진화적 학습을 이용한 적응형 시스템 식별

초록

본 논문은 FIR·IIR 적응형 필터에 LMS 알고리즘을 적용하고, 다중모달 오류면을 탐색하기 위해 유전 알고리즘(GA)과 결합한 LMS‑GA 방식을 제안한다. 색상(상관) 입력 신호에 대한 수렴 특성을 전력 스펙트럼과 자기상관 행렬의 푸리에 변환으로 분석하고, 백색·색상 입력 모두에서 시뮬레이션을 수행해 LMS‑GA가 지역 최소값에 머무르지 않고 최적 가중치를 찾는 효율성을 입증한다.

상세 분석

이 연구는 적응형 시스템 식별 분야에서 가장 널리 사용되는 LMS(L least‑Mean‑Square) 알고리즘의 한계를 정확히 짚어낸다. 전통적인 LMS는 오류면이 다중모달인 IIR 구조에서 지역 최소점에 빠지기 쉬우며, 특히 입력 신호가 백색이 아닌 색상(상관)일 경우 수렴 속도가 저하되고 안정성 문제가 발생한다. 논문은 이러한 문제를 두 단계로 해결한다. 첫 번째 단계는 FIR 필터에 대해 색상 입력의 자기상관 행렬 R을 푸리에 변환해 전력 스펙트럼 형태로 시각화함으로써, 입력 신호의 스펙트럼 특성이 LMS 수렴에 미치는 영향을 정량화한다. 이를 통해 학습률 μ의 적절한 범위를 이론적으로 도출하고, 실제 시뮬레이션에서 제시된 μ값이 수렴 조건을 만족함을 확인한다. 두 번째 단계는 IIR 필터에 GA를 도입해 전역 탐색 능력을 보강한다. GA는 초기 개체군을 무작위로 생성하고, 적합도 함수로 평균 제곱 오차(MSE)를 사용한다. 선택, 교차, 돌연변이 연산을 반복하면서 다중모달 오류면을 효과적으로 탐색하고, 최종적으로 LMS가 미세 조정을 담당하도록 설계하였다. 이 하이브리드 구조(LMS‑GA)는 전통적인 LMS에 비해 수렴 속도는 다소 늦을 수 있으나, 최종 오류가 현저히 낮고 지역 최소에 갇히는 현상이 거의 없다는 점에서 실용적 장점을 제공한다. 또한, 백색 입력과 색상 입력 모두에서 동일한 파라미터 설정으로 실험을 진행했음에도 불구하고, LMS‑GA가 일관된 성능 향상을 보인 점은 알고리즘의 일반화 가능성을 시사한다. 논문은 시뮬레이션 결과를 통해 FIR와 IIR 각각에 대해 학습곡선, 주파수 응답, 그리고 최종 가중치 벡터의 수렴 모습을 상세히 제시한다. 특히 IIR 필터의 경우, 전통적인 LMS가 수렴하지 못하고 발산하는 경우가 있었으나, GA가 제공한 전역 초기값 덕분에 안정적인 수렴을 달성했다. 이러한 결과는 시스템 식별이 실시간으로 이루어지는 통신·신호 처리 시스템에서, 입력 신호가 비정상적이거나 잡음이 심한 상황에서도 신뢰할 수 있는 모델 파라미터를 추정할 수 있음을 의미한다. 마지막으로, 논문은 계산 복잡도 측면에서 GA의 추가 연산이 전체 시스템에 미치는 영향을 분석하고, 현대의 병렬 처리 GPU 환경에서는 GA 연산이 크게 병목이 되지 않으며, 실시간 적용 가능성을 확보할 수 있음을 강조한다.