정규화 된 최소 제곱 (NLMS) 필터의 계산 성능을 향상시키는 방법이 있습니까? 이를 위해 MDF (Multidelay Block Frequency-Domain) 필터가 제안되었지만 수렴 속도와 정확도도 떨어집니다. 각 샘플마다 한 번이 아니라 블록마다 한 번만 추정 된 임펄스 응답을 업데이트하기 때문입니다. 다른 방법이 있습니까?
정규화 된 최소 제곱 (NLMS) 필터의 계산 성능을 향상시키는 방법이 있습니까? 이를 위해 MDF (Multidelay Block Frequency-Domain) 필터가 제안되었지만 수렴 속도와 정확도도 떨어집니다. 각 샘플마다 한 번이 아니라 블록마다 한 번만 추정 된 임펄스 응답을 업데이트하기 때문입니다. 다른 방법이 있습니까?
답변:
모서리를 자르지 않고 "표준"NLMS 알고리즘을 구현하려면 훨씬 더 효율적인 구조를 찾지 못할 것입니다. LMS 필터링의 블록 형태는 빠른 컨볼 루션 기법 (예 : 겹침 저장 또는 겹침 추가)을 사용하여 프로세스의 해당 부분을 가속화하는 것을 목표로합니다. 그러나 앞서 언급했듯이 필터 계수는 빠른 컨볼 루션 접근 방식을 사용하기 위해 블록에 대해 일정해야하므로 블록 당 업데이트됩니다.
NLMS의 높은 재귀 특성은 샘플 별 업데이트 특성을 유지하려는 경우 제한합니다. 필터링 동작은 비재 귀적이지만, 시점 N에서의 필터 계수는 시점 N-1에서의 계수의 함수이며, 이는 병렬 처리 또는 블록 지향 계산을 사용하여 프로세스 속도를 향상시키는 능력을 제한합니다. 대부분의 경우와 마찬가지로 무료 점심 식사는 없습니다. 순수한 NLMS를 원한다면 구현하는 것이 가장 좋습니다.