针对空时联合抗干扰方法(STAP)计算复杂度高,不能有效抑制来自导航信号方向的窄带干扰等问题。利用改进的频域LMS滤波器进行前期处理,滤除来自导航信号方向的窄带干扰;再利用改进的变遗忘因子恒模约束递归最小二乘算法(ITVFF-CCM-RLS)来降低空时处理的计算复杂度。通过仿真实验结果表明,改进的空时联合抗干扰算法能够在降低计算复杂度的同时,有效地抑制来自导航信号方向的窄带干扰,明显提高了算法的输出信干噪比。

在这项工作中，作者为干扰抑制应用中的递归最小二乘算法提出了一种低复杂度变量遗忘因子（VFF）机制。 提出的VFF机制采用了与误差相关的时间平均值有关的更新组件来自动调整遗忘因子，以确保快速收敛以及对干扰和信道的良好跟踪。 进行了收敛和跟踪分析，并获得了用于预测所提出的自适应技术的均方误差的解析表达式。 在非平稳环境中给出了直接序列码分多址系统的仿真结果，结果表明，所提出的VFF机制以较低的复杂度实现了优于以前报道的方法的性能。

干扰消除是无线光码分多址(CDMA)通信系统中的一项关键技术。分析了基于递归最小二乘(RLS)算法的盲多用户检测算法的原理及性能，并将其应用于采用光正交码的无线光CDMA系统中。讨论了该系统中遗忘因子的选取原则及其对算法的收敛性和系统误码率性能的影响。为了克服固定遗忘因子所带来的矛盾，提出了一种改进的变遗忘因子RLS盲多用户检测算法，并对遗忘因子进行了修正。结果表明，采用改进的方法后系统能获得较快的收敛速度和跟踪速度，收敛时的估计误差也较小，而且信号干扰比由传统算法的6 dB提高到9 dB。说明

提出一种用于支持向量回归的网络优化策略.学习策略分为两个阶段:首先训练支持向量机, 得到支持向量回归的初始结构和参数,构造一个无阈值的支持向量回归网络;然后通过带有遗忘因子的递归最小二乘算法, 优化计算支持向量回归网络的权值, 以达到更好的函数拟合精度.与支持向量回归相比, 这种策略可以得到最优的权值和阈值.仿真结果表明, 该网络性能优良, 具有在线应用的潜力.