A Double Proportionate Sparse Adaptive Filter for Impulsive Noise Environments

技術要約：二重比例スパース適応フィルタ (DP-SAF)

問題提起
適応フィルタは、システム同定、チャネル推定、および音響エコーキャンセレーションにおいて不可欠である。しかし、既存のアルゴリズムは、システムがスパース（活性な係数が少ない）であり、かつインパルス性ノイズの影響を受ける場合、トレードオフのギャップに直面する。

1. スパース性: 標準的な最小平均二乗誤差（LMS）アルゴリズムは、すべての係数に等しい利得を割り当てるため、活性なタップに適応エネルギーを集中させるべきスパースなシステムにおいては非効率である。比例正規化LMS（PNLMS）はこの問題を解決するが、インパルス性ノイズに対する堅牢性に欠ける。
2. インパルス性ノイズ: インパルス性ノイズに対して堅牢なアルゴリズム（符号誤差更新やM推定器などを用いるもの）は、スパース性を活用できなかったり、不活性な係数を能動的に抑制するメカニズムを欠いたりすることが多い。
3. ギャップ: 既存のアルゴリズムの中で、独立した比例適応、ゼロ吸引ペナルティ、およびインパルス性ノイズへの堅牢性を、単一の更新ステップ内で線形計算量 $O(M)$ を維持しながら同時に統合したものは存在しない。

手法
本論文では、2つの独立した対角利得行列 $G_1$ および $G_2$ と符号誤差更新を用いて重みベクトル $w(n)$ を更新する二重比例スパース適応フィルタ (DP-SAF) を提案する。更新式は以下の通りである：
$$w(n + 1) = w(n) + \mu G_1(n) x(n) \text{sgn}(e(n)) - \rho G_2(n) \text{sgn}(w(n))$$

• 符号誤差更新: 生の誤差 $e(n)$ を $\text{sgn}(e(n))$ に置き換えることで、大きな外れ値の影響を制限し、インパルス性の汚染に対する堅牢性を提供する。
• 利得行列 $G_1$ (比例適応): この行列は、係数の大きさに基づいて勾配ステップをスケーリングする。これは、不活性なタップに対しては非ゼロのベースラインを維持しつつ、活性なタップ（大きな係数）の収束を加速するように設計されている。これは、正規化された比例形式として導出される：
  $$g_{1,k}(n) = \frac{\max(\delta, |w_k(n)|)}{\frac{1}{M}\sum_{j=1}^M \max(\delta, |w_j(n)|)}$$
• 利得行列 $G_2$ (ゼロ吸引): この行列は、係数をゼロに引き寄せるためのペナルティを適用する。$G_1$ とは異なり、これは小さく（おそらく不活性な）係数に対して最も強く、大きく（活性な）係数に対しては最も弱くなるように設計されており、活性なタップの抑制を防ぐ。これは、大きさ依存の減少に従う：
  $$g_{2,k}(n) = \frac{1}{1 + \varepsilon |w_k(n)|}$$
• 導出: 両方の利得行列は、定常状態の推定誤差と重みの摂動のバランスをとるコスト関数を最小化する最小ノルム最適化フレームワークから導出されている。この設計により、$G_1$ と $G_2$ が拮抗するのではなく、相補的に作用することが保証される。
• 計算量: 行列の逆転を回避する対角構造により、アルorithmはLMSと同様の $O(M)$ の計算量を維持し、反復あたりの計算量は同一である。

主な貢献

1. 二重比例メカニズム: DP-SAFは、単一の更新において、勾配ステップ（$G_1$）とゼロ吸引項（$G_2$）の両方に独立した比例重み付けを適用する初めてのアルゴリズムである。
2. 最適化に基づく設計: 利得行列は最小ノルムフレームワークから導出されており、それによって、一方が大きな係数を増幅し、もう一方が小さな係数を抑制するという、反対の比例ルールに従うことが設計上保証されている。
3. 堅牢性と効率性: 符号誤差更新はインパルス性ノイズの影響を限定し、対角構造は、収束速度を犠牲にすることなく、アルゴリズムがリアルタイムおよび組み込み実装に適していることを保証する。

シミュレーション結果
著者らは、スパースFIRフィルタ（$M=32$、活性タップ10%）を用い、ベルヌーイ・インパルスノイズモデル（$p=0.2$、高振幅）の下で、DP-SAFを7つの競合アルゴリズム（LMS, PNLMS, RZA-LMS, VSS-RZA-LMM, GMN, GCMPN, LCMN）と比較評価した。

• 定常状態の精度: 実験1において、DP-SAFはすべての競合アルゴリズムの中で最も低い定常状態の平均二乗偏差（MSD）フロアを達成し、二重利得設計が収束速度を損なうことなく精度を向上させることを示した。
• 収束速度: 実験2において、すべてのアルゴリズムが同じ定常状態MSDに収束するように設定した場合、DP-SAFは他のアルゴリズムよりも大幅に速くそのレベルに到達した。
• データからの結論: 結果は、二重利得構造が過渡的な速度と定常状態の精度の両方を同時に改善し、他の手法で見られる典型的なトレードオフを回避することを裏付けている。

意義と主張
本論文は、DP-SAFがスパース性の活用、ゼロ吸引正則化、およびインパルス性ノイズへの堅牢性を統合することにより、適応フィルタにおける重要なギャップを埋めるものであると主張している。著者らは、このアルゴリズムが標準的なLMSレベルの計算量を増やすことなくこれを達成していることを強調している。その意義は、2つの利得行列が互いに競合するのではなく、互いを強化し合う「設計による相補的」な性質にあり、これにより、過酷なノイズ環境下でのスパースかつ時変なシステムを効果的に扱うことが可能となる。論文は、DP-SAFを複素数系および強いスペクトル彩色を持つ入力へと拡張することが、今後の課題として残されていると述べて締めくくっている。