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 Recursi...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。展开更多
外辐射源雷达面临严重的多径杂波问题,传统的递归最小二乘(Recursive Least Square,RLS)算法能有效地抑制多径杂波,相对最小均方(Least Mean Square,LMS)算法而言,该算法收敛速率快,且不随输入相关矩阵特征值的扩散而改变,能获得更好的...外辐射源雷达面临严重的多径杂波问题,传统的递归最小二乘(Recursive Least Square,RLS)算法能有效地抑制多径杂波,相对最小均方(Least Mean Square,LMS)算法而言,该算法收敛速率快,且不随输入相关矩阵特征值的扩散而改变,能获得更好的杂波抑制效果,但该算法复杂度高,不利于实时处理.针对此问题,提出了一种外辐射源雷达多径杂波抑制的快速横向滤波算法,该算法的计算量与LMS相当,同时具有RLS的优越性,对多径杂波抑制的实时处理更具有吸引力.仿真和实测数据处理结果验证了该算法的有效性.展开更多
文摘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。
文摘外辐射源雷达面临严重的多径杂波问题,传统的递归最小二乘(Recursive Least Square,RLS)算法能有效地抑制多径杂波,相对最小均方(Least Mean Square,LMS)算法而言,该算法收敛速率快,且不随输入相关矩阵特征值的扩散而改变,能获得更好的杂波抑制效果,但该算法复杂度高,不利于实时处理.针对此问题,提出了一种外辐射源雷达多径杂波抑制的快速横向滤波算法,该算法的计算量与LMS相当,同时具有RLS的优越性,对多径杂波抑制的实时处理更具有吸引力.仿真和实测数据处理结果验证了该算法的有效性.
