Name
Abstract | ||
|---|---|---|
Dans cet article, nous proposons un nouveau filtre adaptatif bidimensionnel basé sur l'hypothèse que le signal d'erreur a une distribution de probabilité t avec α degrés de liberté pour réduire les effets des grandes erreurs d'amplitude. Nous appliquons une grande fonction de pondération pour les signaux d'erreur qui ont une petite amplitude et une petite fonction de pondération pour les erreurs qui ont une large amplitude. En faisant ceci, l'effet du signal d'erreur de large amplitude sur le paramètre adaptatif obtenu peut être supprimé. Le paramètre du système adaptatif est résolu en utilisant un algorithme adaptatif du type RLS. L'algorithme adaptatif proposé a été appliqué pour rehausser des images bruitées par du bruit additif. La capacité de distributions t à petit α à réduire différents bruits additifs est supérieure à celle obtenue en utilisant de larges α . La réduction de bruit obtenue en utilisant de petits α est même plus grande que celle obtenue en appliquant le filtre L LMS récemment proposé. De plus, l'algorithme adaptatif proposé a été appliqué à de la prédiction linéaire d'images. En appliquant de petites valeurs de α , nous pouvons obtenir une entropie plus basse qu'en utilisant de larges α . |
Year | DOI | Venue |
|---|---|---|
2000 | 10.1016/S0165-1684(00)00131-6 | Signal Processing |
Keywords | Field | DocType |
impulsive noise,rls-like method,t-distribution,t-distribution assumption,image restoration,adaptive 2d system,rls-type two-dimensional adaptive filter,gaussian noise,impulse noise,probability distribution,adaptive filter,noise reduction,weight function,t distribution,degree of freedom,adaptive system | Noise reduction,Weighting,Control theory,Linear prediction,Probability distribution,Kernel adaptive filter,Adaptive filter,Adaptive algorithm,Gaussian noise,Mathematics | Journal |
Volume | Issue | ISSN |
80 | 12 | Signal Processing |
Citations | PageRank | References |
3 | 0.50 | 1 |
Authors | ||
2 | ||
Name | Order | Citations | PageRank |
|---|---|---|---|
| Junibakti Sanubari | 1 | 4 | 2.23 |
| Keiichi Tokuda | 2 | 3016 | 250.00 |