[发明专利]一维信号的无监督学习

权利要求书

1.一种用于一维信号的无监督学习的方法，包括：

在原始空间中从一维信号(135)获得样本矢量，并将所述样本矢量存储在计算机可存取存储器(115)中；

识别其中所述样本矢量的恒模(CM)性能测量的函数曲面为凸的更高维度凸自然空间；

利用计算处理器(110)将所述样本矢量从所述原始空间变换为所述更高维度凸自然空间中的更高维度自然凸空间CM矩阵；

利用所述计算处理器(110)求出所述更高维度凸自然空间中的CM性能测量的最优解；以及

利用所述计算处理器(110)提取所述原始空间中的CM性能测量的最优解。

2.根据权利要求1的方法，其中识别其中恒模性能测量的函数曲面为凸的更高维度凸自然空间包括：确定加权矢量中参数的所需数量n，其中所述更高维度凸自然空间包括至少n²维度。

3.根据权利要求1的方法，其中将所述样本矢量从所述原始空间变换为更高维度凸自然空间CM矩阵包括：计算克罗内克积。

4.根据权利要求3的方法，其中将所述样本矢量从所述原始空间变换为更高维度自然凸空间CM矩阵包括：计算所述样本矢量的复共扼与所述样本矢量的克罗内克积。

5.根据权利要求3的方法，其中将所述样本矢量从所述原始空间变换为更高维度自然凸空间CM矩阵进一步包括：

根据所述克罗内克积计算相关矩阵；

根据所述克罗内克积计算矩量矩阵；以及

根据所述相关矩阵和所述矩量矩阵导出所述更高维度自然凸空间CM矩阵。

6.根据权利要求5的方法，其中所述相关矩阵是第二阶矩阵，所述矩量矩阵是第四阶矩阵。

7.根据权利要求5的方法，进一步包括基于所述矩量矩阵选择系统的适应常数。

8.根据权利要求5的方法，其中对于所述相关矩阵和矩量矩阵的元素的估计预先已知，所述方法进一步包括用于对包含n个三次方程的方程组进行求解的基于同伦连续的CM 1级近似，所述三次方程具有仅包含所述样本矢量的相关矩阵和矩量矩阵的元素的恒定系数。

9.根据权利要求1的方法，其中求出所述更高维度凸自然空间中CM性能测量的最优解包括：根据所述CM性能测量的最优解导出1级近似加权矩阵；所述方法进一步包括将所述加权矩阵应用于所述样本矢量以产生标量值。

10.根据权利要求1的方法，其中用于一维信号的无监督学习的所述方法是闭型CM 1级近似。

11.根据权利要求1的方法，其中用于一维信号的无监督学习的所述方法是闭型非CM 1级近似。

12.根据权利要求1的方法，其中相关矩阵和矩量矩阵的精确表示预先是未知的，并且其中求出所述更高维度凸自然空间中的恒模性能测量的最优解包括：应用下述求解方法之一：最陡下降(SD)，牛顿法(NM)，最小平方(LS)，最小均方(LMS)，递归最小平方(RLS)及其变形。

13.根据权利要求1的方法，其中所述方法包括与n²成比例的计算时间复杂性，其中n是所述原始空间中加权矩阵中的元素的数量；无论最初的起始条件如何，均收敛以发现绝对最小值；以及有效地应用于CM信号和非CM信号。