دانلود ترجمه مقاله الگوریتم های NLMS با اندازه متغیر و پروجکشن آفین (آی تریپل ای ۲۰۰۴)

 

 

این مقاله انگلیسی ISI در نشریه آی تریپل ای در سال ۲۰۰۴ منتشر شده که ۴ صفحه می باشد، ترجمه فارسی آن نیز ۱۱ صفحه میباشد. کیفیت ترجمه این مقاله عالی بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

الگوریتم های NLMS با اندازه متغیر و پروجکشن آفین

عنوان انگلیسی مقاله:

Variable Step-Size NLMS and Affine Projection Algorithms

 

 

مشخصات مقاله انگلیسی 
نشریه آی تریپل ای – IEEE
سال انتشار ۲۰۰۴
فرمت مقاله انگلیسی pdf
تعداد صفحات مقاله انگلیسی ۴ صفحه
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی کامپیوتر – مهندسی برق
گرایش های مرتبط با این مقاله مهندسی الکترونیک – مهندسی الگوریتم ها و محاسبات
چاپ شده در مجله (ژورنال) Signal Processing Letters
کلمات کلیدی فیلترهای تطبیقی – الگوریتم تصویر همگر – حداقل میانگین مجذور نرمالیزه شده (NLMS) – اندازه گام متغیر
کلمات کلیدی انگلیسی Adaptive filters – affine projection algorithm – normalized least mean square (NLMS) – variable step-size
نمایه (index) Scopus – Master Journals List – JCR
نویسندگان Hyun-Chool Shin – Ali H. Sayed – Fellow – Woo-Jin Song
شناسه شاپا یا ISSN ۱۰۷۰-۹۹۰۸
شناسه دیجیتال – doi https://doi.org/10.1109/LSP.2003.821722
لینک سایت مرجع https://ieeexplore.ieee.org/document/1261961
ایمپکت فاکتور (IF) مجله ۴٫۴۱۲ در سال ۲۰۲۲
شاخص H_index مجله ۱۵۴ در سال ۲۰۲۳
شاخص SJR مجله ۱٫۱۲۳ در سال ۲۰۲۲
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۲۲
بیس نیست
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
فرضیه ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۲۵۸۹

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله ورد تایپ شده با قابلیت ویرایش و pdf
وضعیت ترجمه ترجمه شده و آماده دانلود
کیفیت ترجمه عالی (مناسب استفاده دانشگاهی و پژوهشی)
تعداد صفحات ترجمه ۱۱ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه نشده است
ترجمه ضمیمه ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است
منابع داخل متن به صورت عدد درج شده است
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱ معرفی

۲ APA با اندازه گام متغیر

۳ نتایج شبیه سازی ها

۴نتیجه گیری

منابع

 

بخشی از ترجمه

چکیده

این مقاله دو الگوریتم جدید با اندازه گام متغیر برای حداقل میانگین مجذور نرمالیزه شده و تصویر همگر پیشنهاد می   کند. طرح های پیشنهادی منجر به سرعت همگرایی سریع تر و خطای ناسازگاری کمتر می شوند.

 

۱٫ معرفی

دیتای ورودی رنگی عملکرد همگرایی فیلترهای تطبیقی نوع حداقل میانگین مجذور (LMS) را بدتر می­کند [۱]-[۳]. به منظور غلبه بر این مشکل، Ozeki و Umeda یک الگوریتم تصویر همگر پیشنهاد دادند (APA) [4] که مبتنی بر تصویرهای زیرفضای همگر است. برخلاف NMLS، که بردار وزن را فقط براساس بردار ورودی فعلی به­روز می­کند، APA بردار وزن را براساس بردارهای ورودی K به­روز می­کند. در هر دو نوعِ حداقل میانگین مجذور نرمالیزه شده (NMLS) و APA، اندازه گام μ، سرعت همگرایی و خطای میانگین مربع بیش از حد حالت پایدار  را کنترل می­کند. برای برآورده کردن نیازمندی­های متناقص همگرایی سریع و ناسازگاری کم، اندازه گام باید کنترل شود. در LMS استاندارد، طرح­های مختلفی برای کنترل اندازه گام ارائه شده است [۵]-[۸]. عملکرد این طرح­ها با توجه به میزان دقت تخمین اینکه فیلتر چقدر از عملکرد بهینه فاصله دارد، مشخص می­شود. معیارهای مختلفی بدین منظور توسعه داده شده است. Kwong و Johnston از خطاهای آنی مربع (مجذور) استفاده کردند [۵]. به منظور بهبود آسیب ناپذیری نویزی تحت تاثیر نویز گوسی Aboulnasr و Mayyas از خودهم­بستگی مربعی (مجذور شده) خطاها در زمان مجاور استفاده کردند [۶]، و Pazaitis و Constantinides انباشت مرتبه چهارم خطای آنی را تصویب کردند [۷]. در [۸] و در برخی از مراجع موجود در آن، اندازه گام بهینه برای NLMS از طریق به حداقل رساندن انحراف میانگین مجذور در هر تکرار بدست آمده است. این معیارها برای LMS بطور موثری عمل می­کنند اما برای APA به طور مستقیم کاربرد ندارند. دلیل این امر این است که خطای آنی APA یک بردار است، برخلاف خطای آنی در LMS که یک مقدار عددی است.

 

در این مقاله، ما معیاری ارائه کردیم که ارزیابی وضعیت فیلتر تطبیقی را فراهم می­کند، یعنی نشان می­دهد که فیلتر تطبیقی چقدر به عملکرد بهینه نزدیک است. با استفاده از این معیار، ما یک APA با اندازه گام متغیر ایجاد می­کنیم که سرعت هم­گرایی سریع­­تر و خطای ناسازگاری کم­تری نسبت به طرح های موجود دارد. ما همچنین به عنوان یک مورد خاص، یک الگوریتم NLMS با اندازه گام متغیر را توسعه می­دهیم. در تمام این مقاله نشانه­گذاری­های زیر تصویب شده است: ||.|| مقیاس اقلیدسی یک بردار است و Tr(.) اثر یک ماتریس است.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا