高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于稀疏最小二乘支持向量回归的非线性自适应波束形成

王录涛 金钢 徐红兵 王文平

王录涛, 金钢, 徐红兵, 王文平. 基于稀疏最小二乘支持向量回归的非线性自适应波束形成[J]. 电子与信息学报, 2012, 34(9): 2045-2050. doi: 10.3724/SP.J.1146.2012.00118
引用本文: 王录涛, 金钢, 徐红兵, 王文平. 基于稀疏最小二乘支持向量回归的非线性自适应波束形成[J]. 电子与信息学报, 2012, 34(9): 2045-2050. doi: 10.3724/SP.J.1146.2012.00118
Wang Lu-Tao, Jin Gang, Xu Hong-Bing, Wang Wen-Ping. Non-linear Adaptive Beamforming Method Using Sparse Least Squares Support Vector Regression[J]. Journal of Electronics and Information Technology, 2012, 34(9): 2045-2050. doi: 10.3724/SP.J.1146.2012.00118
Citation: Wang Lu-Tao, Jin Gang, Xu Hong-Bing, Wang Wen-Ping. Non-linear Adaptive Beamforming Method Using Sparse Least Squares Support Vector Regression[J]. Journal of Electronics and Information Technology, 2012, 34(9): 2045-2050. doi: 10.3724/SP.J.1146.2012.00118

基于稀疏最小二乘支持向量回归的非线性自适应波束形成

doi: 10.3724/SP.J.1146.2012.00118

Non-linear Adaptive Beamforming Method Using Sparse Least Squares Support Vector Regression

  • 摘要: 该文基于最小二乘支持向量回归(LS-SVR)模型提出一种非线性自适应波束形成算法,以提高模型失配、小样本数、复杂多干扰等情况下的自适应波束形成器的鲁棒性。推导了高维矩阵逆矩阵求解的递推快速算法,实现了回归参数的实时求解。采用奇异性准则实时寻找输入样本集的具有较小信息冗余度的子集,并在该子集上完成波束形成计算,使得LS-SVR波束形成的求解得以稀疏化,提高了学习效率,降低了计算复杂度与系统存储空间需求。对比仿真结果验证了所提算法的正确性和有效性。
  • 加载中
计量
  • 文章访问数:  2238
  • HTML全文浏览量:  92
  • PDF下载量:  808
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-02-15
  • 修回日期:  2012-06-06
  • 刊出日期:  2012-09-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注