Key points are not available for this paper at this time.
ZUSAMMENFASSUNG Adaptive Systemidentifikationsprobleme (ASI) haben über einen langen Zeitraum sowohl akademisches als auch industrielles Interesse geweckt. Als einer der klassischen Ansätze für ASI ist die Leistung des Least Mean Square (LMS) im Bereich mit niedriger Signal-Rausch-Verhältnis (SNR) instabil. Im Gegensatz dazu ist der Least Mean Fourth (LMF)-Algorithmus aufgrund seiner hohen rechnerischen Komplexität im Bereich mit hohem SNR schwer in praktischen Systemen umzusetzen, weshalb er von Forschern häufig vernachlässigt wird. In diesem Papier schlagen wir einen effektiven Ansatz vor, um unbekannte Systeme adaptiv zu identifizieren, indem wir kombinierte LMS- und LMF-Algorithmen in verschiedenen SNR-Bereichen verwenden. Eine experimentelle Parameterwahl wird etabliert, um die Leistung zu optimieren und gleichzeitig die rechnerische Komplexität niedrig zu halten. Copyright © 2013 John Wiley & Sons, Ltd.
Gui et al. (Fri,) haben diese Frage untersucht.