.png){kind=icon}
返回
Data-selective uniform probability density function for adaptive filtering
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2024.104948.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于高斯概率密度函数（PDF）的数据选择性（DS）自适应滤波算法能够在合适的更新速率下减少计算负担，同时保持估计精度。当数据更新速率相对较低时，其性能可能会下降。本文提出了一种关于DS策略的新发现。我们证明了在均匀PDF下，DS策略不仅减轻了计算负担，还能降低自适应滤波算法的稳态均方偏差（SS-MSD），即使在显著低的更新速率下也是如此。提出了一种用于描述均匀性基础DS自适应滤波算法所面临实际PDF的新型概率模型，称为DS-均匀PDF（DS-UPDF），并对其数学性质进行了分析。此外，开发了相应的数据选择性均匀最小均方（DSULMS）和数据选择性均匀递归最小二乘（DS-URLS）算法。利用DS-UPDF的性质，还详细提供了相应的均值和均方稳定性分析。使用数据选择性均匀最小四乘（DS-ULMF）和数据选择性均匀广义最大互熵准则（DS-UGMCC）进行了额外测试，证实了在均匀分布下DS自适应滤波性能提升现象的普适性。所有仿真实验结果与理论预测高度吻合。
Keyword:
Data-selective
Adaptive filtering
Uniform
Least mean square
Recursive least squares
期刊
IF:
3.6
论文数:
9.9K
被引数:
1.7W
机构
引用论文
Robust Bounding Ellipsoidal Adaptive Constrained least-squares algorithm and its performance analysis鲁棒椭球边界自适应约束最小二乘算法及其性能分析
OAAI
OAAI分享收藏分享收藏LEAST-SQUARE IDENTIFICATION WITH ERROR-BOUNDS FOR REAL-TIME SIGNAL-PROCESSING AND CONTROL.png)
PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏
查看更多内容