10.13718/j.cnki.xdzk.2022.04.023
基于稀疏系统辨识的广义递归核风险敏感算法
为了降低非高斯噪声对系统性能的影响,核风险敏感损失函数(Kernel Risk-Sensitive Loss,KRSL)因其较高的凸性而被广泛应用为自适应滤波器的代价函数.基于此,为了提高非高斯情况下系统的滤波精度,本文采用广义高斯密度(Generalized Gaussian Density,GGD)函数作为KRSL的核函数,进而提出了一种广义核风险敏感损失函数(Generalized Kernel Risk-Sensitive Loss,GKRSL),并给出了GKRSL的重要性质.为了进一步识别稀疏系统,结合GKRSL的优点,采用递归更新方式提出了一种基于稀疏惩罚约束的广义递归核风险敏感损失(Generalized Re-cursive Kernel Risk-Sensitive Loss with Sparse Penalty Constraint,GRKRSL-SPC)算法.仿真结果表明,GRKRSL-SPC算法能够显著提高非高斯噪声下系统的滤波精度和鲁棒性.
广义相关熵、核风险敏感损失函数、稀疏系统、辨识、自适应滤波
44
TN911.7
国家自然科学基金;重庆市自然科学基金;中央高校基本科研业务费项目
2022-04-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
196-205