Distributed quantization-aware RLS learning with bias compensation and coarsely quantized signals. (2022)
- Authors:
- Autor USP: NASCIMENTO, VITOR HELOIZ - EP
- Unidade: EP
- DOI: 10.1109/TSP.2022.3185898
- Subjects: PROCESSAMENTO DE SINAIS; INTERNET DAS COISAS; CONTROLE ADAPTATIVO
- Language: Inglês
- Source:
- Título: IEEE Transactions on Signal Processing
- Volume/Número/Paginação/Ano: v. 70, p.3441-3455, 2022
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
DANAEE, Alireza e LAMARE, Rodrigo C e NASCIMENTO, Vítor Heloiz. Distributed quantization-aware RLS learning with bias compensation and coarsely quantized signals. IEEE Transactions on Signal Processing, v. 70, p. 3441-3455, 2022Tradução . . Disponível em: https://doi.org/10.1109/TSP.2022.3185898. Acesso em: 15 abr. 2026. -
APA
Danaee, A., Lamare, R. C., & Nascimento, V. H. (2022). Distributed quantization-aware RLS learning with bias compensation and coarsely quantized signals. IEEE Transactions on Signal Processing, 70, 3441-3455. doi:10.1109/TSP.2022.3185898 -
NLM
Danaee A, Lamare RC, Nascimento VH. Distributed quantization-aware RLS learning with bias compensation and coarsely quantized signals. [Internet]. IEEE Transactions on Signal Processing. 2022 ; 70 3441-3455.[citado 2026 abr. 15 ] Available from: https://doi.org/10.1109/TSP.2022.3185898 -
Vancouver
Danaee A, Lamare RC, Nascimento VH. Distributed quantization-aware RLS learning with bias compensation and coarsely quantized signals. [Internet]. IEEE Transactions on Signal Processing. 2022 ; 70 3441-3455.[citado 2026 abr. 15 ] Available from: https://doi.org/10.1109/TSP.2022.3185898 - Revisiting the Kronecker Array Transform
- Modeling finite precision LMS behavior using Markov chains
- Estimation and control with bounded data uncertainties
- Are ensemble average learning curves reliable in evaluating the performance of adaptive filters?
- DCD-RLS Adaptive Filters With Penalties for Sparse Identification
- Efficient filtering structure for spline interpolation and decimation
- On the learning mechanism of adaptive filters
- Energy conservation in adaptive filtering
- Redução da distorção harmônica de amplificadores através de filtragem adaptativa
- Combinação convexa de filtros adaptativos set-membership
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Distributed Quantization-... |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
