Fugu-MT 論文翻訳(概要): Study of Proximal Normalized Subband Adaptive Algorithm for Acoustic Echo Cancellation

論文の概要: Study of Proximal Normalized Subband Adaptive Algorithm for Acoustic Echo Cancellation

arxiv url: http://arxiv.org/abs/2108.10219v1
Date: Sat, 14 Aug 2021 22:20:09 GMT
ステータス: 処理完了
システム内更新日: 2021-08-29 12:10:05.483240
Title: Study of Proximal Normalized Subband Adaptive Algorithm for Acoustic Echo Cancellation
Title（参考訳）: 近位正規化サブバンド適応アルゴリズムによる音響エコーキャンセラの検討
Authors: Gang Guo, Yi Yu, Rodrigo C. de Lamare, Zongsheng Zheng, Lu Lu and Qiangming Cai
Abstract要約: 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。
参考スコア（独自算出の注目度）: 23.889870461547105
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a novel normalized subband adaptive filter algorithm suited for sparse scenarios, which combines the proportionate and sparsity-aware mechanisms. The proposed algorithm is derived based on the proximal forward-backward splitting and the soft-thresholding methods. We analyze the mean and mean square behaviors of the algorithm, which is supported by simulations. In addition, an adaptive approach for the choice of the thresholding parameter in the proximal step is also proposed based on the minimization of the mean square deviation. Simulations in the contexts of system identification and acoustic echo cancellation verify the superiority of the proposed algorithm over its counterparts.
Abstract（参考訳）: 本稿では,分散シナリオに適した正規化サブバンド適応フィルタアルゴリズムを提案する。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二乗挙動を解析する。さらに, 平均二乗偏差の最小化に基づいて, 近位ステップにおけるしきい値パラメータの選択に対する適応的アプローチも提案する。システム同定と音響エコーキャンセラの文脈におけるシミュレーションにより,提案アルゴリズムの優位性を検証した。

関連論文リスト

Bregman-divergence-based Arimoto-Blahut algorithm [53.64687146666141]
本稿では,Arimoto-BlahutアルゴリズムをBregman-Diversergenceシステム上で定義された一般関数に一般化する。本稿では,古典的および量子速度歪み理論に適用可能な凸最適化自由アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-08-10T06:16:24Z)
First Order Methods with Markovian Noise: from Acceleration to Variational Inequalities [91.46841922915418]
本稿では,一階変分法の理論解析のための統一的アプローチを提案する。提案手法は非線形勾配問題とモンテカルロの強い問題の両方をカバーする。凸法最適化問題の場合、オラクルに強く一致するような境界を与える。
論文参考訳（メタデータ） (2023-05-25T11:11:31Z)
Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文参考訳（メタデータ） (2023-02-13T19:57:17Z)
Adaptive Stochastic Optimisation of Nonconvex Composite Objectives [2.1700203922407493]
一般化された複合ミラー降下アルゴリズムの一群を提案し,解析する。適応的なステップサイズでは、提案アルゴリズムは問題の事前知識を必要とせずに収束する。決定集合の低次元構造を高次元問題に活用する。
論文参考訳（メタデータ） (2022-11-21T18:31:43Z)
Adaptive Zeroth-Order Optimisation of Nonconvex Composite Objectives [1.7640556247739623]
ゼロ階エントロピー合成目的のためのアルゴリズムを解析し,次元依存性に着目した。これは、ミラー降下法と推定類似関数を用いて、決定セットの低次元構造を利用して達成される。勾配を改善するため、Rademacherに基づく古典的なサンプリング法を置き換え、ミニバッチ法が非ユークリ幾何学に対処することを示す。
論文参考訳（メタデータ） (2022-08-09T07:36:25Z)
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)
Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文参考訳（メタデータ） (2021-11-29T15:10:09Z)
Adaptive filters for the moving target indicator system [10.152838128195468]
適応アルゴリズムの収束性を改善する2つの手法を提案する。提案手法は, 干渉プラスノイズ比 (SINR) に対する経験的信号に基づく。シミュレーションデータを用いてその効果を示す。
論文参考訳（メタデータ） (2020-12-31T04:22:55Z)
Asymptotic study of stochastic adaptive algorithm in non-convex landscape [2.1320960069210484]
本稿では、最適化や機械学習に広く用いられる適応アルゴリズムの仮定特性について検討する。このうちAdagradとRmspropは、ブラックボックスのディープラーニングアルゴリズムの大部分に関与している。
論文参考訳（メタデータ） (2020-12-10T12:54:45Z)
Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
論文参考訳（メタデータ） (2020-07-01T18:43:32Z)
IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文参考訳（メタデータ） (2020-06-11T18:49:06Z)

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。