固定次数でのKPNLMS適応フィルタの実現のためのスパース化手法(画像・メディア処理技術,および一般)

  • 古賀 正一
    首都大学東京大学院システムデザイン研究科情報通信システム学域
  • 丸 裕士
    首都大学東京大学院システムデザイン研究科情報通信システム学域
  • 西川 清史
    首都大学東京大学院システムデザイン研究科情報通信システム学域

書誌事項

タイトル別名
  • Sparsification of Input signal for Fixed Order Implementation of KPNLMS Adaptive Filters
  • 固定次数でのKPNLMS適応フィルタの実現のためのスパース化手法
  • コテイ ジスウ デ ノ KPNLMS テキオウ フィルタ ノ ジツゲン ノ タメ ノ スパースカ シュホウ

この論文をさがす

抄録

適応フィルタは,未知システムの特性の自律的学習を可能とし,線形システムの学習に広く応用されている.近年,適応フィルタにカーネル法を適用することで、非線形未知システムの学習を可能とするカーネル適応フィルタが提案されている.カーネル適応フィルタでは,学習に使用するトレーニングベクトルおよびフィルタ次数が時間とともに増加し,それに伴い必要な演算量も増加することが問題となっている.本稿ではKernel Proportionate NLMS (KPNLMS)適応フィルタを対象とし,固定次数で実現するための,入力信号のスパース化の効率的な手法を提案する.

収録刊行物

詳細情報 詳細情報について

問題の指摘

ページトップへ