دوره 18، شماره 3 - ( 10-1400 )                   جلد 18 شماره 3 صفحات 28-19 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kazemi Eghbal M, Alipoor G. An Analytical Model for Predicting the Convergence Behavior of the Least Mean Mixed-Norm (LMMN) Algorithm. JSDP. 2021; 18 (3) :19-28
URL: http://jsdp.rcisp.ac.ir/article-1-1002-fa.html
کاظمی اقبال میثم، علی‌پور قاسم. یک مدل تحلیلی برای پیش‌بینی رفتار همگرایی الگوریتم حداقل میانگین ترکیب نُرم (LMMN). پردازش علائم و داده‌ها. 1400; 18 (3) :28-19

URL: http://jsdp.rcisp.ac.ir/article-1-1002-fa.html


دانشگاه صنعتی همدان
چکیده:   (360 مشاهده)
الگوریتم کمینه میانگین ترکیب نُرم (LMMN)، الگوریتمی مبتنی بر شیب تصادفی خطا است که هدف آن کمینه‌‌سازی ترکیبی از توابع هزینه الگوریتم‌های کمینه میانگین مربعات (LMS) و کمینه میانگین چهارم (LMF) است. این الگوریتم بسیاری از ویژگی‌ها و مزایای الگوریتم‌های LMS و LMF را با خود به ارث برده است و از جهاتی ضعف‌های این دو الگوریتم را هم برطرف کرده است. بزرگ‌ترین مشکل الگوریتم LMMN فقدان یک مدل تحلیلی برای پیش‌بینی رفتار آن است، به‌طوری‌که کاربرد عملی آن‌را محدود کرده است. ما در این مقاله باهدف حل این مشکل، مدلی تحلیلی را ارائه می‌کنیم که قادر است رفتار میانگین مربعات خطا و میانگین خطای وزن‌ها را با دقت بالایی پیش‌بینی کند. دقت مدل استخراج‌شده از طریق آزمایش‌های متعددی تأیید می‌شود.
متن کامل [PDF 2188 kb]   (88 دریافت)    
نوع مطالعه: بنیادی | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1398/2/8 | پذیرش: 1398/11/2 | انتشار: 1400/10/30 | انتشار الکترونیک: 1400/10/30

فهرست منابع
1. [1] B. Farhang-Boroujeny, Adaptive filters: theory and applications: John Wiley & Sons, 2013. [DOI:10.1002/9781118591352]
2. [2] S. S. Haykin, Adaptive filter theory: Pearson Education India, 2008.
3. [3] D. G. Manolakis, V. K. Ingle, and S. M. Kogon, "Statistical and adaptive signal processing: spectral estimation," signal modeling, adaptive filtering, and array processing: McGraw-Hill Boston, 2000.
4. [4] S. D. J. T. i. s. i. E. Paulo, and C. Scienc, "Adaptive filtering: algorithms and practical implementation," pp. 23-50, 2008.
5. [5] N. J. Bershad, and J. C. J. D. S. P. Bermudez, "Stochastic analysis of the least mean kurtosis algorithm for Gaussian inputs," vol. 54, pp. 35-45, 2016. [DOI:10.1016/j.dsp.2016.03.012]
6. [6] J. Chambers, O. Tanrikulu, and A. J. E. l. Constantinides, "Least mean mixed-norm adaptive filtering," vol. 30, no. 19, pp. 1574-1575, 1994. [DOI:10.1049/el:19941060]
7. [7] B. Chen, L. Xing, J. Liang, N. Zheng, and J. C. J. I. s. p. l. Principe, "Steady-state mean-square error analysis for adaptive filtering under the maximum correntropy criterion," vol. 21, no. 7, pp. 880-884, 2014. [DOI:10.1109/LSP.2014.2319308]
8. [8] E. Eweda, N. J. Bershad, J. C. J. S. Bermudez, "Stochastic analysis of the least mean fourth algorithm for non-stationary white Gaussian inputs," Image, and V. Processing, vol. 8, no. 1, pp. 133-142, 2014. [DOI:10.1007/s11760-013-0519-1]
9. [9] P. I. Hübscher, J. C. M. Bermudez, and V. H. J. I. T. S. P. Nascimento, "A mean-square stability analysis of the least mean fourth (LMF) adaptive algorithm," vol. 55, no. 8, pp. 4018-4028, 2007. [DOI:10.1109/TSP.2007.894423]
10. [10] S.-C. Pei, and C.-C. J. I. J. o. S. A. i. C. Tseng, "Least mean p-power error criterion for adaptive FIR filter," vol. 12, no. 9, pp. 1540-1547, 1994. [DOI:10.1109/49.339922]
11. [11] Y. Zou, S.-C. Chan, T.-S. J. I. T. o. C. Ng, S. I. "Least mean M-estimate algorithms for robust adaptive filtering in impulse noise," Analog, and D. S. Processing,vol. 47, no. 12, pp. 1564-1569, 2000. [DOI:10.1109/82.899657]
12. [12] O. Tanrikulu, J. J. I. P.-V. Chambers, "Convergence and steady-state properties of the least-mean mixed-norm (LMMN) adaptive algorithm," Image, and S. Processing, vol. 143, no. 3, pp. 137-142, 1996. [DOI:10.1049/ip-vis:19960449]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.