Resumen

Este artículo propone un nuevo enfoque para identificar sistemas dispersos variables en el tiempo. El enfoque propuesto utiliza el algoritmo ZA-LMS (Zero-Attracting Least Mean Square) con un controlador atractor cero óptimo adaptativo que puede adaptarse dinámicamente al nivel de escasez y proporcionar un rendimiento apreciable en todos los entornos que van desde condiciones escasas a no escasas. El controlador atractor cero óptimo se deriva a partir del criterio que confirma la mayor disminución del error de desviación cuadrática media (MSD). También se propone una regla de actualización simple para cambiar el controlador atractor cero en función del nivel de sparsity. Se observa que, para un sistema no disperso, el enfoque propuesto converge a LMS (ya que ZA-LMS no puede superar a LMS cuando el sistema no es disperso) y, para un sistema altamente disperso, como el enfoque propuesto se basa en un controlador atractor cero óptimo, converge de forma similar a ZA-LMS o incluso mejor que ZA-LMS (dependiendo del valor del controlador atractor cero elegido para el algoritmo ZA-LMS). El rendimiento del algoritmo propuesto es mejor que ZA-LMS y LMS cuando el sistema es semiparalelo. Se realizaron simulaciones para demostrar que el algoritmo propuesto es robusto frente a un nivel de sparsity variable.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Sistemas dispersos variables en el tiempo; algoritmo ZA-LMS (Zero-Attracting Least Mean Square); controlador atractor cero óptimo adaptativo; nivel de dispersidad; error de desviación cuadrática media (MSD); nivel de dispersidad variable.
• Keywords:Time varying sparse systems; Zero-Attracting Least Mean Square (ZA-LMS) algorithm; adaptive optimal zero attractor controller; sparseness level; mean square deviation (MSD) error; variable sparsity level.