초록
본 논문에서는 고차통계에 의한 적응알고리즘 가운데 오차의 평균절대값삼승 (LMAT)을 최소화하는 알고리즘과 이미 널리 사용되고 있는 경쟁 알고리즘의 성능을 서로 비교 평가하였다. 사용된 입력선호가 Gaussian 분포를 갖는다는 가정하에, LMAT 알고리즘의 정상상태 추청오차에 대한 평균자승특성 근사식을 유도하였다. 유도된 근사식은 컴퓨터 모의실험을 통하여 그 타당성을 검증하였다. LMAT 알고리즘 및 경쟁 알고리즘들이 정상상태에서 같은 값의 평균자승추정오차를 갖는 경우에 대하여 각 알고리즘의 수렴속도를 비교하였고, LMAT 알고리즘의 우수한 수렴 성능을 알 수 있었다 특히, 입력신호의 eigenvalue spread ratio 및 measurement noise power 등 환경이 변화함에도 불구하고 LMAT 알고리즘이 여전히 나은 특성을 보임을 알 수 있었다.
This paper presents a comparative performance analysis of the stochastic gradient adaptive algorithm based on the least mean absolute third (LMAT) error criterion with other widely-used competing adaptive algorithms. Under the assumption that the signals involved are zero-mean, wide-sense stationary and Gaussian, approximate expressions that characterize the steady-state mean-squared estimation error of the algorithm is dervied. The validity of our derivation is then confirement by computer simulations. The convergence speed is compared under the condition that the LMAT and other competing algorithms converge to the same value for the mean-squared estimation error in the stead-state, and superior convergence property of the LMAT algorithm is observed. In particular, it is shown that the LMAT algorithm converges faster than other algorithms even through the eignevalue spread ratio of the input signal and measurement noise power change.