کتاب الکترونیکی

کاهش پیچیدگی الگوریتم های فیلتر تطبیقی ​​با برنامه های کاربردی در سیستم های ارتباطی

Reduced Complexity Adaptive Filtering Algorithms with Applications to Communications Systems

دانلود کتاب Reduced Complexity Adaptive Filtering Algorithms with Applications to Communications Systems (به فارسی: کاهش پیچیدگی الگوریتم های فیلتر تطبیقی ​​با برنامه های کاربردی در سیستم های ارتباطی) نوشته شده توسط «Stefan Werner»

اطلاعات کتاب کاهش پیچیدگی الگوریتم های فیلتر تطبیقی ​​با برنامه های کاربردی در سیستم های ارتباطی

موضوع اصلی: امواج و پردازش سیگنال

نوع: کتاب الکترونیکی

نویسنده: Stefan Werner

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

تعداد صفحه: 213

حجم کتاب: 2 مگابایت

کد کتاب: 951-22-6175-8

توضیحات کتاب کاهش پیچیدگی الگوریتم های فیلتر تطبیقی ​​با برنامه های کاربردی در سیستم های ارتباطی

این پایان نامه الگوریتم های فیلتر تطبیقی ​​جدیدی را برای کاربردهای ارتباطی با هدف کاهش پیچیدگی محاسباتی پیاده سازی توسعه می دهد. پیچیدگی محاسباتی کم الگوریتم فیلتر تطبیقی ​​می تواند، برای مثال، مصرف برق مورد نیاز اجرا را کاهش دهد. مصرف انرژی کم در برنامه های بی سیم مهم است، به ویژه در سمت ترمینال تلفن همراه، جایی که اندازه فیزیکی ترمینال تلفن همراه و عمر طولانی باتری بسیار مهم است. ما بر اجرای دو نوع فیلتر تطبیقی ​​تمرکز می‌کنیم: فیلترهای تطبیقی ​​با حداقل واریانس با محدودیت خطی (LCMV) و فیلترهای تطبیقی ​​مبتنی بر آموزش معمولی. برای فیلترهای تطبیقی ​​LCMV، الگوریتم‌های استفاده مجدد از داده‌های نرمال‌شده پیشنهاد شده‌اند که می‌توانند سرعت همگرایی را کاهش دهند. پیچیدگی محاسباتی با تغییر تعداد استفاده مجدد از داده در به روز رسانی ضریب. علاوه بر این، ما یک تبدیل سیگنال ورودی به فیلتر تطبیقی ​​LCMV را پیشنهاد می‌کنیم که به درستی ابعاد به‌روزرسانی ضریب را کاهش می‌دهد. نشان داده شده است که تبدیل سیگنال ورودی با استفاده از تبدیل‌های متوالی Householder یک پیاده‌سازی کارآمد را ارائه می‌کند. این رویکرد اجازه می دهد تا هر الگوریتم انطباق نامحدودی برای مسائل محدود خطی اعمال شود. علاوه بر این، خانواده ای از الگوریتم ها با استفاده از چارچوب فیلتر مجموعه عضویت (SMF) پیشنهاد شده است. این الگوریتم‌ها مشخصات خطای محدود در فیلتر تطبیقی ​​را با مفهوم استفاده مجدد از داده ترکیب می‌کنند. الگوریتم‌های حاصل از پیچیدگی محاسباتی متوسط ​​پایینی برخوردارند زیرا به‌روزرسانی ضریب در هر تکرار انجام نمی‌شود. علاوه بر این، الگوریتم تطبیق را می توان برای دستیابی به پیچیدگی محاسباتی مورد نظر با اجازه دادن به تعداد متغیری از استفاده مجدد از داده ها برای به روز رسانی فیلتر تنظیم کرد. در نهایت، ما چارچوبی را پیشنهاد می کنیم که به روز رسانی پراکنده در زمان را با به روز رسانی پراکنده ضرایب فیلتر ترکیب می کند. این نوع فیلترهای تطبیقی ​​با به روز رسانی جزئی (PU) برای برنامه هایی مناسب هستند که ترتیب مورد نیاز فیلتر تطبیقی ​​با محدودیت های شدید برای قدرت پردازش در تضاد است.

This thesis develops new adaptive filtering algorithms suitable for communications applications with the aim of reducing the computational complexity of the implementation. Low computational complexity of the adaptive filtering algorithm can, for example, reduce the required power consumption of the implementation. A low power consumption is important in wireless applications, particularly at the mobile terminal side, where the physical size of the mobile terminal and long battery life are crucial. We focus on the implementation of two types of adaptive filters: linearly-constrained minimum-variance (LCMV) adaptive filters and conventional training-based adaptive filters.For LCMV adaptive filters, normalized data-reusing algorithms are proposed which can trade off convergence speed and computational complexity by varying the number of datareuses in the coefficient update. Furthermore, we propose a transformation of the input signal to the LCMV adaptive filter, which properly reduces the dimension of the coefficient update. It is shown that transforming the input signal using successive Householder transformations renders a particularly efficient implementation. The approach allows any unconstrained adaptation algorithm to be applied to linearly constrained problems.In addition, a family of algorithms is proposed using the framework of set-membership filtering (SMF). These algorithms combine a bounded error specification on the adaptive filter with the concept of data-reusing. The resulting algorithms have low average computational complexity because coefficient update is not performed at each iteration. In addition, the adaptation algorithm can be adjusted to achieve a desired computational complexity by allowing a variable number of data-reuses for the filter update.Finally, we propose a framework combining sparse update in time with sparse update of filter coefficients. This type of partial-update (PU) adaptive filters are suitable for applications where the required order of the adaptive filter is conflicting with tight constraints for the processing power.

دانلود کتاب «کاهش پیچیدگی الگوریتم های فیلتر تطبیقی ​​با برنامه های کاربردی در سیستم های ارتباطی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

برچسب ها
مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان