流水线型分层学习自适应Volterra滤波理论与方法

The main challenges on adaptive Volterra filtering in many practical engineering applications are slow convergence, poor robustness, high computational complexity for long memory high order expansion and very difficulty on adaptive Volterra filtering performance analysis. So this project will use individual weight error variance analysis and statistic modeling of Volterra series expansion to study on performance analysis of adaptive Volterra filtering, pipelined structures and hierarchical back-propagation-free learning methods will be utilized to develop a series of pipelined hierarchical back-propagation-free adaptive Volterra filtering structures and their hierarchical back-propagation-free adaptive algorithms. The main contents include: (1) adaptive Volterra filtering performance analysis based on Volterra expansion charateeristics, (2) pipelined hierarchical propagation-free learning adaptive Volterra filtering structures and their algorithms; (3) pipelined hierarchical learning partial update propagation-free learning adaptive Volterra filtering structures and their algorithms; (4) pipelined hierarchical propagation-free learning adaptive Volterra neural filtering structures and their algorithms。

自适应Volterra滤波在实际工程应用存在的主要问题是收敛慢、鲁棒性差、计算复杂性高，以及它们的滤波性能难以分析等。为此，本项目拟采用各个权值偏差分析理论和Volterra级数展式统计建模来开展自适应Volterra滤波收敛性能，拟采用流水线型分层无反向传播学习结构，开展更低复杂性的流水线型分层学习自适应Volterra滤波理论与方法研究，主要研究内容包括：（1）、基于Volterra展式分布特点的自适应Volterra滤波性能分析研究；（2）、流水线型分层学习自适应Volterra滤波结构与算法研究；（3）、流水线型分层学习部分更新自适应Volterra滤波结构与算法研究；（4）、流水线型分层学习自适应Volterra神经滤波结构与算法研究。

本项目主要创新成果包括：.1、开展了低复杂非线性主动噪声控制研究，提出了一种低复杂双线性函数连接神经滤波器、一种具有通道少的对角线结构的广义指数FLANN主动噪声控制结构和算法（GE-FLANN-CRD）和M-max部分更新leaky双线性滤波误差的LMS主动噪声控制算法(MmLBFE-LMS)；.2、提出了流水线型分层部分更新 (HPU-GFLANN) 滤波结构和对应分层部分更新算法、2种流水线型分层学习神经IIR滤波器和流水线型分层学习神经FIR滤波器结构和分层学习自适应算法；.3、提出了一簇组合步长成比例滤波算法、具有变参数步长缩放的组合步长子带滤波算法、一类增益组合的鲁棒成比例自适应滤波算法、组合步长NLMS算法和组合步长IPDNLMS 回声对消算法；.4、提出了一种鲁棒的变步长符号子带自适应滤波算法、基于混合误差代价函数的变步长子带自适应滤波算法、鲁棒竞争扩散式LMS算法和变步长扩散式归一化符号子带算法；.5、提出了一种广义线性复值无噪估计输入的自适应滤波算法、增广复值归一化子带滤波算法、增广复值扩散式归一化子带滤波算法和抗复值攻击的安全扩散式扩增复值子带自适应滤波算法；.6、提出了一种变核宽的最大相关熵自适应滤波算法、基于最大箕舌线代价函数的鲁棒自适应滤波算法、一簇基于sigmoid代价函数的鲁棒自适应滤波算法、鲁棒仿射投影箕舌线算法、鲁棒收缩归一化符号算法、基于变参代价函数的鲁棒NLMS算法和一簇M-型误差加权的鲁棒LMS算法；.7、提出了一种鲁棒的变步长去相关NLMS算法、2种低复杂去相关NLMS算法和鲁棒权值约束的归一化最大箕舌线去相关算法.8、推导给出LMS、NLMS、Prob-LMS算法的精确性能分析. 已在IEEE Trans On Signal Processing等期刊发表标注本项目资助的SCI论文24篇，另有SCI期刊录用论文6篇。培养毕业博士生3人，硕士生4人