霍苏尔，S。;托菲克，A.H。;博利，D。 多子空间ULV算法和LMS跟踪。 （英语） Zbl 0826.65126号 Moonen，Marc（编辑）等人，SVD和信号处理III：算法、架构和应用。根据1994年8月22日至25日在比利时鲁汶举行的第三届SVD和信号处理国际研讨会上提出的意见。阿姆斯特丹：爱思唯尔。295-302 (1995). 小结：最小均方（LMS）自适应算法因其简单性和鲁棒性而成为最流行的自适应滤波算法。然而，它的主要缺点是，当自适应滤波器输入自相关矩阵不满足条件时，即该矩阵的特征值扩散较大时，其收敛速度较慢。本文的目标是开发一种自适应信号变换，用于加快LMS算法的收敛速度，同时提供一种仅适应强信号模式的方法，以减少多余的均方误差（MSE）。它使用数据相关的信号转换。该算法跟踪与自适应滤波器输入的自相关矩阵的特征值簇相对应的子空间，这些特征值簇具有相同的数量级。该算法使用不同步长的LMS算法更新自适应滤波器抽头权重在每个子空间的投影。该技术还允许仅在那些子空间中进行自适应，与传统算法相比，这些子空间包含强信号分量，从而导致较低的过量MSE。变换还应该能够跟踪非平稳环境中的信号行为。我们使用秩揭示ULV分解的推广，开发了这样一种数据自适应变换域LMS算法。我们将两个子空间ULV更新过程推广到跟踪对应于三个或更多奇异值簇的子空间。关于整个系列，请参见[Zbl 0817.00020]. MSC公司： 65C99个 概率方法，随机微分方程 65层20 超定系统的数值解，伪逆 60G35型 信号检测和滤波（随机过程方面） 62M20型 随机过程推断和预测 关键词：最小均方自适应算法;子空间跟踪;奇异值分解;自适应滤波;收敛;自相关矩阵;病态调节;自适应信号变换;特征值簇;ULV分解 PDF格式BibTeX公司 XML格式引用 \textit{S.Hosur}等人，in：SVD和信号处理III：算法、架构和应用。根据1994年8月22日至25日在比利时鲁汶举行的第三届SVD和信号处理国际研讨会上提出的意见。阿姆斯特丹：爱思唯尔。295--302（1995年；Zbl 0826.65126）