Чи існують способи підвищення обчислювальної продуктивності фільтра нормалізованих найменших квадратів (NLMS)? Для цього було запропоновано фільтри частоти доменних блоків мультимедіа (MDF) , але вони також віднімають швидкість та точність конвергенції, оскільки вони оновлюють оцінену імпульсну характеристику лише один раз на кожен блок, а не раз на кожну вибірку. Чи є інші методи?
Відповіді:
Якщо ви хочете реалізувати «стандартний» алгоритм NLMS, не вирізаючи жодних кутів, то ви, мабуть, не збираєтеся знайти структуру, яка значно ефективніша. Блокові форми фільтрації LMS спрямовані на використання швидких методів згортання (наприклад, перекриття-збереження або перекриття-додавання), щоб пришвидшити цю частину процесу. Однак, як ви зазначали, коефіцієнти фільтра оновлюються лише на блок, оскільки фільтр повинен бути постійним над блоком, щоб використовувати підхід швидкої згортки.
Вкрай рекурсивний характер NLMS обмежує вас, якщо ви хочете зберегти характеристику оновлення вибірки за зразком. Хоча дія фільтрації нерекурсивна, коефіцієнти фільтру в момент часу N - це функція коефіцієнтів в момент N-1, що обмежує вашу здатність прискорити процес за допомогою паралелізму або обчислень, орієнтованих на блок. Як і в більшості випадків, немає безкоштовного обіду: якщо ви хочете отримати чисту NLMS, то вам найкраще просто це здійснити.