Article

Optimum block adaptive filtering algorithms using the preconditioning technique

Dept. of Comput. Sci., Korea Adv. Inst. of Sci. & Technol., Seoul
IEEE Transactions on Signal Processing (Impact Factor: 3.2). 04/1997; DOI: 10.1109/78.558502
Source: IEEE Xplore

ABSTRACT We propose three block adaptive algorithms using the
preconditioning technique. The Toeplitz-preconditioned optimum block
adaptive (TOBA) algorithm employs a preconditioner assumed to be
Toeplitz, the symmetric successive overrelaxation (SSOR)-preconditioned
optimum block adaptive (SOBA) algorithm uses a product of triangular
matrices as a preconditioner, and the circulant-preconditioned OBA
(COBA) algorithm is based on a circulant preconditioner. It is also
shown that their tracking properties and convergence rates are superior
to those of the OBA algorithm, the self-orthogonizing block adaptive
filter (SOBAF), and the normalized frequency-domain OBA (NFOBA)
algorithm

0 Followers
 · 
59 Views
  • [Show abstract] [Hide abstract]
    ABSTRACT: As a version of the optimum block adaptive (OBA) algorithm, a nested optimum block adaptive (NOBA) algorithm is proposed for finite impulse response (FIR) block adaptive filters. In this paper, we introduce a new updating procedure called the nested iteration technique that updates the filter tap weights several times rather than only once for each data block, as in the OBA algorithm. Thus; the proposed algorithm achieves faster convergence speed although its computational load is higher than the OBA algorithm. The NOBA algorithm is formulated by minimizing an estimate of the block mean-square error (BMSE) as an objective function. Through computer simulations, it is shown that the proposed algorithm is superior to the normalized least mean-square (NLMS) algorithm in convergence rate regardless of stationarity, whereas the OBA algorithm is inferior to the NLMS algorithm. It is also shown that the tracking property of the NOBA algorithm is better than that of the OBA algorithm, and it is almost comparable to that of the NLMS algorithm.ZusammenfassungAls Variante des optimalen Blockadaptionsalgorithmus (OBA) wird der verschachtelte optimale Blockadaptionsalgorithmus (NOBA) für blockadaptive Filter mit endlicher Impulsantwortlänge (FIR) vorgeschlagen. In diesem Aufsatz führen wir eine neue Prozedur ein, die die verschachtelte Iterationstechnik genannt wird und die die Filtergewichte mehrere Male für jeden Datenblock nachstellt, also nicht nur einmal, wie das beim OBA Algorithmus der Fall ist. Somit erzielt der vorgeschlagene Algorithmus eine schnellere Konvergenzgeschwindigkeit, wobei sein Rechenaufwand allerdings höher als für den OBA Algorithmus ist. Der NOBA Algorithmus wird aus der Minimierung eines Schätzwerts des mittleren quadratischen Blockfehlers als Zielfunktion abgeleitet. Mittels Computersimulationen wird gezeigt, daβ der vorgeschlagene Algorithmus dem normierten LMS (NLMS) Algorithmus hinsichtlich der Konvergenz überlegen ist, und zwar unabhängig von der Stationarität, wohingegen der OBA Algorithmus dem NLMS Algorithmus unterlegen ist. Es wird auch gezeigt, daβ das Nachführverhalten des NOBA Algorithmus besser ist als das des OBA Algorithmus und daβ es fast vergleichbar dem des NLMS Algorithmus ist.RésuméUne version de l'algorithme adaptatif de bloc optimal (ABO), l'algorithme adaptatif de bloc optimal emboité (ABOE) est proposé pour les filtres adaptifs de bloc à réponse impulsionnelle finie. Dans cet article, nous introduisons une nouvelle procédure de mise à jour appelée technique d'itération emboitée, qui met à jour les pondérations du filtre plusieurs fois plutôt qu'une seule pour chaque bloc de données, comme on le fait dans l'algorithme ABO. Par conséquent, l'algorithme proposé a une vitesse de convergence plus élevée, même si sa charge de calcul est plus grande que celle de l'algorithme ABO. L'algorithme ABOE est formulé en minimisant une estimée de l'erreur quadratique moyenne de bloc (EQMB) comme une fonction objective. Par des simulations sur ordinateur, on montre que l'algorithme proposé est supérieur à l'algorithme des moindres carrés normalisé (MCN) sur le plan du taux de convergence indépendamment de la stationnarité, alors que l'algorithme ABO est inférieur au MCN. On montre également que la propriété de suivi de l'algorithme ABOE est supérieure à celle de l'algorithme ABO, et est presque comparable à celle de l'algorithme MCN.
    Signal Processing 08/1995; DOI:10.1016/0165-1684(95)00054-H · 2.24 Impact Factor
  • [Show abstract] [Hide abstract]
    ABSTRACT: We present a new block adaptive algorithm as a variant of the Toeplitz-preconditioned optimum block adaptive (TOBA) algorithm. The proposed algorithm is formulated by combining the TOBA algorithm with a data-reusing scheme that is realized by processing blocks of data in an overlapping manner, as in the optimum block adaptive shifting (OBAS) algorithm. Simulation results show that the proposed algorithm is superior to the OBAS and TOBA algorithms in both convergence rate and tracking property of input signal conditioning.
    Signal Processing 03/1996; 49(3):217-221. DOI:10.1016/0165-1684(96)00019-9 · 2.24 Impact Factor
  • [Show abstract] [Hide abstract]
    ABSTRACT: As a new block adaptive algorithm based on the preconditioned conjugate gradient method, the TBCG is formulated by employing a Toeplitz preconditioner assumed to be symmetric Toeplitz. By computer simulations, it is shown that the convergence rate of the proposed algorithm is superior to those of the BCG and NLMS, and comparable to the RLS. Moreover, like the RLS, the convergence property of the proposed algorithm is insensitive to the eigenvalue spread of input signals.
    Signal Processing 11/1998; 71(1):79-84. DOI:10.1016/S0165-1684(98)00135-2 · 2.24 Impact Factor
Show more