.png){kind=icon}
返回
Minimum Error Entropy Based Diffusion Normalized Euclidean Direction Search Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jfranklin.2025.107953.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于拉格朗日方法学和最小误差熵（MEE）准则，提出了一种新颖的分布式MEE归一化欧几里得方向搜索（MEE-DNEDS）算法。得益于MEE和EDS算法，MEE-DNEDS算法能够有效对抗脉冲噪声并提升跟踪性能。为降低通信负担，进一步提出了通信优化的MEE-DNEDS（CR-MEE-DNEDS）算法，该算法采用智能选择性方法增强鲁棒性并实现通信成本降低。此外，分析了CR-MEE-DNEDS算法的均方收敛性能。仿真结果表明，与当前先进算法相比，所提算法在分布式网络系统辨识和立体声声学回声消除方面性能更优。
Keyword:
Lagrangian methodology
minimum error entropy
distributed algorithm
impulsive noise
communication reducing
