| 講演抄録／キーワード |
| 講演名 |
2021-11-17 11:00
深層展開による可変ステップサイズ拡散LMSアルゴリズム
○佐々木哲也（阪市大）・林 和則（京大） |
| 抄録 |
（和） |
固定ステップサイズLMS (Least-Mean-Square) を用いた適応フィルタリングでは，収束速度と定常誤差の間にトレードオフが存在する．この問題を解決するために，今まで数多くの可変ステップサイズのアルゴリズムが提案されてきた．しかし，従来法のアプローチでは特性を向上させるためにいくつかのパラメータを手動で調整しなければならなかった．本研究では，分散型の適応アルゴリズムである拡散LMS (Diffusion LMS, DLMS) アルゴリズムの各繰り返しにおけるステップサイズをデータに基づく学習によって決定する可変ステップサイズDLMS (Trainable DLMS, TDLMS) を提案する．数値実験により，既存の可変ステップサイズDLMSアルゴリズムと比較し，様々な条件下において提案TDLMSアルゴリズムの方が優れていることを明らかにする． |
| （英） |
In adaptive filtering using a fixed step size LMS (Least-Mean-Square), there is a trade-off between convergence speed and steady-state error.
To solve the issue, a lot of variable step size algorithms have been proposed so far, but in many convetional approaches some parameters have to be adjusted heuristically to achieve good performance.
In this study, we propose a method named TDLMS (Trainable Diffusion LMS), which determines the step size in each iteration of the DLMS algorithm by data driven approach.
Numerical experiments show that the proposed TNLMS algorithm is superior to the existing variable step size NLMS algorithm under various conditions. |
| キーワード |
（和） |
深層展開 / 拡散LMSアルゴリズム / 可変ステップサイズ / / / / / |
| （英） |
Deep unfolding / Diffusion LMS algorithm / Variable step size / / / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|