核自適應(yīng)濾波算法及其在噪聲對(duì)消與信道均衡中應(yīng)用.pdf

1、線性自適應(yīng)濾波算法解決一些問(wèn)題時(shí)有一定優(yōu)越性，但是，實(shí)際中所研究的問(wèn)題涉及的往往是一些非線性問(wèn)題。線性算法在處理非線性問(wèn)題時(shí)，表現(xiàn)出的性能效果并不令人滿意，例如，在噪聲對(duì)消及信道均衡等應(yīng)用場(chǎng)合。核方法（Kernel Methods）隨著支持向量機(jī)的研究而被引入到非線性領(lǐng)域。核方法為研究非線性問(wèn)題提供了一種技術(shù)路徑，通過(guò)在合適的高維特征空間中用線性算法來(lái)處理原空間中的非線性關(guān)系。核方法已廣泛應(yīng)用在模式識(shí)別和圖像處理等問(wèn)題中。當(dāng)前，存在眾多

2、的線性自適應(yīng)濾波算法，如何利用這些已有成果，借助核方法研究出更多的、有效的非線性濾波算法具有重要的理論意義和價(jià)值。
　　核方法是一種由線性算法誘導(dǎo)出非線性算法的有效技術(shù)。針對(duì)最小均方（LMS）算法在處理非線性問(wèn)題時(shí)性能不理想的缺陷，本文利用模式識(shí)別中的核方法思想研究了兩種新穎的非線性自適應(yīng)濾波算法，分別是歸一化最小均方（NLMS）算法和四階誤差信號(hào)最小化（LMF）算法的非線性版本，稱為KNLMS算法和KLMF算法。本文的主要研究工