文件名称:论文研究-稳定分布噪声下的核最小平均P范数算法.pdf
文件大小:1.11MB
文件格式:PDF
更新时间:2022-08-11 15:50:55
α稳定分布,最小平均P范数,核方法,再生核希尔伯特空间,Mackey-Glass时间序列
在α稳定分布噪声环境下,最小平均P范数算法(LMP)的鲁棒性显著强于最小均方算法(LMS),但是在非线性系统中LMP算法性能严重退化。运用核方法可将输入数据映射到再生核希尔伯特空间(RKHS),再对变换后数据选用合适的线性方法,能有效地处理多种非线性问题。将核方法引入LMP算法,推导得到核最小平均P范数算法(KLMP)。α稳定分布噪声背景下的Mackey-Glass时间序列预测的计算机仿真结果表明,在非线性、非高斯系统中,KLMP算法的性能显著优于LMS、LMP、加权平均LMP和KLMS算法,抗脉冲噪声能力强。