論文の概要: Sparsity-Aware SSAF Algorithm with Individual Weighting Factors for Acoustic Echo Cancellation

• arxiv url: http://arxiv.org/abs/2009.08593v1
• Date: Fri, 18 Sep 2020 02:27:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 03:33:44.015794
• Title: Sparsity-Aware SSAF Algorithm with Individual Weighting Factors for Acoustic Echo Cancellation
• Title（参考訳）: 音響エコーキャンセラのための個別重み係数をもつスパシティ対応SSAFアルゴリズム
• Authors: Yi Yu, Tao Yang, Hongyang Chen, Rodrigo C. de Lamare, Yingsong Li
• Abstract要約: 本稿では,S-IWF-SSAFアルゴリズムを用いて,スペーサ性を考慮したサブバンド適応フィルタを提案し,解析する。 我々は,S-IWF-SSAF性能を向上させるために,ステップサイズとスパーシティペナルティパラメータの組合せ最適化方式を設計する。
• 参考スコア（独自算出の注目度）: 34.16801452591553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose and analyze the sparsity-aware sign subband adaptive filtering with individual weighting factors (S-IWF-SSAF) algorithm, and consider its application in acoustic echo cancellation (AEC). Furthermore, we design a joint optimization scheme of the step-size and the sparsity penalty parameter to enhance the S-IWF-SSAF performance in terms of convergence rate and steady-state error. A theoretical analysis shows that the S-IWF-SSAF algorithm outperforms the previous sign subband adaptive filtering with individual weighting factors (IWF-SSAF) algorithm in sparse scenarios. In particular, compared with the existing analysis on the IWF-SSAF algorithm, the proposed analysis does not require the assumptions of large number of subbands, long adaptive filter, and paraunitary analysis filter bank, and matches well the simulated results. Simulations in both system identification and AEC situations have demonstrated our theoretical analysis and the effectiveness of the proposed algorithms.
• Abstract（参考訳）: 本稿では,個々の重み付け係数(s-iwf-ssaf)アルゴリズムを用いたsparsity-aware sign subband adaptive filterの提案と解析を行い,音響エコーキャンセラ(aec)への応用を検討する。 さらに,S-IWF-SSAF性能を収束率と定常状態誤差の観点から向上させるため,ステップサイズとスパーシティペナルティパラメータの組合せ最適化手法を設計する。 理論的解析により、S-IWF-SSAFアルゴリズムは、スパースシナリオにおいて、個別重み付け係数 (IWF-SSAF) アルゴリズムにより、以前の符号サブバンド適応フィルタよりも優れていることが示された。 特に, IWF-SSAFアルゴリズムの既存解析と比較して, 提案手法では, 多数のサブバンド, 長適応フィルタ, パラユニット解析フィルタバンクの仮定を必要とせず, シミュレーション結果とよく一致している。 システム同定とAEC状況のシミュレーションにより,提案アルゴリズムの理論的解析と有効性を示した。

関連論文リスト

• Over-the-Air Federated Learning via Weighted Aggregation [9.043019524847491]
  本稿では, オーバー・ザ・エア計算を利用した新しいフェデレーション学習手法を提案する。 このスキームの新たな特徴は、アグリゲーション中に適応重みを用いるという提案である。 提案手法の収束を導出する数学的手法を提案する。
  論文  参考訳（メタデータ） (2024-09-12T08:07:11Z)
• Provably Mitigating Overoptimization in RLHF: Your SFT Loss is Implicitly an Adversarial Regularizer [52.09480867526656]
  人間の嗜好を学習する際の分布変化と不確実性の一形態として,不一致の原因を同定する。 過度な最適化を緩和するために、まず、逆選択された報酬モデルに最適なポリシーを選択する理論アルゴリズムを提案する。 報奨モデルとそれに対応する最適ポリシーの等価性を用いて、優先最適化損失と教師付き学習損失を組み合わせた単純な目的を特徴とする。
  論文  参考訳（メタデータ） (2024-05-26T05:38:50Z)
• Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks [60.09912912343705]
  本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。 データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。 非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
  論文  参考訳（メタデータ） (2024-03-05T17:49:09Z)
• Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications [80.35959154762381]
  インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。 既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。 我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
  論文  参考訳（メタデータ） (2023-12-08T01:57:10Z)
• Federated Conditional Stochastic Optimization [110.513884892319]
  条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。 本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-04T01:47:37Z)
• Study of General Robust Subband Adaptive Filtering [47.29178517675426]
  インパルス雑音に対する汎用ロバストサブバンド適応フィルタ法(GR-SAF)を提案する。 M推定および最大コレントロピーロバスト基準から異なるスケーリング係数を選択することで、GR-SAFアルゴリズムを簡単に得ることができる。 提案したGR-SAFアルゴリズムは、可変正則化ロバスト正規化SAFアルゴリズムに還元することができ、高速収束率と低定常誤差を有する。
  論文  参考訳（メタデータ） (2022-08-04T01:39:03Z)
• Sparsity-Aware Robust Normalized Subband Adaptive Filtering algorithms based on Alternating Optimization [27.43948386608]
  本稿では, 雑音下でのスパースシステムの同定のためのSA-RNSAFアルゴリズムを提案する。 提案したSA-RNSAFアルゴリズムは,ロバストな基準とスパース性を考慮したペナルティを定義することで,異なるアルゴリズムを一般化する。
  論文  参考訳（メタデータ） (2022-05-15T03:38:13Z)
• Study of Proximal Normalized Subband Adaptive Algorithm for Acoustic Echo Cancellation [23.889870461547105]
  スパースシナリオに適した正規化サブバンド適応フィルタを提案する。 提案アルゴリズムは, 近位前方分割法とソフトスレッショルド法に基づいて導出する。 シミュレーションによって支援されるアルゴリズムの平均および平均2乗挙動を解析する。
  論文  参考訳（メタデータ） (2021-08-14T22:20:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。