.png){kind=icon}
返回
Robust Regularized Recursive Least-Squares Algorithm Based on Third-Order Tensor Decomposition
.png){kind=icon}
PRE
AI
DOI：10.3390/a18120768.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于分解的自适应滤波算法近期因其能够减少参数空间的能力而受到越来越多的关注。在此背景下，三阶张量（TOT）分解技术通过利用Kronecker积组合三个较短的滤波器，重新构建了涉及单个（通常较长）自适应滤波器的传统方法。这带来了性能和复杂度两方面的双重增益。因此，它可以在处理更复杂算法（如递归最小二乘（RLS）方法）时高效应用。在本文中，我们开发了一种具有改进鲁棒性特征的RLS-TOT算法，其归功于一种新型正则化方法，该方法考虑了外部噪声的贡献以及所谓的模型不确定性（与系统相关）。在回声消除框架下获得的仿真结果证实了所提出算法的性能，其优于现有的RLS-TOT算法以及采用特定正则化技术的传统RLS算法。
Keyword:
adaptive filters
echo cancelation
nearest Kronecker product
recursive least-squares (RLS) algorithm
regularization
system identification
third-order tensor decomposition
期刊
IF:
2.1
论文数:
654
被引数:
5.4K
机构
引用论文
分享收藏Tensor modelling of MIMO communication systems with performance analysis and Kronecker receivers.png)
SIGNAL PROCESSING
OAAI
SIGNAL PROCESSINGIF3.6
OAAI分享收藏Nearest Kronecker Product Decomposition Based Normalized Least Mean Square AlgorithmICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏Robust Data-Reuse Regularized Recursive Least-Squares Algorithms for System Identification ApplicationsSensors
SensorsIF0
PREAI
分享收藏
查看更多内容