гут становиться нестабильными. Как уже упоминалось, эффективным
способом обеспечения стабильной работы адаптивных фильтров явля-
ется динамическая регуляризация корреляционной матрицы. Регуля-
ризация может применяться во всех RLS-алгоритмах: одноканальных
и многоканальных, с бесконечным или скользящим окном, включая
быстрые (вычислительно эффективные) RLS-алгоритмы. Скользящее
окно увеличивает вычислительную сложность RLS-алгоритмов при-
мерно в 2 раза по сравнению с алгоритмами с бесконечным окном.
Динамическая регуляризация также увеличивает примерно в 2 раза
вычислительную сложность алгоритмов по сравнению с алгоритмами
без регуляризации.
В случае использования нескольких ЦСП, вычислительную нагруз-
ку при реализации сложных алгоритмов адаптивной фильтрации мож-
но уменьшить с помощью параллельных вычислений. Наиболее при-
влекательным является распараллеливание вычислений, связанных с
существующими потоками независимых данных. При этом отсутству-
ют дополнительные вычислительные затраты для разделения данных
на параллельные потоки. В SW RLS- и в регуляризированных PW RLS-
алгоритмах имеется два (
F
= 2
), а в регуляризированных SW RLS-
алгоритмах — четыре (
F
= 4
) независимых потоков входных данных,
обусловленных модификацией корреляционной матрицы адаптивного
фильтра. В известных последовательных RLS-алгоритмах в результа-
те последовательного применения леммы об обращении матрицы эти
потоки обрабатываются последовательно. Рассматриваемые далее па-
раллельные RLS-алгоритмы базируются на возможности независимой
обработки таких потоков.
Основные приемы получения параллельных RLS-алгоритмов.
Для получения RLS-алгоритмов, допускающих параллельные вычи-
сления, могут быть использованы приемы, приведенные в работе [7].
В этой работе был рассмотрен способ построения одноканальных SW
RLS- и быстрых SW RLS-алгоритмов адаптивной фильтрации с дей-
ствительными весовыми коэффициентами, которые могут быть реали-
зованы с помощью двух параллельных процессоров. Подобные много-
канальные SW RLS- и LC SW RLS-алгоритмы с комплексными весо-
выми коэффициентами были получены в работе [9], а многоканальные
регуляризированные PW RLS-алгоритмы — в работе [10]. Многока-
нальные регуляризированные SW RLS-алгоритмы для параллельной
реализации с помощью четырех процессоров были рассмотрены в ра-
ботах [8, 11–14]. Все эти алгоритмы имеют достаточно сложное ма-
тематическое описание, являющееся следствием использования слож-
ного выражения леммы для обращения матрицы, модифицируемой на
каждой итерации алгоритма адаптивной фильтрации за счет двух или
32 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2006. № 1
