Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
One major area in the theory of statistical signal processing is reduced-rank - timation where optimal linear estimators are approximated in low-dimensional subspaces, e.g., in order to reduce the noise in overmodeled problems, - hance the performance in case of estimated statistics, and/or save compu- tional complexity in the design of the estimator which requires the solution of linear equation systems. This book provides a comprehensive overview over reduced-rank ?lters where the main emphasis is put on matrix-valued ?lters whose design requires the solution of linear systems with multiple right-hand sides. In particular, the multistage matrix Wiener ?lter, i.e., a reduced-rank Wiener ?lter based on the multistage decomposition, is derived in its most general form. In numerical mathematics, iterative block Krylov methods are very po- lar techniques for solving systems of linear equations with multiple right-hand sides, especially if the systems are large and sparse. Besides presenting a - tailed overview of the most important block Krylov methods in Chapter 3, which may also serve as an introduction to the topic, their connection to the multistage matrix Wiener ?lter is revealed in this book. Especially, the reader will learn the restrictions of the multistage matrix Wiener ?lter which are necessary in order to end up in a block Krylov method. This relationship is of great theoretical importance because it connects two di?erent ?elds of mathematics, viz., statistical signal processing and numerical linear algebra.