了平衡SAF-qLMS的收敛速度和稳态误差，并解决固定步长的不足，进一步提出了基于可变步长的SAF-VqLMS。最后，讨论了SAF-qLMS的收敛条件。在相关高斯输入环境中的仿真验证了所提出的非线性系统辨识算法的卓越性能。

理学硕士：

94甲12 信号理论（表征、重建、滤波等）
93E11号机组 随机控制理论中的滤波

关键词：

样条自适应滤波器;非线性信号;可变步长;高斯噪声
PDF格式BibTeX公司 XML格式引用
\textit{Y.Gao}等人，《信息科学》。658，文章ID 119983，16 p.（2024；Zbl 1532.94015）
全文： 内政部

参考文献：

[1] 吕，S。；赵，H。；Xu，W.，鲁棒广义线性仿射投影M-估计自适应算法：性能分析与应用，IEEE Trans。信号处理。，71, 3623-3636 (2023)
[2] 赵，H。；Cao，Z.，广义高斯噪声和噪声输入的鲁棒广义最大Blake-Zisserman全相关熵自适应滤波器，IEEE Trans-Syst Man-Cybern系统。，53、11、6757-6765（2023年11月）
[3] 钱，G。；Yu，X。；梅，J。；刘杰。；Wang，S.，一类基于反常复相关熵的自适应滤波算法，信息科学。，633, 573-596 (2023)
[4] 丁，Y。；张，Z。；赵，X。；洪，D。；李伟（Li，W.）。；蔡伟（Cai，W.）。；Zhan，Y.，AF2GNN：用于高光谱图像分类的自适应滤波器图卷积和聚合器融合，信息科学。，602, 201-219 (2022)
[5] Lv，Y。；Yang，G.，测量损失概率未知的多传感器系统的集中式和分布式自适应容积信息滤波器，信息科学。，630, 173-189 (2023)
[6] 赵，H。；田，B。；Chen，B.，基于最大相关熵准则的鲁棒稳定迭代无迹卡尔曼滤波器，Automatica。，11，15，第110410条第（2022）页·Zbl 1496.93121号
[7] Zhu，Y。；赵，H。；何，X。；舒，Z。；Chen，B.，鲁棒非线性有源噪声控制的级联随机傅里叶滤波器，IEEE Trans。音频、语音、语言处理。，30, 2188-2200 (2022)
[8] 郭伟。；Zhi，Y。；冯，K.，带反正切指数双曲余弦的非线性样条优化自适应滤波器，非线性动力学。，110, 611-621 (2022)
[9] Ju，X。；罗森伯格，J。；陈，V。；Liu，F.，使用混合整数二次规划对非凸双向交互截断线性多元自适应回归样条进行全局优化，Inf.Sci。，597, 38-52 (2022)
[10] Saneifard，R。；Jafarian，A。；加拉米，N。；Nia，S.M.，解二维分数阶Volterra型积分微分方程的扩展人工神经网络方法，Inf.Sci。，612, 887-897 (2022)
[11] 穆罕默德，A。；穆罕默德，G。；Allahviranloo，T.，模糊环境中分数阶微分方程组的显式解析解，Inf.Sci。，645，第119372条pp.（2023）
[12] 赵，H。；曾，X。；张杰。；李·T。；刘，Y。；阮，D.，用于非线性信道均衡的具有决策反馈结构的流水线函数链接人工递归神经网络，信息科学。，181, 17, 3677-3692 (2011)
[13] 王，Q。；李·G。；徐，J。；韩，Q。；Ye，Q.，基于混合三角函数幂函数的球形磁阻电机新的自适应分析模型，IEEE Trans。Ind-Electron公司。，70, 6, 6099-6109 (2023)
[14] 刘杰。；Zhao，T。；曹，J。；Li，P.，基于非线性系统辨识的二次优化算法的非对称MF区间2型模糊神经网络，Inf.Sci。，629, 123-143 (2023)
[15] Wei，S。；Li，Y.，具有时变全状态约束和输入量化的非线性系统的有限时间自适应神经网络命令滤波控制器设计，Inf.Sci。，613, 871-887 (2022)
[16] 斯卡皮尼提，M。；Comminiello，D。；帕里西，R。；非线性样条自适应滤波，信号处理。，93, 4, 772-783 (2013)
[17] 刘，C。；张，Z.，脉冲噪声中的集员归一化最小M估计样条自适应滤波算法，电子快报。，54, 6, 393-395 (2018)
[18] Soterroni，A.C。；Galski，R.L。；Ramos，F.M.，连续全局优化的q-gradient方法，AIP Conf.Proc。，1558, 1, 2389-2393 (2013)
[19] Al-Saggaf，U.M。；莫伊努丁，M。；Arif，M。；Zerguine，A.，q最小均方算法，信号处理。，111, 50-60 (2015)
[20] 艾哈迈德。；莫伊努丁，M。；Al-Saggaf，U.M.，q-状态空间最小平均算法系列，电路系统。信号处理，37，729-751（2018）·Zbl 1427.93280号
[21] 斯卡皮尼提，M。；Comminiello，D。；Parisi，D.R。；Uncini，A.，《样条自适应滤波器：理论与应用》，《非线性系统建模的自适应学习方法》，巴特沃斯·海涅曼。，47-69 (2018) ·Zbl 1398.68021号
[22] 陈，B。；Xing，L。；赵，H。；郑，N。；Principe，J.C.，鲁棒自适应滤波的广义相关熵，IEEE Trans。信号处理。，64, 13, 3376-3387 (2016) ·Zbl 1414.94113号
[23] 邹毅。；Chan，S。；Ng，T.，脉冲噪声中鲁棒自适应滤波的最小平均M估计算法。IEEE传输。电路系统II：模拟数字、信号处理。，47, 12, 1564-1569 (2000)
[24] 刘，C。；张，Z。；Tang，X.，脉冲噪声环境中的符号归一化hammerstein样条自适应滤波算法，神经过程。信件。，50, 1, 477-496 (2019)
[25] 高，Y。；赵，H。；Zhu，Y。；Wei，J.，基于广义最大相关熵的样条自适应滤波算法及其在非线性有源噪声控制、电路系统信号处理中的应用。，42, 6636-6659 (2023)
[26] 瓜尼埃里，S。；F·广场。；Uncini，A.，具有自适应样条激活函数的多层前馈网络，IEEE Trans。神经网络，10，3，672-683（1999）
[27] Haykin，S.，《自适应滤波理论》（1996），《Prentice-Hall：Prentice-Hall UpperSaddle River》，新泽西州
[28] 斯卡拉诺，G。；Caggiati，D。；Jacovitti，G.，混合非线性变量矩的累积级数展开，IEEE Trans。信号处理。，41, 1, 486-489 (1993) ·兹比尔0825.93754
[29] 斯卡皮尼提，M。；Comminiello，D。；斯卡拉诺，G。；帕里西，R。；Uncini，A.，样条自适应滤波器的稳态性能。IEEE传输，信号处理。，64, 4, 816-828 (2016) ·Zbl 1412.94082号
[30] Rao，C.R。；Statistiker，M.，线性统计推断及其应用（1973年），John Wiley&SonsWiley:John Wiley&Sons Wiley London and New York·Zbl 0256.6202号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。