論文の概要: Latent FxLMS: Accelerating Active Noise Control with Neural Adaptive Filters

• arxiv url: http://arxiv.org/abs/2507.03854v1
• Date: Sat, 05 Jul 2025 01:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.905302
• Title: Latent FxLMS: Accelerating Active Noise Control with Neural Adaptive Filters
• Title（参考訳）: 潜時FxLMS:ニューラル適応フィルタによるアクティブノイズ制御の高速化
• Authors: Kanad Sarkar, Austin Lu, Manan Mittal, Yongjie Zhuang, Ryan Corey, Andrew Singer,
• Abstract要約: Filtered-X LMS (FxLMS) は、アクティブノイズコントロール(ANC)に一般的に使用される。 本研究では、所定の空間領域からサンプリングした一次音源位置毎に、定常適応フィルタのフィルタ係数に基づいてオートエンコーダを訓練する。 ニューラルネットワークの制約や正規化技術が収束速度や定常平均二乗誤差にどのように影響するかを評価する。
• 参考スコア（独自算出の注目度）: 1.1545092788508224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Filtered-X LMS (FxLMS) is commonly used for active noise control (ANC), wherein the soundfield is minimized at a desired location. Given prior knowledge of the spatial region of the noise or control sources, we could improve FxLMS by adapting along the low-dimensional manifold of possible adaptive filter weights. We train an auto-encoder on the filter coefficients of the steady-state adaptive filter for each primary source location sampled from a given spatial region and constrain the weights of the adaptive filter to be the output of the decoder for a given state of latent variables. Then, we perform updates in the latent space and use the decoder to generate the cancellation filter. We evaluate how various neural network constraints and normalization techniques impact the convergence speed and steady-state mean squared error. Under certain conditions, our Latent FxLMS model converges in fewer steps with comparable steady-state error to the standard FxLMS.
• Abstract（参考訳）: フィルタX LMS (FxLMS) はアクティブノイズコントロール (ANC) に一般的に用いられ、音場は所望の場所で最小化される。 ノイズや制御源の空間領域に関する事前の知識から、適応フィルタ重みの低次元多様体に沿って適応することでFxLMSを改善することができる。 我々は、所定の空間領域からサンプリングされた各一次音源位置に対する定常適応フィルタのフィルタ係数についてオートエンコーダを訓練し、適応フィルタの重みを遅延変数の所定の状態に対するデコーダの出力に制限する。 次に、潜伏空間で更新を行い、デコーダを使用してキャンセルフィルタを生成する。 ニューラルネットワークの制約や正規化技術が収束速度や定常平均二乗誤差にどのように影響するかを評価する。 ある条件下では、Latent FxLMSモデルは標準FxLMSに匹敵する定常誤差を持つ少ないステップで収束する。

関連論文リスト

• Composite Reward Design in PPO-Driven Adaptive Filtering [0.0]
  本稿では、SNRの改善、MSEの低減、残留滑らかさのバランスをとる複合報酬によって導かれるPPOを用いた適応フィルタリングフレームワークを提案する。 各種ノイズ型合成信号の実験により,PPOエージェントはトレーニング分布を超越し,実時間性能を実現し,従来のフィルタよりも優れることがわかった。
  論文  参考訳（メタデータ） (2025-05-29T23:11:48Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• Deep Generative Fixed-filter Active Noise Control [17.42035489262148]
  本稿では,その限界を克服するためにGFANC法を提案する。 ディープラーニングと完全再構成フィルタバンクに基づいて、GFANC法はいくつかの事前データしか必要としない。 GFANC法の有効性は実記録雑音に対する数値シミュレーションにより実証された。
  論文  参考訳（メタデータ） (2023-03-10T08:47:22Z)
• A Hybrid SFANC-FxNLMS Algorithm for Active Noise Control based on Deep Learning [17.38644275080562]
  Filtered-X normalized least-mean-square (FxNLMS)アルゴリズムは適応最適化により低い定常誤差を得ることができる。 本稿では,適応アルゴリズムの緩やかな収束を克服するためのハイブリッドSFANC-FxNLMS手法を提案する。 実験の結果,ハイブリッドSFANC-FxNLMSアルゴリズムは高速応答時間,低雑音低減誤差,高強靭性を実現可能であることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T05:42:39Z)
• Thompson Sampling Achieves $\tilde O(\sqrt{T})$ Regret in Linear Quadratic Control [85.22735611954694]
  我々はトンプソンサンプリング(TS)を用いた安定化可能な線形四元系レギュレータ(LQR)の適応制御問題について検討する。 我々は,LQRの適応制御のための効率的なTSアルゴリズムTSACを提案し,多次元システムであっても,$tilde O(sqrtT)$ regretを実現する。
  論文  参考訳（メタデータ） (2022-06-17T02:47:53Z)
• Neural Network-augmented Kalman Filtering for Robust Online Speech Dereverberation in Noisy Reverberant Environments [13.49645012479288]
  ノイズローバストオンラインデバーベレーションのためのニューラルネットワーク拡張アルゴリズムを提案する。 提示されたフレームワークは、単一チャネルのノイズの多い残響データセット上で堅牢なデバーベレーションを可能にする。
  論文  参考訳（メタデータ） (2022-04-06T11:38:04Z)
• Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
  オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。 周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。 逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
  論文  参考訳（メタデータ） (2022-02-28T05:49:35Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)

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。