• The Journal of the Acoustical Society of Korea
• /
• v.38 no.3
• /
• pp.283-289
• /
• 2019

RLS (Recursive-least-squares) algorithm is known to have good convergence and excellent error level after convergence. However, there is a disadvantage that numerical instability is included in the algorithm due to inverse matrix calculation. In this paper, we propose an algorithm with no matrix inversion to avoid the instability aforementioned. The proposed algorithm still keeps the same convergence performance. In the proposed algorithm, we adopt an averaged gradient-based step size as a self-adjusted step size. In addition, a variable forgetting factor is introduced to provide superior performance for time-varying channel estimation. Through simulations, we compare performance with conventional RLS and show its equivalency. It also shows the merit of the variable forgetting factor in time-varying channels.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06e
• /
• pp.165-168
• /
• 1998

본 논문에서는 충격성 잡음에 강인하기 위한 시변 주파수 추정 기법을 제안하였다 충격성 잡음에 강인하기 위해서는 충격성 잡음에 의한 추정 변수의 동요를 제한하고 추정된 오차가 향후 추정시 영향을 미치는 오차의 전파현상을 제한하여야 한다. 충격성 잡음에 의한 추정오차의 전파를 제한하기 위해서는 망각인자의 도입이 필요함을 증명하였고 보다 효과적으로 사용하기 위해서 가변 망각인자를 도입하였다. 가변 망각인자의 도입으로 충격성 잡음에 의한 오차의 전파를 선택적으로 제한할 수 있으며 충격성 잡음에 의한 추정계수의 변동은 영향함수 측면에서 Huber함수를 이용하여 제한하였다. 제안된 알고리듬은 Huber함수와 가변망각인자의 도입으로 충격성 잡음에 의해 생기는 오차의 크기와 오차의 영향이 전파되는 것을 적응적으로 제한하기 때문에 모의실험을 통해 기존의 칼만 알고리듬보다 나은 성능을 보임을 알 수 있었다.

• The Journal of the Acoustical Society of Korea
• /
• v.12 no.1E
• /
• pp.56-64
• /
• 1993

본 논문은 공간적으로 변하는 스펙트럼을 추정하는 새로운 적응 방법을 제안한다. 제안한 방법에서는 오래된 upstream의 데이터를 망각함으로서 신호의 nonstationarity를 고려해주는 시변망각인자의 개념을 recursive least square(RLS) 알고리즘에 도입하였으며, 관심이 있는 공간영역에서 탐사침을 천천히 움직여 얻은 하나의 데이터 군으로부터 downstream 스펙트럼을 추정하였다. 제시한 방법의 실현 가능성은 실제 실험(wind tunnel 이용)을 통해서 얻은 공간적으로 변하는 nonstatonary 신호의 스펙트럼을 추정하는 과정에서 입증되며 또한 기존의 방법들과 비교함으로서 그 우수성을 보인다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.40 no.9
• /
• pp.1793-1801
• /
• 2015

In a recent work, kernel recursive least-squares tracker (KRLS-T) algorithm has been proposed. It is capable of tracking in non-stationary environments using a forgetting mechanism built on a Bayesian framework. The forgetting mechanism in KRLS-T is implemented by a fixed forgetting factor. In practice, however, we frequently meet that the fixed forgetting factor cannot handle time-varying system effectively. In this paper we propose a new KRLS-T with a variable forgetting factor. Experimental results show that proposed algorithm can handle time-varying system more effectively than the KRLS-T.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.357-360
• /
• 2002

혈관에 흐르는 혈류 속도의 측정은 혈압 및 심박수와 관련된 혈류의 역학적 변화를 관찰하는 데 있어서 주로 사용되는 방법 중의 하나이다. 이 혈류 속도는 일반적으로 도플러 효과에 의하여 주파수가 변화하는 현상을 이용하여 추정하게 된다. 그런데 기존의 주파수 추정 방법들은 시불변 시스템을 가정하고 있지만 실제 혈관 속은 혈구가 일정하지 않은 속도를 갖는 시변 시스템이라 할 수 있기 때문에 이러한 시변 특성이 강한 경우 기존의 방법을 이용하게 되면 그 성능이 저하되는 경향을 보인다. 또 피시험자의 몸 상태에 따라서 서로 다른 주파수 변화 추이를 보이므로 하나의 고정 변수로써 최적화된 성능을 기대하기도 어렵다. 그러므로 본 논문에서는 시변 시스템에서 좋은 성능을 갖는 가변 망각 인자(variable forgetting factor, VFF)를 사용한 순환적인 완전 최소 자승법(recursive total least squares, RTLS) 기법을 이용한 주파수 추정 방법을 제안한다. RTLS란 TLS 기법을 순차적으로 계산하는 방법으로 시변 적응력을 향상시키는 방법이다. 또한 이 기법에 가변 망각 인자(VFF)를 적용시키는 것은 시변 시스템에서 외부적인 변화에 대하여 좀더 효율적으로 대응할 수 있기 위함이다. 기존의 방법과 성능 비교를 위하여 컴퓨터 시뮬레이션을 하였으며 그 결과 시변 시스템에서 본 논문에서 제안한 VFF를 이 용한 RTLS 기법이 보다 향상된 성능을 가지고 있음을 확인 할 수 있었다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.41 no.9
• /
• pp.1141-1145
• /
• 2016

In general, a variable forgetting factor is applied to the RLS algorithm for the time-varying parameter estimation in the non-stationary environments. The introduction of a variable forgetting factor to RLS needs heavy additional calculation complexity. We propose a new Gauss Newton variable forgetting factor RLS algorithm which needs small amount of calculation as well as estimates the better parameters in time-varying nonstationary environment. The algorithm performs as good as the conventional Gauss Newton variable forgetting factor RLS and the required additional calculation complexity reduces from $O(N^2)$ to O(N).

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.173-176
• /
• 2000

시변 신호 추적 특성을 향상시키기 위하여, Gauss-Newton Variable Forgetting Factor RLS (GN-VFF-RLS) Algorithm을 제안한다. 최적화된 망각인자를 가정한 기존의 RLS 알고리듬과 비교하여, 제안된 방법은 특히 신호의 변화가 급격히 일어날 경우 주목할만한 추정 성능의 향상을 보여준다. 제안된 알고리듬의 시변 추정 특성을 신호 대 잡음비와 시변 정도에 대하여 모의 실험하고 기존의 추정 알고리듬들과 비교한다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.5
• /
• pp.177-187
• /
• 2014

This paper proposes a fast subspace tracking methods, which is called GVFF FAPI, based on FAPI (Fast Approximated Power Iteration) method and GVFF RLS (Gradient-based Variable Forgetting Factor Recursive Lease Squares). Since the conventional FAPI uses a constant forgetting factor for estimating covariance matrix of source signals, it has difficulty in applying to non-stationary environments such as continuously changing DOAs of source signals. To overcome the drawback of conventioanl FAPI method, the GVFF FAPI uses the gradient-based variable forgetting factor derived from an improved means square error (MSE) analysis of RLS. In order to achieve the decreased subspace error in non-stationary environments, the GVFF-FAPI algorithm used an improved forgetting factor updating equation that can produce a fast decreasing forgetting factor when the gradient is positive and a slowly increasing forgetting factor when the gradient is negative. Our numerical simulations show that GVFF-FAPI algorithm offers lower subspace error and RMSE (Root Mean Square Error) of tracked DOAs of source signals than conventional FAPI based MUSIC (MUltiple SIgnal Classification).

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.189-192
• /
• 2000

본 논문은 Nonstationary 환경에서 동작하는 소나의 DOA추정의 정확도를 높이기 위하여 가변 망각인자를 도입한 새로운 Extended PASTd (Extended Projection Approximation of Subspace Tracking with deflation) 을 제안하고 기존 알고리즘과 비교함으로써 새로운 알고리즘의 향상된 성능을 보인다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.325-328
• /
• 2004

본 논문에서는 PAST(Projection Approximation Subspace Tracking)에 기반 한 새로운 부공간(subspace) 추적 알고리즘을 제안하고자 한다. 빠른 시분할 대상의 목표물의 방위각을 추정하는 것이 필요하다. 그러나 PAST 기법은 고속의 시분할 환경에서는 잘 동작하지 않는다 따라서 가변망각 인자를 도입하여 빠르게 변화하는 부공간의 비정재 (Nonstationary) 상태에 잘 적응시켜 PAST 성능 향상을 보고자 한다.