[논문 리뷰] Random Euler Complex-Valued Nonlinear Filters

Jiashu Zhang, Sheng Zhang외 1명|arXiv (Cornell University)|2018. 01. 02.

Advanced Adaptive Filtering Techniques참고 문헌 31인용 수 3

한 줄 요약

이 논문은 낮은 복잡도를 갖는 두 가지 랜덤 오일러 복소수 비선형 필터—선형 랜덤 오일러 복소수 필터(LRECF)와 광역선형 랜덤 오일러 복소수 필터(WLRECF)—를 제안한다. 이들은 랜덤 푸리에 특징과 복소수 재생 커널 힐버트 공간을 활용하여 효율적인 비선형 필터링을 달성한다. 주요 기여는 비정상 환경에서 일시적 및 정착 상태 성능에 대한 이론적 분석으로, 최소 평균 제곱 오차 및 최적의 스텝 사이즈에 대한 폐쇄형 표현식을 포함하며, 시스템 식별 및 채널 균형화에서의 시뮬레이션을 통해 검증된다.

ABSTRACT

Over the last decade, both the neural network and kernel adaptive filter have successfully been used for nonlinear signal processing. However, they suffer from high computational cost caused by their complex/growing network structures. In this paper, we propose two random Euler filters for complex-valued nonlinear filtering problem, i.e., linear random Euler complex-valued filter (LRECF) and its widely-linear version (WLRECF), which possess a simple and fixed network structure. The transient and steady-state performances are studied in a non-stationary environment. The analytical minimum mean square error (MSE) and optimum step-size are derived. Finally, numerical simulations on complex-valued nonlinear system identification and nonlinear channel equalization are presented to show the effectiveness of the proposed methods.

연구 동기 및 목표

• 비선형 신호 처리에서 전통적인 커널 적응 필터와 복소수 신경망의 높은 계산 비용을 해결한다.
• 커널 필터에서 증가하는 네트워크 구조 문제를 해결하기 위해 고정된 낮은 복잡도 아키텍처를 도입한다.
• 랜덤 워크 과정으로 모델링된 비정상 조건 하에서 일시적 및 정착 상태 성능 분석을 위한 이론적 프레임워크를 개발한다.
• 랜덤 푸리에 특징과 복소수 커널 방법을 활용하여 복소수 비선형 시스템의 효율적 처리를 가능하게 한다.
• 비선형 시스템 식별 및 비선형 채널 균형화와 같은 실제 응용 분야에서의 효과성을 입증한다.

제안 방법

• 실수 재생 커널 힐버트 공간(RKHS)의 복소화와 보흐너 정리를 활용하여 선형 랜덤 오일러 복소수 필터(LRECF)를 유도한다.
• 광역선형 모델과 위르팅거 미분을 통합하여 LRECF를 광역선형 랜덤 오일러 복소수 필터(WLRECF)로 확장함으로써 비원형 신호 처리에서 성능 향상을 달성한다.
• 랜덤 푸리에 특징을 사용하여 입력 신호를 유한 차원의 랜덤 특징 공간으로 매핑하여 복소수 커널 매핑을 효율적으로 근사한다.
• 고정된 네트워크 아키텍처를 갖춘 복소수 최소 평균 제곱(CLMS) 알고리즘을 적용하여 낮은 계산 복잡도를 확보한다.
• 이론적 성능 분석을 위해 비정상 환경을 랜덤 워크 모델로 표현한다.
• 스토크래틱 분석 기법을 사용하여 평균 제곱 편차(MSD)와 평균 제곱 오차(MSE)에 대한 폐쇄형 표현식을 유도한다.

실험 결과

연구 질문

• RQ1 고정된 아키텍처 필터가 성장하는 커널 필터와 유사한 성능을 달성하면서도 계산 비용을 크게 줄일 수 있는가?
• RQ2 비정상 환경에서 제안된 필터의 정착 상태 평균 제곱 오차(MSE)를 최소화하기 위한 최적의 스텝 사이즈는 무엇인가?
• RQ3 다양한 노이즈 수준과 시스템 동역학 조건 하에서 LRECF와 WLRECF의 일시적 및 정착 상태 거동는 어떻게 비교되는가?
• RQ4 광역선형 모델이 복소수 비선형 필터링에서 선형 모델보다 성능 향상에 얼마나 기여하는가?
• RQ5 비정상 설정에서 MSE 및 MSD의 이론적 예측이 제안된 필터의 실제 성능을 정확히 반영할 수 있는가?

주요 결과

• 제안된 LRECF와 WLRECF는 성장하는 커널 필터와는 달리 고정된 네트워크 아키텍처 덕분에 낮은 계산 복잡도를 달성한다.
• 이론적 분석을 통해 비정상 환경에서 정착 상태 평균 제곱 오차(MSE)를 최소화하는 최적의 스텝 사이즈가 존재한다는 것이 입증된다.
• 이론적 MSE 및 MSD 곡선이 시뮬레이션 결과와 밀도 있게 일치하여 유도된 분석 표현식의 정확성을 검증한다.
• 비선형 시스템 식별에서 WLRECF는 CLMS 및 CKLMS보다 수렴 속도와 정착 상태 오차 면에서 뛰어난 성능을 보인다.
• 비선형 채널 균형화에서 WLRECF는 개선된 눈 도표를 통해 뛰어난 기호 분류 성능을 달성한다.
• μ(스텝 사이즈), D(랜덤 특징 수), σ²(랜덤 가중치의 분산)의 선택은 수렴 속도와 정착 상태 오차에 상당한 영향을 미치며, 정교한 튜닝이 필요하다.