基于预训练随机傅里叶特征核LMS的超参数优化方法，它用于核自适应滤波器的超参数优化技术领域。本发明解决了为保证算法的精度性能以及降低算法计算复杂度，如何获取一组超参数值的问题。本发明在预训练集合的基础上，实现各维度下的随机傅里叶特征的性能评价，在最小均方误差准则下能够通过预训练得到的最小均方误差值确定最优维度下的一组傅里叶特征超参数取值集合，本发明的方法减少了达到精度条件所需的随机傅里叶特征的维度从而降低了复杂度，且在自适应滤波系统中提高被建模系统与随机傅里叶特征网络的耦合度，克服了超参数取值由于随机采样差异性带来的稳态性能不稳定的问题。本发明可以应用于核自适应滤波器的超参数优化技术领域用。