論文の概要: Design and Analysis of Robust Adaptive Filtering with the Hyperbolic Tangent Exponential Kernel M-Estimator Function for Active Noise Control
- arxiv url: http://arxiv.org/abs/2508.13018v1
- Date: Mon, 18 Aug 2025 15:37:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:11.455344
- Title: Design and Analysis of Robust Adaptive Filtering with the Hyperbolic Tangent Exponential Kernel M-Estimator Function for Active Noise Control
- Title（参考訳）: アクティブノイズ制御のための双曲型タンジェントカーネルM-推定関数を用いたロバスト適応フィルタの設計と解析
- Authors: Iam Kim de S. Hermont, Andre R. Flores, Rodrigo C. de Lamare,
- Abstract要約: 我々は,フィルタ付きx双曲型指数関数Kernel M-estimate関数 (FXHEKM) のロバスト適応アルゴリズムを開発した。
提案したFXHEKMアルゴリズムの統計的解析と計算コストの検討を行った。
数値計算の結果,FXHEKMアルゴリズムの有効性が示唆された。
- 参考スコア（独自算出の注目度）: 19.211198388305807
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we propose a robust adaptive filtering approach for active noise control applications in the presence of impulsive noise. In particular, we develop the filtered-x hyperbolic tangent exponential generalized Kernel M-estimate function (FXHEKM) robust adaptive algorithm. A statistical analysis of the proposed FXHEKM algorithm is carried out along with a study of its computational cost. {In order to evaluate the proposed FXHEKM algorithm, the mean-square error (MSE) and the average noise reduction (ANR) performance metrics have been adopted.} Numerical results show the efficiency of the proposed FXHEKM algorithm to cancel the presence of the additive spurious signals, such as \textbf{$\alpha$}-stable noises against competing algorithms.
- Abstract（参考訳）: 本研究では, アクティブノイズ制御のための適応フィルタ手法を提案する。
特に,フィルタ付きx双曲型指数汎化Kernel M-estimate関数(FXHEKM)のロバスト適応アルゴリズムを開発した。
提案したFXHEKMアルゴリズムの統計的解析と計算コストの検討を行った。
提案したFXHEKMアルゴリズムを評価するために,平均二乗誤差(MSE)と平均雑音低減(ANR)性能指標を採用した。
} 数値計算の結果から,提案アルゴリズムが提案するFXHEKMアルゴリズムの高効率性を示す。
関連論文リスト
- An Adaptive Re-evaluation Method for Evolution Strategy under Additive Noise [3.92625489118339]
本稿では,加法的なガウスホワイトノイズによる関数値の最適再評価数を適応的に選択する手法を提案する。
実験では,CMA-ESのノイズハンドリング手法を人工的なテスト関数の集合上で実験的に比較した。
論文 参考訳（メタデータ） (2024-09-25T09:10:21Z) - Risk-Sensitive Diffusion: Robustly Optimizing Diffusion Models with Noisy Samples [58.68233326265417]
非画像データは実際のアプリケーションで広く使われており、ノイズが多い傾向にある。
リスク感受性SDEは、リスクベクトルによってパラメータ化された微分方程式(SDE)の一種である。
我々はガウス雑音分布と非ガウス雑音分布の両方について系統的研究を行う。
論文 参考訳（メタデータ） (2024-02-03T08:41:51Z) - 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) - Multi-kernel Correntropy-based Orientation Estimation of IMUs: Gradient
Descent Methods [3.8286082196845466]
コレントロピーに基づく降下勾配(CGD)とコレントロピーに基づく非結合配向推定(CDOE)
従来の方法は平均二乗誤差(MSE)基準に依存しており、外部加速度や磁気干渉に弱い。
新しいアルゴリズムは、カルマンフィルタベースのアプローチよりも計算の複雑さが著しく低いことを示している。
論文 参考訳（メタデータ） (2023-04-13T13:57:33Z) - 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) - Conjugate Gradient Adaptive Learning with Tukey's Biweight M-Estimate [35.60818658948953]
TbMCG (Biweight M-estimate CG) と呼ばれる新しい M-estimate conjugate gradient (CG) アルゴリズムを提案する。
特に、TbMCGアルゴリズムは計算複雑性を小さく保ちながら、より高速な収束を実現することができる。
シミュレーションの結果,システム識別およびアクティブノイズ制御のための提案したTbMCGアルゴリズムの優れた性能が確認された。
論文 参考訳（メタデータ） (2022-03-19T01:02:43Z) - Differentiable Annealed Importance Sampling and the Perils of Gradient
Noise [68.44523807580438]
Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。
差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。
我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
論文 参考訳（メタデータ） (2021-07-21T17:10:14Z) - Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。
我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。
数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-11-18T16:40:45Z) - Stochastic Hard Thresholding Algorithms for AUC Maximization [49.00683387735522]
分散分類におけるAUCのためのハードしきい値決定アルゴリズムを開発した。
提案アルゴリズムの有効性と有効性を示す実験を行った。
論文 参考訳（メタデータ） (2020-11-04T16:49:29Z)
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。