ترجمه مقاله الگوریتم های NLMS با اندازه متغیر و پروجکشن آفین - نشریه IEEE

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

الگوریتم های NLMS با اندازه متغیر و پروجکشن آفین

عنوان انگلیسی

Variable Step-Size NLMS and Affine Projection Algorithms

صفحات مقاله فارسی

11

صفحات مقاله انگلیسی

4

سال انتشار

2004

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

4.412 در سال 2022

شاخص H_index مجله

154 در سال 2023

شاخص SJR مجله

1.123 در سال 2022

شناسه ISSN مجله

1070-9908

شاخص Q یا Quartile (چارک)

Q1 در سال 2022

کد محصول

12589

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است ☓

وضعیت ترجمه منابع داخل متن

به صورت عدد درج شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است ✓

ضمیمه

ندارد ☓

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

فرضیه

ندارد ☓

رفرنس در ترجمه

در انتهای مقاله درج شده است

رشته و گرایش های مرتبط با این مقاله

مهندسی کامپیوتر - مهندسی برق - مهندسی الکترونیک - مهندسی الگوریتم ها و محاسبات

کلمات کلیدی

فیلترهای تطبیقی - الگوریتم تصویر همگر - حداقل میانگین مجذور نرمالیزه شده (NLMS) - اندازه گام متغیر

کلمات کلیدی انگلیسی

Adaptive filters - affine projection algorithm - normalized least mean square (NLMS) - variable step-size

doi یا شناسه دیجیتال

https://doi.org/10.1109/LSP.2003.821722

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1. معرفی
2. APA با اندازه گام متغیر
3. نتایج شبیه سازی ها
4.نتیجه گیری
منابع

تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

نمونه چکیده ترجمه متن فارسی

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 میکند [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 بهروز میکند، APA بردار وزن را براساس بردارهای ورودی K بهروز میکند. 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 میکند. برای برآورده کردن نیازمندیهای متناقص همگرایی سریع و ناسازگاری کم، اندازه گام باید کنترل شود. در LMS استاندارد، طرحهای مختلفی برای کنترل اندازه گام ارائه شده است [5]-[8]. عملکرد این طرحها با توجه به میزان دقت تخمین اینکه فیلتر چقدر از عملکرد بهینه فاصله دارد، مشخص میشود. 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 خودهمبستگی 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 میکنند 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.

در این مقاله، ما معیاری ارائه کردیم که ارزیابی وضعیت فیلتر تطبیقی را فراهم میکند، یعنی نشان میدهد که فیلتر تطبیقی چقدر به عملکرد بهینه نزدیک است. با استفاده از این معیار، ما یک APA با اندازه گام متغیر ایجاد میکنیم که سرعت همگرایی سریعتر و خطای ناسازگاری کمتری نسبت به طرح های موجود دارد. ما همچنین به عنوان یک مورد خاص، یک الگوریتم NLMS با اندازه گام متغیر را توسعه میدهیم. در تمام این مقاله نشانهگذاریهای زیر تصویب شده است: ||.|| مقیاس اقلیدسی یک بردار است و Tr(.) اثر یک ماتریس است.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی مهندسی برق