Key points are not available for this paper at this time.
تتطلب خوارزمية مرشح LMS التكيفي معرفة مسبقة بمستوى طاقة المدخلات لاختيار معلمة كسب الخوارزمية μ من أجل الاستقرار والتقارب. نظرًا لأن مستوى طاقة المدخلات غالبًا ما يكون أحد المجهولات الإحصائية، فإنه يتم تقديره عادة من البيانات قبل البدء بعملية التكيف. ثم يُفترض أن التقدير مثالي في أي تحليل لاحق لسلوك خوارزمية LMS. في هذه الورقة، تم دمج تأثيرات تقدير مستوى الطاقة في μ المعتمد على البيانات والموجود بشكل صريح ضمن الخوارزمية. تم تقييم سلوك المتوسط والمتغير الثاني للخوارزمية المعدلة LMS (NLMS)، مع الأخذ في الاعتبار الاعتماد الإحصائي الصريح لـ μ على البيانات المدخلة. يتم إظهار أن سلوك المتوسط للخوارزمية يتقارب إلى وزن Wiener. تم اشتقاق معادلة فرق لمصفوفة معامل ثابتة لتقلبات الوزن حول وزن Wiener. يتم حل المعادلة لمصفوفة تباين البيانات البيضاء ولتعزيز الخط التكيفي مع إدخال بتردد واحد في الحالة الثابتة لـ μ صغيرة. كما تم تقديم تعبيرات عن خطأ التعديل غير الصحيح. يُظهر أن متوسط حوالي عشرة عينات بيانات يتسبب في تدهور ضئيل مقارنة بخوارزمية LMS في حالة مصفوفة تباين البيانات البيضاء. في تطبيق ALE، تُظهر تقلبات الوزن في الحالة الثابتة أنها تعتمد على النمط، بحيث تكون أكبر عند تردد المدخل.
قام N.J. Bershad (الجمعة) بدراسة هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: