以GA演化步阶参数之DRLMS演算法精简运算研究ADRLMS.PDFVIP

以GA演化步階參數之DRLMS演算法精簡運算研究 1 以GA演化步階參數之DRLMS演算法 精簡運算研究 陳恆州 建國技術學院 電子工程系 摘要 出高的運算量和估測偏差的代價。本文中對於Data-reusing LMS演算法的精簡 運算分為三階段：第一階段是以傳統的基因演算法最佳化濾波器的調整步階；第 二階段是重複調整次數的最佳化決定，將引用一種以累加演算法為基礎之變化偵 測的技巧；最後，第三階段中再以「動態資源分配」技巧只對較重要的濾波器係 數進行個別調整，達到節省處理器的運算資源之目的。 關鍵字：重複調整最少均方演算法，基因演算法，動態資源分配 A DRLMS Algorithm with Reduced Computational Complexities Heng-Chou Chen Department of Electronic Engineering, Chien Kuo Institute of Technology Abstract The data-reusing LMS algorithm has rapider convergence speed than the conventional LMS one, but combined with the disadvantages of high computational complexity and estimation bias. In this paper, there are three stages to reduce the computational complexity of the data-reusing LMS algorithm. First, the step size of filter is chosen by the traditional genetic algorithm. Then the reusing times of the algorithm is obtained by a cumulative summation scheme. Finally, a dynamic resource allocation scheme partially updates the coefficients of adaptive filter to extra reduce the computational load of the data-reusing LMS algorithm. Keywords: DRLMS, GA, cumulative sum, dynamic resource allocation 2 建國學報 第二十三期 一、前言 在許多需要進行系統辨識的場合，如迴音消除、噪音控制、通信通道的等化 等等，常以調適型數位濾波器來完成此項任務，而對濾波器的要求著重於即時性 的反應，此牽涉到濾波器係數的調整演算法。上述的調整演算法以最少平均平方 （least mean square, LMS）和遞迴式最少平方（recu演 算法最具代表性[1-5]；前者LMS演算法的運算量少，為N 的等級，但收斂速度 受到輸入信號的統計特性所影響，需花較多時間達到要求的收斂性能；後者RLS 演算法雖具有快的收斂速度，但卻需要巨大的運算量，為N 2 的等級。值得一提 是當運用於聲學迴音消除時，以8K取樣率為例，調適濾波器需要具有約一、二 千個的長度（係數）才能保證估測到全部的空間（脈衝）響應，可見以RLS演 算法進行空間響應之估測將佔去處理器大部分的運算資源，就算具有即時反應之 性能，系統也將沒有能力再執行額外的工作，這種情形是無法滿足實際的運用需 求的。如上所述，雖然LMS演算法先天上有收斂慢的缺點，但由於其所需運算 量少的優點，故至今仍深受歡迎，許多的研究陸續發表出來，莫不在運算量少的 本質上嘗試改善其收斂性能，如提昇收斂