再生核希尔伯特空间中自适应滤波新方法及应用

项目名称： 再生核希尔伯特空间中自适应滤波新方法及应用

项目编号： No.61372152

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 无线电电子学、电信技术

项目作者： 陈霸东

作者单位： 西安交通大学

项目金额： 80万元

中文摘要： 近年来，核自适应滤波算法作为一类新型非线性自适应滤波算法越来越受到研究者们关注。核自适应滤波算法是通过在再生核希尔伯特空间(RKHS)中实现传统线性自适应滤波算法，进而利用核技巧（Kernel trick）得到原输入空间中非线性滤波算法。目前这类算法有核最小均方算法（KLMS），核递归最小二乘算法（KRLS），核仿射投影算法（KAPA），等等。与其他非线性自适应滤波方法比较，核自适应滤波具有很多优点，但其理论和算法还远未成熟，有许多关键问题需要解决。本项目主要研究核自适应滤波器主动稀疏化、网络规模的缩减、核函数选取与在线优化算法、新型拓扑结构以及核自适应滤波在认知建模和脑信号分析及处理中的应用。项目研究将提高核自适应滤波算法的高效性和实用性，进一步完善核自适应滤波理论和算法，促进该类新型滤波算法的发展、普及和应用。

中文关键词： 自适应滤波相关熵；核方法；核自适应滤波；信息论学习；互相关熵

英文摘要： Recently, a family of nonlinear adaptive filtering algorithms, known as the kernel adaptive filtering (KAF) algorithms, becomes an emerging area of research. The KAF algorithms are developed in reproducing kernel Hilbert spaces (RKHS), by using the linear

英文关键词： adaptive filtering；kernel methods；kernel adaptive filtering；information theoretic learning；correntropy