Filtrage adaptatif avec contrainte de non-négativité. Principes de l'algorithme NN-LMS et modèle de convergence - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2011

Filtrage adaptatif avec contrainte de non-négativité. Principes de l'algorithme NN-LMS et modèle de convergence

Résumé

Cet article présente une méthode d'identification de systèmes linéaires sous contraintes de non-négativité sur les coefficients estimés. En effet, en raison de caractéristiques physiques inhérentes à certains systèmes étudiés, la non-négativité est une information a priori parfois naturelle qu'il convient d'exploiter afin de se prémunir contre d'éventuels résultats non interprétables. A la différence des techniques classiques de gradient projeté, l'algorithme `non-negative LMS' proposé opère à la façon d'une méthode de points intérieurs. Par ses performances et son coût calculatoire réduit, l'algorithme présente des caractéristiques comparables à l'algorithme LMS tout en garantissant la non-négativité des coefficients. Le modèle de convergence étudié reproduit très fidèlement les résultats de simulation.
Fichier principal
Vignette du fichier
11.gretsi.filtrage.pdf (498.55 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01966027 , version 1 (27-12-2018)

Identifiants

  • HAL Id : hal-01966027 , version 1

Citer

Cédric Richard, Jie Chen, José C. M. Bermudez, Paul Honeine. Filtrage adaptatif avec contrainte de non-négativité. Principes de l'algorithme NN-LMS et modèle de convergence. Actes du 23-ème Colloque GRETSI sur le Traitement du Signal et des Images, 2011, Bordeaux, France. ⟨hal-01966027⟩
56 Consultations
69 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More