Novel Adaptive Filtering Algorithms Based on Higher-Order Statistics and Geometric Algebra
Novel Adaptive Filtering Algorithms Based on Higher-Order Statistics and Geometric Algebra
复制标题
基于高阶统计和几何代数的新型自适应滤波算法
DOI：
10.1109/access.2020.2988521
复制
发表时间：
2020
期刊：
影响因子：
3.9
通讯作者：
Yan Yi
中科院分区：
文献类型：
--
作者：
He Yinmei;Wang Rui;Wang Xiangyang;Zhou Jian;Yan Yi
提出了基于高阶统计量的自适应滤波算法，用于几何代数（GA）空间中的多维信号处理。本文提出的自适应滤波算法利用遗传算法理论在多维信号处理中的优势，将多维信号表示为遗传算法多向量。此外，将原有的最小均值四阶（LMF）和最小均值混合范数（LMMN）自适应滤波算法扩展到GA空间进行多维信号处理。所提出的基于遗传算法的最小均值四分之一（GA-LMF）和基于遗传算法的最小均值混合范数（GA-LMMN）算法都需要基于遗传算法空间中误差信号的高阶统计来最小化成本函数。仿真结果表明，所提出的GA-LMF算法在更小的步长下，在收敛速度和稳态误差方面表现更好。所提出的GA-LMMN算法弥补了GA-LMF随着步长增大的不稳定性，其在平均绝对误差和收敛速度上表现更加稳定。
Adaptive filtering algorithms based on higher-order statistics are proposed for multi-dimensional signal processing in geometric algebra (GA) space. In this paper, the proposed adaptive filtering algorithms utilize the advantage of GA theory in multi-dimensional signal processing to represent a multi-dimensional signal as a GA multivector. In addition, the original least-mean fourth (LMF) and least-mean mixed-norm (LMMN) adaptive filtering algorithms are extended to GA space for multi-dimensional signal processing. Both the proposed GA-based least-mean fourth (GA-LMF) and GA-based least-mean mixed-norm (GA-LMMN) algorithms need to minimize cost functions based on higher-order statistics of the error signal in GA space. The simulation results show that the proposed GA-LMF algorithm performs better in terms of convergence rate and steady-state error under a much smaller step size. The proposed GA-LMMN algorithm makes up for the instability of GA-LMF as the step size increases, and its performance is more stable in mean absolute error and convergence rate.
登录
查看更多内容
基于简化几何代数的多通道图像联合稀疏表示模型
影响因子：
3.9
作者：
Shen;Miaomiao;Wang;Rui;Cao;Wenming
通讯作者：
Wenming
DOI：
--
发表时间：
2003
期刊：
--
影响因子：
--
作者：
S. Haykin;B. Widrow
通讯作者：
S. Haykin;B. Widrow
DOI：
10.1007/978-3-662-11028-7
发表时间：
2010
期刊：
--
影响因子：
--
作者：
J. Benesty;Yiteng Huang
通讯作者：
J. Benesty;Yiteng Huang
DOI：
10.1109/wacv.2016.7477642
发表时间：
2016-03
期刊：
2016 IEEE Winter Conference on Applications of Computer Vision (WACV)
影响因子：
--
作者：
Anas Al-Nuaimi;E. Steinbach;W. B. Lopes;C. G. Lopes
通讯作者：
Anas Al-Nuaimi;E. Steinbach;W. B. Lopes;C. G. Lopes
影响因子：
3.5
作者：
D. Lathrop
通讯作者：
D. Lathrop