| 研究概要 |
移動体通信で発生する雑音や各種干渉の除去のために,適応フィルタを応用する事が検討されている.この時,適応フィルタに望まれる特性として,従来から知られる学習時間の短縮とともに高い単位時間辺りの処理能力(スループット)があげられる.本研究では、パイプライン技術を適応フィルタに応用することで,スループット能力を向上させる事を目的とする.
現在知られている適応フィルタは,最小平均2乗(LMS)および再帰最小自乗(RLS)の2つに分類できる.このうちRLSは、LMSに比べ短時間での学習を可能とする一方で実現に必要となる演算規模が大きいため事が知られている.スループット能力は,単位時間当りに必要となる演算量が増加するほど低下する.このため,RLSのスループットは,LMSのものよりも低いことが知られている.
スループットを向上させるための手法として,パイプライン技術がある.パイプライン技術は実現する環境に応じて,2つの手法に分類可能である.すなわち,使用可能な演算器数を増やすことで,スループットの向上を実現するハードウェアパイプライニング,およびソフトウェア処理によりスループットを向上させるソフトウェアパイプライニングである.
移動体通信端末等では,機器の大きさの制約や低消費電力の観点から,使用可能な演算器数には制約があると考えられる.本研究では,この制約を考慮し,ソフトウェアでのRLSの実現の際にスループットの向上を可能とする手法を検討した.本研究では,RLS適応フィルタの学習式を幾つかの小部分に分解し,スケジューリングを行うことで,スループットを向上可能であることを示した.本研究の成果を応用することで,移動体通信端末などの厳しい制約の元でRLSフィルタを実現する際に,フィルタの処理能力を高めることが可能となると考えられる.
|
