核递归最小平均P范数算法

摘要：

在强脉冲噪声干扰背景中,核递归最小二乘(Kernel Recursive Least Square,KRLS)算法和核递归最大相关熵(Kernel Recursive Maximum Correntropy,KRMC)算法对非线性信号预测性能严重退化,对此提出一种核递归最小平均P范数(Kernel Recursive Least Mean P-norm,KRLMP)算法.首先运用核方法将输入数据映射到再生核希尔伯特空间(Reproducing Kernnel Hilbert Space,RKHS).其次基于最小P范数准则和正则化方法,推导得到自适应滤波器的最佳权向量,其降低了非高斯脉冲和样本量少的影响.然后利用矩阵求逆理论,推导得到矩阵的递归公式.最后利用核技巧得到在输入空间高效计算的滤波器输出和算法的迭代公式.α稳定分布噪声背景下Mackey-Glass时间序列预测的仿真结果表明:KRLMP算法与KRLS算法和KRMC算法相比,抗脉冲噪声能力强,鲁棒性好.

关键词：α稳定分布噪声、核递归最小平均P范数、核递归最小二乘算法、核递归最大相关熵算法

所属期刊栏目：33

分类号：TN713(基本电子电路)

在线出版日期：2017-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：523-527