基于多核学习的在线非线性自适应滤波算法

在在线非线性自适应滤波应用中,由于基于多核学习的算法具有更高自由度并且能够利用更多数据特征,相比基于单核学习的算法在性能上有很大提升。首先给出具有相同"字典"的多核仿射投影算法,该算法是多核学习方法和仿射投影算法的结合。然后基于相干准则针对多核仿射投影算法的特例,对应不同高斯核带宽,利用相干稀疏准则构造不同"字典",提出利用自适应l1-范数正则项来解决归一化多核最小均方非线性自适应滤波算法在非平稳信号下"字典"存在冗余核函数的问题。最后数值仿真结果与比较验证了所提算法的有效性。

一种基于梯度向量域上字典学习的有效InSAR相位滤波

本文提出了一种基于梯度向量域上字典学习的InSAR相位的降噪算法.首先利用字典学习,建立了干涉相位滤波的优化模型.鉴于该模型难以求解,本文采用分裂技术和增广拉格朗日框架,获得非线性约束松弛优化模型,最后引入交替方向乘子法对松弛问题求解,获得最终的相位滤波结果.具体地,通过先从InSAR复相位图的水平和垂直梯度域依顺序训练字典,然后从这两个梯度向量的稀疏表达式出发重建所需的干涉相位图.对仿真和实测数据的处理结果显示这种新的InSAR相位降噪方法在残点数、均方误差和边缘完整性保持等方面优于几种经典的滤波方法.