×
马文涛;邱新余;段建东;李英松;陈巴东

核递归广义混合范数算法。 （英语） Zbl 1395.93171号

J.富兰克林研究所。 355，第4期，1596-1613（2018）.
摘要：本文研究了非高斯噪声环境下非线性信号处理中的核自适应滤波问题。通过最小化广义混合范数（GMN）代价而不是众所周知的均方误差（MSE），导出了一种新的KAF算法，称为核递归广义混合模（KRGMN）。在KAF中，一个单一的误差范数，如（lp）误差范数可以作为代价函数来处理非高斯噪声，但在某些情况下，它可能表现出收敛速度慢和失调差。为了提高收敛性能，GMN代价被形成为（l_p）和（l_q）范数的凸混合，以提高收敛速度并大大减少稳态误差。提出的KRGMN算法可以有效地解决非高斯噪声中的非线性信道均衡和系统辨识等问题。仿真结果证实了新算法的良好性能。

引用于三文件

MSC公司：

93B30型 系统标识
第93页第12页 随机控制理论中的辨识
93B40码 系统理论中的计算方法（MSC2010）

关键词：

核递归广义混合范数算法;自适应滤波;非线性信号处理;系统标识
PDF格式BibTeX公司 XML格式引用
\textit{W.Ma}等人，J.Franklin Inst.355，No.4，1596--1613（2018；Zbl 1395.93171）
全文： 内政部

参考文献：

[1] 刘伟。；普林西比，J.C。；Haykin，S.，《内核自适应滤波：综合介绍》，（2011），John Wiley&Sons
[2] 恩格尔，Y。；曼诺，S。；Meir，R.，核递归最小二乘算法，IEEE Trans。信号处理。，52, 8, 2275-2285, (2004) ·Zbl 1369.68280号
[3] 刘伟。；Pokharel，P。；Principe，J.C.，《核最小均方算法》，IEEE Trans。信号处理。，56, 2, 543-554, (2008) ·Zbl 1390.94278号
[4] Pokharel，P.P。；刘，W。；Principe，J.C.，带约束增长的核最小均方算法，信号处理。，89, 3, 257-265, (2009) ·Zbl 1151.94403号
[5] 陈，B。；赵，S。；朱，P.，量化核最小均方算法，IEEE Trans。神经网络。学习。系统。，23, 1, 22-32, (2012)
[6] 陈，B。；赵，S。；朱，P.，量化核递归最小二乘算法，IEEE Trans。神经网络。学习。系统。，24, 9, 1484-1491, (2013)
[7] 赵，S。；陈，B。；朱，P.，固定预算量化核最小均方算法，信号处理。，93, 9, 2759-2770, (2013)
[8] 刘伟。；公园，I。；Principe，J.C.，设计稀疏核自适应滤波器的信息论方法，IEEE Trans。神经网络。，20, 12, 1950-1961, (2009)
[9] 刘伟。；帕克，我。；Wang，Y.，扩展核递归最小二乘算法，IEEE Trans。信号处理。，57, 10, 3801-3814, (2009) ·Zbl 1391.94306号
[10] Qu，H。；马伟（Ma，W.）。；赵，J。；Chen，B.，基于核最小平均峰度的在线混沌时间序列预测，Chin。物理。莱特。，30, 11, (2013)
[11] 王，S。；郑毅。；Ling，C.，带多延迟反馈的正则核最小均方算法，IEEE信号处理。莱特。，23, 1, 98-101, (2016)
[12] 赵，J。；廖，X。；Wang，S.，单反馈核最小均方，IEEE信号处理。莱特。，22, 7, 953-957, (2015)
[13] Xu，X。；Qu，H。；赵，J。；杨，X。；Chen，B.，具有所需信号平滑的量化核最小均方，Electron。莱特。，51, 18, 1457-1459, (2015)
[14] 马伟（Ma，W.）。；Duan，J。；曼·W。；赵，H。；Chen，B.，基于平均p幂误差的鲁棒核自适应滤波器，用于噪声混沌时间序列预测，工程应用。Artif公司。智力。，58, 101-110, (2017)
[15] 吴，Z。；史J。；张，X。；马，W。；Chen，B.，核递归最大相关熵，信号处理。，117, 11-26, (2015)
[16] 赵，S。；陈，B。；曹，Z。；朱，P。；Principe，J.C.，自组织内核自适应滤波，EURASIP J.高级信号处理。，，1, 106, (2016)
[17] 陈，B。；袁，Z。；郑，N。；Principe，J.C.，《核最小误差熵算法》，神经计算，121，160-169，（2013）
[18] 陈，B。；梁，J。；Zheng，N.，具有自适应核大小的核最小均方，神经计算，191，95-106，（2016）
[19] 王，S。；郑毅。；Duan，S.，量化核最大相关熵及其均方收敛性分析，数字信号处理。，63, 164-176, (2017)
[20] Pelekanakis，K。；Chitre，M.，对称α稳定噪声下的自适应稀疏信道估计，IEEE Trans。Wirel公司。社区。，13, 6, 3183-3195, (2014)
[21] Shi，L。；Lin，Y。；Xie，X.，非高斯脉冲干扰中鲁棒自适应滤波的仿射投影符号算法组合，Electron。莱特。，50, 6, 466-467, (2014)
[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] 刘伟。；Pokharel，P.P。；Principe，J.C.，《Corr.entropy:非高斯信号处理的特性和应用》，IEEE Trans。信号处理。，55, 11, 5286-5298, (2007) ·Zbl 1390.94277号
[24] 马伟（Ma，W.）。；Qu，H。；Gui，G。；徐，L。；赵，J。；Chen，B.，非高斯环境下基于最大相关熵准则的鲁棒信道估计稀疏自适应滤波算法，J.Frankl。研究所，352，7，2708-2727，（2015）·Zbl 1395.93544号
[25] 马伟（Ma，W.）。；陈，B。；Duan，J。；赵，H.，稳健分布估计的扩散最大相关熵准则算法，数字信号处理。，58, 10-19, (2016)
[26] 陈，B。；Xing，L.公司。；Liang，J.，最大相关熵准则下自适应滤波的稳态均方误差分析，IEEE信号处理。莱特。，21, 7, 880-884, (2014)
[27] 马伟（Ma，W.）。；陈，B。；Qu，H。；赵，J，脉冲噪声下信道估计的稀疏最小平均p幂算法，信号图像视频处理。，10, 3, 503-510, (2016)
[28] 裴，S.C。；Tseng，C.C.，自适应FIR滤波器的最小平均p幂误差准则，IEEE J.Sel。公共区域。，12, 9, 1540-1547, (1994)
[29] Wen，F.，α稳定噪声环境中分布式估计的扩散最小平均P幂算法，Electron。莱特。，49, 21, 1355-1356, (2013)
[30] 翁，B。；Barner，K.E.，脉冲环境中的非线性系统辨识，IEEE Trans。信号处理。，53, 7, 2588-2594, (2005) ·Zbl 1370.93302号
[31] 张，S。；Zhang，J.，快速稳定归一化最小平均第四算法，电子。莱特。，51, 16, 1276-1277, (2015)
[32] 瓦拉赫，E。；Widrow，B.，最小平均值第四（LMF）自适应算法及其家族，IEEE Trans。Inf.理论，30，2，275-283，（1984）
[33] Eweda，E.，具有改进的瞬态和跟踪行为的稳定归一化最小均数第四算法，IEEE Trans。信号处理。，64, 18, 4805-4816, (2016) ·Zbl 1414.94787号
[34] 俄亥俄州坦里库鲁。；Chambers，J.A.，最小平均混合形式（LMMN）自适应算法的收敛性和稳态特性，IEE Proc-视觉。图像信号处理。，143, 3, 137-142, (1996)
[35] 于斯。；你，X。；Zhao，K.，系统辨识的核归一化混合形式算法，（2015年国际神经网络联合会议（IJCNN），（2015），IEEE），1-6
[36] 于斯。；你，X。；蒋，X.，广义核归一化混合形式算法：分析与仿真，（神经信息处理国际会议，（2015），施普林格国际出版社），61-70
[37] 罗，X。；邓，J。；Liu，J.，一种新的熵优化核最小均值混合形式算法，（2016年国际神经网络联合会议（IJCNN），（2016），IEEE，1716-1722
[38] 刘杰。；Qu，H。；陈，B。；Ma，W.，核鲁棒混合形式自适应滤波，（2014年国际神经网络联合会议，（2014），IEEE），3021-3024
[39] 钱伯斯，J.A。；俄亥俄州坦里库鲁。；Constantinides，A.G.，最小平均混合形式自适应滤波，电子。莱特。，30, 19, 1574-1575, (1994)
[40] Nasar，医学硕士。；Zerguine，A.，《泄漏最小均值混合范数算法》，（2013年信号、系统和计算机阿西洛玛会议，（2013），IEEE），1520-1523
[41] 钱伯斯，J。；Avlonitis，A.，《稳健的混合形式自适应滤波算法》，IEEE信号处理。莱特。，4, 2, 46-48, (1997)
[42] Papoulis，E.V。；Stathaki，T.，系统辨识的规范化鲁棒混合形式自适应算法，IEEE信号处理。莱特。，11, 1, 56-59, (2004)
[43] 丁·F。；刘，X。；Liu，M.，一类Wiener非线性系统的递归最小二乘辨识算法，J.Frankl。研究所，353，1518-1526，（2016）·Zbl 1336.93144号
[44] Filippovic，V.Z.，鲁棒递归Hammerstein模型识别算法的一致性，J.Frankl。研究所，352，5，1932-1945，（2015）·Zbl 1395.93169号
[45] 马，X。；Ding，F.，可观测性规范状态空间系统的递归和迭代最小二乘参数估计算法，J.Frankl。研究所，352，1，248-258，（2015）·Zbl 1307.93405号
[46] 马伟（Ma，W.）。；Duan，J。；曼·W。；梁，J。；Chen，B.，用于网络分布式估计的通用混合态扩散自适应滤波算法，IEEE Access，51090-1102，（2017）
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。