Proportionate-type Normalized Least Mean Square Algorithms

...Нажми для увеличения фото
12 454 ₽Скидка: 21%

9 795 ₽

Товар в наличии
  Узнать о снижении стоимости
Отправим письмо при снижении стоимости.

Рекомендательный сервис

  • Общий рейтинг 4.79
  • Рейтинг покупателей 4.97
  • Рейтинг экспертов 4.57
  • Качество материалов 4.95
  • Надежность 4.77
  • Простота в использовании 4.55
  • Ремонтопригодность 4.44
  • Эффективность выполнения своих функций 4.49
  • Коэффициент удивления "Вау!" 4.79
  • Безопасность для пользователя4.77
  • Внешний вид 4.45
  • Удобство в уходе и чистке 4.54
  • Экологическая безопасность 4.50
  • Гарантия на товар 4.55
  • Соответствие стандартам качества 4.75
  • Инновационные технологии 4.50
  • Хит продаж 4.79
  • Скорость морального устаревания 4.94
  • Энергоэффективность 4.45
  • Универсальность использования 4.99
  • Наличие дополнительных функций 4.50
  • Соотношение цена-качество 4.55
  • Практичность и удобство хранения 4.97
  • Стабильность работы в различных условиях 4.07
  • Возможность персонализации 4.09
  • Ликвидность 4.47
  • Индекс рекомендаций 4.55
2479 покупателей и эксперты портала 1ya.ru рекомендуют к покупке товар «Proportionate-type Normalized Least Mean Square Algorithms» или его аналог из списка ниже.
The topic of this book is proportionate-type normalized least mean squares (PtNLMS) adaptive filtering algorithms, which attempt to estimate an unknown impulse response by adaptively giving gains proportionate to an estimate of the impulse response and the current measured error. These algorithms offer low computational complexity and fast convergence times for sparse impulse responses in network and acoustic echo cancellation applications. New PtNLMS algorithms are developed by choosing gains that optimize user-defined criteria, such as mean square error, at all times. PtNLMS algorithms are extended from real-valued signals to complex-valued signals. The computational complexity of the presented algorithms is examined. Contents 1. Introduction to PtNLMS Algorithms 2. LMS Analysis Techniques 3. PtNLMS Analysis Techniques 4. Algorithms Designed Based on Minimization of User Defined Criteria 5. Probability Density of WD for PtLMS Algorithms 6. Adaptive Step-size PtNLMS Algorithms 7. Complex PtNLMS Algorithms 8. Computational Complexity for PtNLMS Algorithms About the Authors Kevin Wagner has been a physicist with the Radar Division of the Naval Research Laboratory, Washington, DC, USA since 2001. His research interests are in the area of adaptive signal processing and non-convex optimization. Milos Doroslovacki has been with the Department of Electrical and Computer Engineering at George Washington University, USA since 1995, where he is now an Associate Professor. His main research interests are in the fields of adaptive signal processing, communication signals and systems, discrete-time signal and system theory, and wavelets and their applications.
Информация о характеристиках, комплекте поставки, стране изготовления, внешнем виде и цвете товара носит справочный характер и взятая из открытых источников или размещена продавцом. Цена указана на дату: 09.05.2025 г. На текущий момент стоимость может отличаться. Предложение не является публичной офертой.
Proportionate-type Normalized Least Mean Square Algorithms продается в интернет-магазине ЛитРес
Эксперт: Ринат К., ассистент по интернет-покупкам
Дата рецензии: 30 июня 2025 года
Рекомендация к покупке положительная

Доставка покупки

    • В электронном виде;
    • Читать онлайн;
    • Скачать на компьютер или мобильные устройства.

Оплата заказа

    • Банковской картой;
    • электронными деньгами Яндекс-Деньги; WebMoney, Qiwi Кошелек, PayPal;
    • Наличными через терминалы;
    • Банковским переводом.
  • Наименование: ООО «ЛитРес»
  • ИНН: 7719571260

Рекомендуем аналогичные товары

Дополнительно из категории