Tracking performance of RLS algorithms in WSSUS channels

기술 요약: WSSUS 채널에서의 RLS 알고리즘 추적 성능 추적

문제 정의
재귀 최소 제곱(Recursive Least Squares, RLS) 적응 알고리즘은 시변 통신 채널과 같은 선형 시변 시스템을 추정하는 데 광범위하게 사용된다. 그러나 RLS의 추적 성능은 노이즈 수준, 채널 시간 변화 특성 및 알고리즘 파라미터에 따라 달라진다. 기존 문헌들은 특정 조건 하에서의 RLS 알고리즘 성능 분석을 제공하지만—종종 채널 변화를 1차 마르코프 과정으로 모델링하거나 평균 제곱 편차(MSD)를 구하기 위해 실무 적용이 어려운 적분식을 활용함—임의의 전력 스펙트럼 밀도(PSD)를 가진 와이드 센스 스테이셔너리 무상관 산란(WSSUS) 확률 과정으로 기술되는 채널에 대한 알고리즘 분석에는 공백이 존재한다. 또한, 기존의 통합된 MSD 식들은 오차의 "최소 제곱(LS) 모델링 성분"을 간과하는 경우가 많다. 이러한 누락은 비인과적 지연을 갖는 RLS 또는 기저 확장 모델(예: SRLS-L)과 같이 이 모델링 성분이 중요해지는 고급 적응 알고리즘의 성능을 예측하는 데 있어 기존 공식들을 부적절하게 만든다.

방법론
본 논문은 WSSUS 채널에서 RLS 알고리즘(구체적으로 지수형 ERLS 및 슬라이딩 윈도우형 SRLS)의 추적 성능을 평가하기 위한 새로운 분석적 접근 방식을 제안한다. 방법론은 다음과 같은 주요 단계로 구성된다:

1. 채널 모델링: 채널은 연속 시간의 평균이 0인 정상 가우시안 확률 과정으로부터 유도된 이산 시간 임펄스 응답 탭을 가진 이산 시간 시스템으로 모델링된다. 시간 변화는 정규화된 PSD $G_h(\omega)$와 스펙트럴 모멘트($\lambda_{2p}$)로 특징지어진다. 세 가지 특정 PSD가 예시로 분석된다: 균등(Uniform), 제이크스(Jakes'), 그리고 자기회귀(AR) PSD이다.
2. 오차 분해: 정규화된 평균 제곱 편차(NMSD)는 세 가지 별개의 성분으로 분해된다:
   • 노이즈 성분 ($\epsilon_n$): 신호 대 잡음비(SNR) 및 알고리즘 파라미터(윈도우 길이 또는 망각 계수)에 의존한다.
   • 모델링 성분 ($\epsilon_m$): LS 신호 모델(시간 불변성 또는 특정 기저 함수를 가정함)과 실제 시변 채널 사이의 불일치에서 발생한다. 이 성분은 LS 모델이 다루지 않는 "방해(nuisance)" 파라미터로부터 유도된 등가 정상 노이즈로 취급된다.
   • 근사 성분 ($\epsilon_a$): 유한한 관측 윈도우 및 지연으로 인해 특정 시점에서의 채널 임펄스 응답을 추정할 때 발생하는 오차이다.
3. 분석적 유도: 채널 탭과 스펙트럴 모멘트의 테일러 급수 전개를 사용하여 모델링 및 근사 성분에 대한 일반 공식을 유도한다.
   • SRLS의 경우, 관측 윈도우는 직사각형이며 기저 함수로 르장드르 다항식이 사용된다.
   • ERLS의 경우, 윈도우는 지수형이며 라게르 다항식이 활용된다.
   • 분석은 마지막 샘플에 대한 시간 $t_0$에 대해 추정치가 할당되는 지연 알고리즘(dSRLS, dERLS) 및 채널 변화를 근사하기 위해 르장드르 다항식을 사용하는 SRLS-L 알고리즘까지 확장된다.
4. 검증: 이론적 결과는 채널 실현(realization)이 사전 정의된 PSD와 정확히 일치하도록 생성되어 통계적 정확성을 보장하는 수치 시뮬레이션을 통해 검증된다.

주요 기여

• 일반적 분석 프레임워크: 본 논문은 임의의 PSD에 적용 가능한, PSD의 스펙트럴 모멘트를 사용하여 WSSUS 채널에서의 RLS 추적 성능을 분석하는 접근 방식을 도입한다.
• 일반 공식: 클래식 RLS, 지연 RLS(dSRLS, dERLS) 및 SRLS-L 알고리즘에 대한 단순하고 폐쇄형(closed-form)인 NMSD 공식을 도출하였다. 이 공식들은 노이즈, 모델링, 근사 오차 성분을 명시적으로 분리한다.
• 특정 PSD 적용: 일반 공식이 균등, 제이크스, AR PSD에 대해 구체화되어 흔히 사용되는 채널 모델에 대한 실용적인 식을 제공한다.
• 최적 지연 식별: 오차 확장에서 1차 미분 항을 제거함으로써 근사 오차를 최소화하는 최적 지연(예: dSRLS의 경우 $t_0 = T/2$, dERLS의 경우 $t_0 = \alpha^{-1}$)을 식별한다.
• 모델링 성분 포함: 기존 연구와 달리, 본 접근 방식은 LS 모델링 성분을 고려하며, 이는 향상된 추적 능력을 갖춘 알고리즘(예: 비인과적 필터)의 성능을 정확하게 예측하는 데 필수적이다.

결과
수치 시뮬레이션은 도출된 분석 공식과 시뮬레이션 결과 사이의 강력한 일치를 보여준다:

• 정확도: 클래식 알고리즘(SRLS, ERLS)의 경우, 이론과 시뮬레이션 간의 차이가 매우 작다(흔히 0.03 dB 미만).
• 지연 알고리즘: dSRLS 및 dERLS에 대해 이론적 예측은 정확성을 유지하며, 매우 빠른 채널 변화가 발생하는 특정 경우(고차 테일러 급수 항이 필요할 수 있는 경우)를 제외하면 최대 편차는 일반적으로 0.5 dB 미만이다.
• SRLS-L 성능: 기저 확장을 포함하는 SRLS-L 알고리즘은 모델링 오차의 감소로 인해 dSRLS 대비 약 24 dB의 크게 향상된 추적 성능을 보인다(최적 지연 시).
• PSD 영향: 결과는 NMSD가 동일한 대역폭에 대해 제이크스 PSD가 균등 PSD보다 높은 오차를 생성하는 것과 같이 PSD의 형태에 의존하지만, 전력 지연 프로파일(PDP)에는 독립적임을 확인시켜 준다.

의의 및 주장
본 논문은 제안된 접근 방식이 시변 채널에서 다양한 RLS 알고리즘의 추적 성능을 예측하기 위한 통합적이고 실용적인 도구를 제공한다고 주장한다. 모델링 오차 성분을 명시적으로 고려함으로써, 도출된 공식은 전통적인 방법들이 실패하는 고급 비인과적 및 기저 확장 알고리즘에도 적용 가능하다. 저자들은 분석이 이산 합을 연속 적분으로 대체하고, 탭 디커플링을 가정하며, 비정상 모델링 노이즈를 정상 노이즈로 근사하는 등의 특정 이상화에 의존한다는 점을 강조하지만, 이러한 단순화가 단순하면서도 정확한 공식을 산출한다고 강조한다. 본 연구는 실제 통신 시스템에서 노이즈와 추적 오차 사이의 균형을 맞추기 위해 알고리즘 파라미터(윈도우 길이, 망각 계수, 지연 등)를 최적화하는 기초 역할을 한다. 기초적인 이상화 및 가정들을 엄격하게 검증하기 위한 후속 연구의 필요성이 언급되었다.