فیلتر تطبیقی تحت معیار کمینه کردن خطای میانگین توان p ۲۰۲۴
Adaptive Filtering Under Minimum Mean p-Power Error Criterion 2024

فیلترهای تطبیقی همچنان در مهندسی مورد توجه قرار دارند، زیرا استفاده از فیلتر تطبیقی، در محیط‌هایی با آمار متغیر با زمان و نامشخص، عملکرد بهتری نسبت به استفاده از فیلتر ثابت ارائه می‌دهد. این کاربرد، حوزه‌های ارتباطات، پردازش سیگنال، لرزه‌شناسی، طراحی مکانیکی و مهندسی کنترل را متحول کرده است. رایج‌ترین معیار بهینه‌سازی در فیلترهای تطبیقی، معیار شناخته‌شده‌ی حداقل میانگین مربعات خطا (MMSE) است، که البته فقط زمانی بهینه است که سیگنال‌های درگیر دارای توزیع گاوسی باشند. بنابراین، بسیاری از “راه‌حل‌های بهینه” تحت MMSE، واقعاً بهینه نیستند. به عنوان توسعه‌ای از MMSE سنتی، معیار حداقل میانگین خطای توان-p (MMPE) در بسیاری از کاربردهای فیلتر تطبیقی، عملکرد برتری از خود نشان داده است. هدف این کتاب، ارائه یک مقدمه جامع از MMPE و الگوریتم‌های فیلتر تطبیقی مرتبط با آن است، که به یک مرجع مهم برای محققان و متخصصان در این زمینه تبدیل خواهد شد. این کتاب برای دانشجویان سال آخر مقطع کارشناسی با درک اولیه از جبر خطی و آمار، دانشجویان تحصیلات تکمیلی یا متخصصان با تجربه در پردازش سیگنال تطبیقی ​​مناسب است.

ویژگی‌های کلیدی:

• ارائه شرحی سیستماتیک از معیار MMPE.
• معرفی الگوریتم‌های متعدد فیلتر تطبیقی تحت MMPE، از جمله فیلترهای خطی و غیرخطی.
• شامل مثال‌های تصویری گسترده برای نشان دادن نتایج.

Adaptive filtering still receives attention in engineering as the use of the adaptive filter provides improved performance over the use of a fixed filter under the time-varying and unknown statistics environments. This application evolved communications, signal processing, seismology, mechanical design, and control engineering. The most popular optimization criterion in adaptive filtering is the well-known minimum mean square error (MMSE) criterion, which is, however, only optimal when the signals involved are Gaussian-distributed. Therefore, many “optimal solutions” under MMSE are not optimal. As an extension of the traditional MMSE, the minimum mean p-power error (MMPE) criterion has shown superior performance in many applications of adaptive filtering. This book aims to provide a comprehensive introduction of the MMPE and related adaptive filtering algorithms, which will become an important reference for researchers and practitioners in this application area. The book is geared to senior undergraduates with a basic understanding of linear algebra and statistics, graduate students, or practitioners with experience in adaptive signal processing.

Key Features:

• Provides a systematic description of the MMPE criterion.
• Many adaptive filtering algorithms under MMPE, including linear and nonlinear filters, will be introduced.
• Extensive illustrative examples are included to demonstrate the results.