Sparse Reconfigurable 적응 필터를 위한 변형된 적응 알고리즘

Abstract

스파스 재설정 적응 필터(SRAF, Sparse Reconfigurable Adaptive Filter)는 입력지연장치, 재설정 연결기와 적응 가중치들을 포함하는 광스위치, 그리고 출력지연장치로 구성되어 있다. 이 시스템 구조는 다수의 적응 가중치들과 다양한 시간 지연기들로 구성된 스파스 탭이 부착된 지연선(TDL, Tapped-Delay-Line)을 구동하기 위하여 사용될 수 있다. 적응 알고리즘들은 광스위치를 위한 SRAF 사용 시에 핵심적인 역할을 한다. 본 논문에서는 SRAF에 대한 성능을 수학적으로 분석할 수 있는 변형된 시스템-기반 (MSB, Modified System-Based) 알고리즘을 제안한다. MSB 적응 알고리즘은 백색 입력 신호들과 비백색 입력신호들 모두에 대하여 좋은 성능을 가질 뿐만 아니라, 빠른 수렴 속도에 의해 낮은 복잡도를 가지므로 상호-상관-기반(CCB, Cross-correlation-based)이나 시스템-기반(SB, System-Ba- sed)과 같은 일반적인 알고리즘보다 효율적이라고 할 수 있다. 알고리즘의 수렴 속도를 개선시키기 위해 MSB는 행렬구조를 가지는 가중치들의 각 행 또는 열을 독립적으로 적응시킨다. 또한, 본 논문에서는 MSB를 위해 요구되는 중간 학습 신호들의 구조제시한다. 최대 행렬 요소들을 순차적으로 선택하는 방법을 기반으로 하는 일반적인 연결 알고리즘은 SRAF가 요구하는 연결 제한 조건을 수행할 시 동일한 절대 가중치 값들의 합이 존재하면 완벽한 성능을 기대할 수 없다. CCB와 SB의 경우를 위해 이러한 문제점 해결을 위한 시스템 식별 정확도를 계량할 하고, 일반적인 알고리즘보다 개선된 솔루션을 얻는 것을 목적으로 진보된 계산을 사용하는 개선된 연결 제한 알고리즘을 제안한다. 또한, MSB 적응 알고리즘의 시스템 식별 성능 항상을 위한 개선된 연결 제한 알고리즘을 제시한다. 지연 연결기 들의 선택을 목적으로 하는 가중치 벡터를 계산하기 위한 일반적인 알고리즘들은 LMS(Least-Mean-Square) 알고리즘에 국한되어 있지만, 본 논문에서는 시스템 식별을 위한 수렴 속도를 향상시키기 위해 SB 알고리즘에 RLS(Recursive Least-Squares) 적응 알고리즘을 사용하고 그에 따른 결과를 제시한다.