Kalman-LMS 알고리즘과 Volterra Filter를 이용한 비선형 시스템 식별

Abstract

선형 시스템 식별을 위해 적은 연산량을 갖는 least mean squares (LMS) 알고리즘 등의 적응 알고리즘이 적용되어 왔다. 그러나, 스텝 사이즈가 한정되어 있는 LMS의 경우 수렴속도가 늦다는 단점이 있었다. 이를 위해 normailized least mean squares (NLMS) 알고리즘이 제안되었다. 그러나 입력값에 의존하는 NLMS 알고리즘 또한 입력이 저전력이고 low-order filter일 경우, 수렴 성능이 저하되는 단점을 보인다. 최근에 이를 보완하며 계수의 추정 능력이 향상된 Kalman-LMS (KLMS) 알고리즘이 새롭게 선형 시스템 식별 기법이 제안되었다. 본 논문에서는 기존의 선형 시스템 식별 기법을 비선형 볼테라 시스템에 확장 적용하여, 최적화된 시스템 커널 추정능력과 빠른 수렴속도를 보이는 알고리즘을 제안한다. 제안한 알고리즘은 선형시스템에 선형 KLMS 알고리즘을 적용한 것과 같이 기존의 NLMS 알고리즘보다 더 좋은 성능을 보였다. 끝으로, 제안한 식별 기법의 적용 가능성을 보이기 위하여 2차 볼테라 시스템 식별에 대한 모의실험 결과를 보인다.; In case of NLMS algorithms with low filter order, occasional low values of the reference signal power may result in slow convergence. Recently, to solve this problem, a modified version of the NLMS algorithm was derived based on the Kalman filter (KLMS) for the linear system identification. However, the performance can be degraded if the systems have nonlinearities. In this thesis, a KLMS algorithm utilized for linear system identification is further extended to nonlinear system identification, whereby the KLMS algorithm and a second-order Volterra filter are utilized.