دانلود مقاله NLMS با اندازه گام متغیر و الگوریتم های تصویر آفین (همگر)
چکیده
این مقاله دو الگوریتم جدید با اندازه گام متغیر برای حداقل میانگین مجذور نرمالیزه شده و تصویر همگر پیشنهاد می کند. طرح های پیشنهادی منجر به سرعت همگرایی سریع تر و خطای ناسازگاری کمتر می شوند.
1. معرفی
دیتای ورودی رنگی عملکرد همگرایی فیلترهای تطبیقی نوع حداقل میانگین مجذور (LMS) را بدتر می کند [1]-[3]. به منظور غلبه بر این مشکل، Ozeki و Umeda یک الگوریتم تصویر همگر پیشنهاد دادند (APA) [4] که مبتنی بر تصویرهای زیرفضای همگر است. برخلاف NMLS، که بردار وزن را فقط براساس بردار ورودی فعلی به روز می کند، APA بردار وزن را براساس بردارهای ورودی K به روز می کند. در هر دو نوعِ حداقل میانگین مجذور نرمالیزه شده (NMLS) و APA، اندازه گام μ، سرعت همگرایی و خطای میانگین مربع بیش از حد حالت پایدار را کنترل می کند. برای برآورده کردن نیازمندی های متناقص همگرایی سریع و ناسازگاری کم، اندازه گام باید کنترل شود. در LMS استاندارد، طرح های مختلفی برای کنترل اندازه گام ارائه شده است [5]-[8]. عملکرد این طرح ها با توجه به میزان دقت تخمین اینکه فیلتر چقدر از عملکرد بهینه فاصله دارد، مشخص می شود. معیارهای مختلفی بدین منظور توسعه داده شده است. Kwong و Johnston از خطاهای آنی مربع (مجذور) استفاده کردند [5]. به منظور بهبود آسیب ناپذیری نویزی تحت تاثیر نویز گوسی Aboulnasr و Mayyas از خودهم بستگی مربعی (مجذور شده) خطاها در زمان مجاور استفاده کردند [6]، و Pazaitis و Constantinides انباشت مرتبه چهارم خطای آنی را تصویب کردند [7]. در [8] و در برخی از مراجع موجود در آن، اندازه گام بهینه برای NLMS از طریق به حداقل رساندن انحراف میانگین مجذور در هر تکرار بدست آمده است. این معیارها برای LMS بطور موثری عمل می کنند اما برای APA به طور مستقیم کاربرد ندارند. دلیل این امر این است که خطای آنی APA یک بردار است، برخلاف خطای آنی در LMS که یک مقدار عددی است.
4.نتیجه گیری
ما دو طرح APA و NLMS با اندازه گام متغیر را ارائه کرده ایم. معیار بردار خطای وزنی پیش‌بینی‌شده به عنوان معیاری برای تعیین میزان نزدیک بودن فیلتر تطبیقی به عملکرد بهینه استفاده شده است. الگوریتم ها عملکرد فیلتر بهبود یافته را نشان می دهند.
Abstract
This letter proposes two new variable step-size algorithms for normalized least mean square and affine projection. The proposed schemes lead to faster convergence rate and lower misadjustment error.
I. INTRODUCTION
COLORED input data tend to deteriorate the convergence performance of least mean square (LMS)-type adaptive filters [1]–[3]. To overcome this problem, Ozeki and Umeda proposed an affine projection algorithm (APA) [4] that is based on affine subspace projections. In contrast to NLMS, which updates the weight vector based only on the current input vector, APA updates the weight vector based on input vectors. In both cases of normalized least mean square (NLMS) and APA, the step-size governs the rate of convergence and the steadystate excess mean-square error. To meet the conflicting requirements of fast convergence and low misadjusment, the step-size needs to be controlled. In standard LMS, various schemes for controlling the step-size have been proposed [5]–[8]. The performance of these schemes is determined by how accurately they can estimate how far the filter is from optimal performance. Various criteria have been developed for this purpose. Kwong and Johnston [5] used squared instantaneous errors. To improve noise immunity under Gaussian noise, Aboulnasr and Mayyas [6] used the squared autocorrelation of errors at adjacent time, and Pazaitis and Constantinides [7] adopted the fourth-order cumulant of instantaneous error. In [8] and in some of the references therein, the optimum step-size for NLMS is obtained by minimizing the mean-square derivation at each iteration. These criteria work effectively for LMS but are not directly applicable to APA. This is because the instantaneous error of APA is a vector, not a scalar quantity as in LMS.
IV. CONCLUSION
We have presented two variable step-size NLMS and APA schemes. The norm of the projected weighted error vector is used as a criterion to determine how close the adaptive filter is to optimum performance. The algorithms show improved filter performance.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
1. معرفی
2. APA با اندازه گام متغیر
3. نتایج شبیه سازی ها
4.نتیجه گیری
منابع
Abstract
1. INTRODUCTION
2. VARIABLE STEP-SIZE APA
3. SIMULATION RESULTS
4. CONCLUSION
REFERENCES
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه