基于深度展开的仿射投影算法的超参数优化方法

本发明公开了基于深度展开的仿射投影算法的超参数优化方法，涉及滤波器技术领域；该方法包括如下步骤：建立深度网络模型：将仿射投影算法的迭代过程展开为一个前馈神经网络结构，其中每一层网络对应一次仿射投影算法的迭代步骤；可训练超参数设置：在展开过程中将仿射投影算法中固定的步长值替换为前馈神经网络的可训练参数；端到端优化机制设计：设计损失函数，采用反向传播算法对前馈神经网络中的可训练参数进行端到端优化，在反向传播过程中自动优化参数，得到最优参数。本发明结合深度展开与仿射投影算法获取最优的步长参数，用于有色信号处理中，具有收敛速度快，稳态误差小，计算复杂度与原始仿射投影算法相同的特点。