论文部分内容阅读
传统的随机梯度算法由于采用基于二阶统计量的平方误差代价函数,因此含有的信息量较少,难以实现更高的精度.针对此问题,以基于高阶统计量的指数平方误差作为代价函数,结合基于两层RBF网络凸组合的非线性自适应滤波器,提出了最小指数平方误差自适应学习算法.非线性系统辨识和非线性信道均衡的实验仿真结果表明,该改进算法的收敛性能明显优于传统的随机梯度算法.