| 講演抄録／キーワード |
| 講演名 |
2013-12-10 11:25
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
○古賀正一・西川清史・丸 裕士（首都大東京） |
| 抄録 |
（和） |
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． |
| （英） |
A kernel adaptive algorithm enables to learn a nonlinear system by applying kernel method. However, increasing the number of training vectors while estimation processes causes a huge computational cost. This paper proposes a sparsification of proportionate-type of KNLMS, which updates filter coefficients with the individual step size, in the case that the size of the dictionary is limited. |
| キーワード |
（和） |
Kernel Normalized least mean squaresアルゴリズム / proportionate-typeアルゴリズム / / / / / / |
| （英） |
Kernel Normalized least mean square algorithm / proportionate-type algorithm / / / / / / |
| 文献情報 |
映情学技報, vol. 37, no. 56, ME2013-134, pp. 61-64, 2013年12月. |
| 資料番号 |
ME2013-134 |
| 発行日 |
2013-12-02 (ME) |
| ISSN |
Print edition: ISSN 1342-6893 |
| PDFダウンロード |
|