최소평균사승 적응알고리즘은 추정오차의 평균사승값을 최소화하는 추정경도방법 가운데 하나이다. 알고리즘의 잠재적인 여러 장점에도 불구하고, 이 알고리즘은 현재 기존의 최소평균자승 알고리즘 보다 실제 적게 주목받고 있다. 그 이유는 최소평균사승 알고리즘의 수렴특성에 관한 통계적 분석이 최소평균자승 알고리즘에 비해 매우 어렵고, 따라서 아직 알고리즘에 대해 모르는 분분이 많이 때문으로 보인다. 본 논문에서는 적응필터의 입력신호가 평균이 영이고 시불변 가우시안 랜덤신호일 경우 최소평균사승 적응알고리즘의 통계적인 수렴특성에 대하여 연구하였다. 이를 위해, 시스템인지 모드에서 알고리즘의 평균 및 평균자승 특성을 나타내는 일련의 관계식을 유도하였다. 그리고 알고리즘의 평균특성이 수렴하기 위한 조건을 찾았는데, 여기서 최소평균사승 적응알고리즘의 수렴특성이 초기치의 선택에 크게 좌우됨을 알 수 있었다. 또한 최소 평균사승 알고리즘의 성능을 기존의 최소평균자승 알고리즘과 실험적으로 비교하였고, 두개의 알고리즘이 정상상태에서 같은 값의 평균자승추정오차를 갖을 때 최소평균사승 알고리즘이 치소평균자승 알고리즘에 비해 매우 빠른 수렴속도를 갖을수 있음을 확인하였다.
The least mean fourth (LMF) adaptive algorithm is a stochastic gradient method that minimizes the error in the mean fourth sense. Despite its potential advantages, the algorithm is much less popular than the conventional least mean square (LMS) algorithm in practice. This seems partly because the analysis of the LMF algorithm is much more difficult than that of the LMS algorithm, and thus not much still has been known about the algorithm. In this paper, we explore the statistical convergence behavior of the LMF algorithm when the input to the adaptive filter is zero-mean, wide-sense stationary, and Gaussian. Under a system idenrification mode, a set of nonlinear evolution equations that characterizes the mean and mean-squared behavior of the algorithm is derived. A condition for the conbergence is then found, and it turns out that the conbergence of the LMF algorithm strongly depends on the choice of initial conditions. Performances of the LMF algorithm are compared with those of the LMS algorithm. It is observed that the mean convergence of the LMF algorithm is much faster than that of the LMS algorithm when the two algorithms are designed to achieve the same steady-state mean-squared estimation error.
