高级搜索
保存指向您喜爱文章的链接。
要访问本文，请选择购买选项：
IET会员可享受所有IET出版物的折扣以及免费访问E&T杂志的优惠。如果您是IET会员，请登录您的帐户，折扣将自动生效。
了解有关IET成员资格的更多信息
您必须填写标有以下内容的字段：*
你的推荐信已经寄给你的图书管理员了。
给出了基于最小平均绝对三分之一（LMAT）误差准则的随机梯度自适应算法的收敛性。在系统辨识模式下，针对几种不同的测量噪声概率密度，对算法的性能进行了检验和比较。可以观察到，LMAT算法在大多数噪声概率密度方面都优于LMS算法，但指数分布噪声除外。
Inspec关键字： 噪音;最小二乘近似;可能性;数值方法的收敛性;识别;自适应信号处理
其他关键字： 噪声环境;收敛性;最小平均绝对第三自适应算法;随机梯度自适应算法;指数分布噪声;LMAT误差准则;系统识别模式;噪声概率密度
学科： 统计中的其他主题;统计中的其他主题;插值和函数逼近（数值分析）;插值和函数逼近（数值分析）;信息论;仿真、建模和识别;信号处理和检测
