[发明专利]基于主成分自回归的非线性抗干扰方法

权利要求书

1.基于主成分自回归的非线性抗干扰方法，具体步骤如下，其特征在于,

步骤1.1：分别对同分布的测试信号与训练信号进行分块处理；

步骤1.2：使用训练信号对PCASRM模型进行训练，获得主成分系数矩阵和回归系数矩阵；

步骤1.3：利用训练好的PCASRM模型对测试信号做非线性滤波，获得干净的重构信号。

2.根据权利要求1所述的基于主成分自回归的非线性抗干扰方法，其特征在于；

所述步骤1.2中，PCASRM模型训练步骤可以表示为

步骤2.1：对输入训练信号进行主成分系数训练，获得主成分变换矩阵和训练信号的降维系数；

步骤2.2：对降维系数进行维度分解，获得不同维度的降维系数；

步骤2.3：对不同维度的降维系数分别进行回归预测，获得回归系数矩阵和回归预测系数；

步骤2.4：利用遗传算法对原始降维系数和回归预测系数进行最优权值计算，获得最优权值系数和最优降维系数。

3.根据权利要求1所述的基于主成分自回归的非线性抗干扰方法，其特征在于；

所述步骤1.3中，PCASRM模型测试步骤可以表示为

步骤3.1：使用步骤2.1中的主成分变换矩阵对测试信号进行数据降维，获得测试信号的降维系数；

步骤3.2：对降维系数进行维度分解，获得不同维度的降维系数；

步骤3.3：使用步骤2.3中的回归系数对不同维度的降维系数分别进行回归预测，获得回归预测系数；

步骤3.4：利用步骤2.4中遗传算法训练的最优权值对原始降维系数和回归预测系数进行加权运算，获得最优降维系数；

步骤3.5：对获得的最优降维系数进行信号重构，获得滤波后的原始信号。

4.根据权利要求2所述的基于主成分自回归的非线性抗干扰方法，其特征在于；所述步骤2.1中主成分系数训练可表示为

[Y，P]＝PCA(X) (1)

X＝[x₁ x₂... x_n] (22)

其中，PCA(·)表示PCA函数，X表示训练信号样本，x_i∈R^n×1，i＝1,2,…,n，Y表示信号X降维后的系数矩阵，Y∈R^m×n，P是主成分变换矩阵P∈R^m×n。

5.根据权利要求2所述的基于主成分自回归的非线性抗干扰方法，其特征在于；所述步骤2.2中对降维系数进行维度分解表示为

Y＝[y₁ y₂ ... y_m]^T (4)

y_i＝[y_i1 y_i1 ..y_in](i＝1，2，...，m) (5)

其中，y_i∈R^1×n(i＝1，2，...，m)是不同维度的降维系数，[]^T表示矩阵转置。

6.根据权利要求2所述的基于主成分自回归的非线性抗干扰方法，其特征在于；所述步骤2.3中对不同维度的降维表示为

[z_i，S]＝VAR(y_i) (6)

其中，VAR(·)表示向量自回归函数，y_i(i＝1，2，...，m)是不同维度的降维系数，z_i∈R^1×n，(i＝1，2，...，m)，z_i表示y_i的回归预测系数，S是回归系数矩阵S∈R^n×n。