[pt] O estudo da dinâmica lateral é de grande importância para análise do comportamento de um veículo durante manobras e fundamental para a implementação de sistemas de controle de estabilidade e de trajetória em veículos autônomos. Nesse contexto, baseado em medições experimentais de um veículo militar de três eixos durante manobras de mudança dupla de faixa a diferentes velocidades, o presente trabalho apresenta métodos de identificação de sistemas para obtenção de modelos lineares por meio da ferramenta CONTSID (CONTinuous-Time System IDentification), disponível no MATLAB; de modelos não lineares baseados em Redes Neurais; e, por fim, a proposta de emprego de modelos híbridos com o intuito de minimizar o erro associado à primeira abordagem, somando-se ao modelo linear, o valor estimado do resíduo com a aplicação de redes neurais. Por se tratarem de modelos obtidos a partir de dados observados, como parâmetros de entrada e de saída do sistema, foram selecionados o ângulo do volante e a taxa de guinada do veículo, respectivamente. Com a utilização do dados observados, foi realizada a identificação das funções de transferência para cada velocidade, o que possibilitou a análise da influência dessa variável no comportamento dinâmico do sistema. Em seguida, empregou-se uma abordagem via redes neurais ao mesmo conjunto de dados, com a construção de arquiteturas distintas por meio da modificação do número de neurônios, número de camadas e função de ativação. Por fim, um modelo híbrido foi combinado utilizando-se a modelagem linear e não linear para obtenção de melhorias na resposta do modelo final estimado. De acordo com os resultados, as técnicas empregadas apresentaram viabilidade de aplicação e resultados satisfatórios, destacando-se o aprimoramento do modelo linear por meio de sua substituição pelo modelo híbrido baseado em redes neurais. Do exposto, objetiva-se destacar o potencial dos métodos apresentados de forma que, posteriormente, esses estudos possam ser aprofundados para implementação de malhas de controle veicular, com o intuito de contribuir com o aumento da segurança, melhoria do conforto e no desenvolvimento de veículos autônomos. / [en] The study of lateral dynamics is of great importance for the vehicle behavior analysis during turning maneuvers, and it is fundamental to stability or path control systems used in autonomous vehicles. In this context, based on experimental measurements of a three-axle military wheeled vehicle during double lane changes maneuvers at different speed, this work presents methods for the identification of linear models using the CONTSID (CONTinuous-Time System IDentification) toolbox, available in MATLAB; nonlinear models based on artificial neural networks; and, the application of hybrid models to reduce the error associated with the first approach, combining the linear model to the estimated error using neural networks. Since those are data-driven methods, as input and output parameters of the system, the wheel steering angle and the yaw rate of the vehicle were respectively selected. Using the CONTSID toolbox, the identification of the transfer functions for each speed was performed, making it possible to evaluate the influence of this variable in the system s dynamics behavior. Thereafter, a neural network approach was applied to the same data set, changing architecture s parameters, such as number of neurons, layers and the activation function. At last, a hybrid model approach was presented through the combination of previous linear and nonlinear approaches to improve the estimated model response. The proposed methods showed satisfatory results, highlighting the improvement in the linear model through its replacement by the hybrid model based on neural networks. Therefore, this work aims to show the potential of the methods presented, and posteriorly contribute to studies on the implementation of vehicle control systems to increase safety, improve comfort and in the development of autonomous vehicles.

[pt] Existe uma crescente demanda por modelos dinâmicos precisos, parte impulsionada pelo paradigma da indústria 4.0 que introduz, dentre outros, o conceito de gêmeo digital no qual modelos dinâmicos possuem um papel importante. Idealmente, um modelo dinâmico apresenta um compromisso entre complexidade e precisão, enquanto proporciona informações sobre a física do sistema. Para melhorar a precisão de um modelo mantendo a interpretabilidade, a abordagem usual é modelar matematicamente todas não-linearidades, o que leva a um modelo muito complexo. Outra abordagem envolve identificação caixa-preta, uma abordagem onde um modelo matemático é ajustado para descrever a relação de entrada e saída do sistema, a qual pode fornecer um modelo preciso, porém não interpretável. Os avanços na capacidade de processamento computacional permitiram o florescimento da area de aprendizado de máquinas, a qual tem mostrado resultados interessantes em diferentes campos do conhecimento. Uma dessas aplicações é em identificação caixa-preta, onde o aprendizado de máquinas tem sido empregado com sucesso na modelagem de sistemas não-lineares, o que tem inspirado pesquisas sobre o tema. Apesar dos modelos baseados em aprendizado de máquina apresentarem elevada precisão, o que é suficiente para diversas aplicações, eles não são interpretáveis. Dessa forma, visando obter modelos que possuem ambas as características de precisão e interpretabilidade, enquanto mantém um compromisso com a complexidade, esta tese propõe uma metodologia de identificação híbrida que combina um modelo fenomenológico caixa cinza com um modelo caixa preta baseado em redes neurais artificiais. A metodologia proposta é aplicada em três casos de estudo de sistemas não lineares com dados experimentais, a saber, a dinâmica vertical de um veículo, um atuador com junta flexível baseado em elastômero e um sistema de posicionamento eletromecânico. Os resultados mostram que o modelo híbrido proposto é até 60 por cento mais preciso enquanto proporciona a interpretabilidade física do sistema, sem aumentar significativamente a complexidade do modelo. / [en] There is a growing demand for accurate dynamic models, driven by the Industry 4.0 paradigm that introduces, among others, the concept of the digital twin in which dynamic models play an important role. Ideally, a dynamic model presents a compromise between complexity and accuracy, while providing physical insight into the system. To improve a model accuracy while keeping interpretability, the usual approach is to mathematically model all the nonlinearities, which ultimately leads to an overcomplex model. Another approach involves a black-box identification, a data-driven approach where a mathematical model is adjusted to describe the system s input-output relation, which may provide an accurate model, but it does not provide interpretability. The developments in computational processing capacity have allowed the flourishing of the field of machine learning, which has shown interesting results in different fields of knowledge. One of these applications is black-box identification, where machine learning has successfully been employed in the modeling of nonlinear systems, which has inspired research on the topic. Even though the machine-learning-based models present enhanced accuracy, which for several applications is sufficient, they do not provide interpretability. Aiming at providing both accuracy and interpretability while keeping a compromise with model complexity, this work proposes a hybrid identification methodology that combines a gray-box phenomenological model with a black-box model based on artificial neural networks. The proposed methodology is applied in three case studies of nonlinear systems with experimental data, namely, the vertical dynamics of a vehicle, an elastomer-based series elastic actuator, and an electromechanical positioning system. The results show that the proposed hybrid model is up to 60 percent more accurate while providing the physical interpretability of the system, without significantly increasing the complexity of the model.

[pt] O monitoramento de integridade estrutural tem sido o foco de desenvolvimentos recentes no campo da avaliação baseada em vibração e, mais recentemente, no escopo da internet das coisas à medida que medição e computação se tornam distribuídas. Os dados se tornaram abundantes, embora a transmissão nem sempre seja viável em frequências mais altas especialmente em aplicações remotas. Portanto, é importante conceber fluxos de trabalho de modelo orientados por dados que garantam a melhor relação entre a precisão do modelo para avaliação de condição e os recursos computacionais necessários para soluções incorporadas, tópico que não tem sido amplamente utilizado no contexto de medições baseadas em vibração. Neste contexto, a presente pesquisa propõe abordagens para duas aplicações: na primeira foi proposto um fluxo de trabalho de modelagem capaz de reduzir a dimensão dos parâmetros de modelos autorregressivos usando análise de componentes principais e classificar esses dados usando algumas técnicas de aprendizado de máquina como regressão logística, máquina de vetor de suporte, árvores de decisão, k-vizinhos próximos e floresta aleatória. O exemplo do prédio de três andares foi usado para demonstrar a eficácia do método. No segundo caso, é utilizado um equipamento de teste composto por inércias rotativas onde a solução de monitoramento foi testada em uma plataforma baseada em GPU embarcada. Os modelos implementados para distinguir eficazmente os diferentes estados de atrito foram análise de componentes principais, deep autoencoders e redes neurais artificiais. Modelos rasos têm melhor desempenho em tempo de execução e precisão na detecção de condições de falha. / [en] Structural health monitoring has been the focus of recent developments in vibration-based assessment and, more recently, in the scope of the internet of things as measurement and computation become distributed. Data has become abundant even though the transmission is not always feasible, especially in remote applications. It is thus essential to devise data-driven model workflows that ensure the best compromise between model accuracy for condition assessment and the computational resources needed for embedded solutions. This topic has not been widely used in the context of vibration-based measurements. In this context, the present research proposes two approaches for two applications, a static and a rotating one. In case one, a modeling workflow capable of reducing the dimension of autoregressive model features using principal component analysis and classifying this data using some of the main machine learning techniques such as logistic regression, support vector machines, decision tree classifier, k-nearest neighborhood and random forest classifier was proposed. The three-story building example was used to demonstrate the method s effectiveness, together with ways to assess the best compromise between accuracy and model size. In case two, a test rig composed of rotating inertias and slender connecting rods is used, and the monitoring solution was tested in an embedded GPU-based platform. The models implemented to effectively distinguish between different friction states were principal component analysis, deep autoencoder and artificial neural networks. Shallow models perform better concerning running time and accuracy in detecting faulty conditions.

[pt] A presente tese tem como objetivo investigar os desdobramentos do ódio na constituição subjetiva em sua dimensão transgeracional em função de falhas ambientais ocorridas nos primórdios da vida psíquica na relação com o objeto primário. A reflexão sobre o ódio no pensamento psicanalítico começa atrelada à neurose obsessiva e, posteriormente, é expandida para contemplar os primeiros movimentos psíquicos do ego em relação ao objeto. A radicalidade que tal sentimento pode assumir no psiquismo devido a severas falhas na rêverie materna ocasionam a interrupção da função comunicativa da identificação projetiva. Dessa maneira, o ódio revela sua face destrutiva, uma vez que o psiquismo se encontra colonizado por objetos bizarros impossíveis de serem metabolizados pelo continente materno. As derivações desses traumatismos precoces na formação do self afetam profundamente a modalidade identificatória em ação, prevalecendo o seu uso adesivo que impede a construção de espaços psíquicos. A manifestação do claustro como derivativo do ódio traumático possui profundos impactos na existência do indivíduo, que experimenta uma relação de encarceramento com o objeto primário. Investigamos de que maneira o ódio é passível de se perpetuar entre gerações ao assumir um caráter transgeracional, no qual prevalece a lógica do segredo e da identificação alienante, que impede a atuação da identificação projetiva como via de comunicação intergeracional. Defendemos que essa forma de perpetuação críptica e condensada do ódio se manifesta em uma configuração psicopatológica que nomeamos como claustro transgeracional, que provoca impasses no campo psicanalítico e convoca o psicanalista ao trabalho implicado e empático através da contratransferência enquanto instrumento clínico. / [fr] La présente thèse vise à étudier le déploiement de la haine dans la constitution subjective dans sa dimension transgénérationnelle en fonction des échecs environnementaux survenus aux premiers stades de la vie psychique dans la relation avec l objet primaire. La réflexion sur la haine dans la pensée psychanalytique commence liée à la névrose obsessionnelle et s élargit ensuite pour envisager les premiers mouvements psychiques du moi par rapport à l objet. La radicalité qu un tel sentiment peut assumer dans le psychisme en raison de graves failles dans la rêverie maternelle provoque l interruption de la fonction communicative de l identification projective. La haine révèle ainsi son visage destructeur, puisque le psychisme est colonisé par des objets bizarres, impossibles à métaboliser par le continent maternel. Les dérivations de ces traumatismes précoces dans la formation du moi affectent profondément la modalité identificatoire en action, prévalant son utilisation adhésive qui empêche la construction d espaces psychiques. La manifestation du claustrum comme dérivé de la haine traumatique a des impacts profonds sur l existence de l individu, qui vit une relation d emprisonnement avec l objet primaire. Nous étudions comment la haine est susceptible de se perpétuer entre les générations en assumant un caractère transgénérationnel, dans lequel la logique du secret et de l identification aliénante prévaut, empêchant l action de l identification projective comme moyen de communication intergénérationnelle. Nous soutenons que cette forme de perpétuation cryptique et condensée de la haine se manifeste dans une configuration psychopathologique que nous nommons claustrum transgénérationnel, qui provoque des impasses dans le champ psychanalytique et convoque le psychanalyste au travail implicite et empathique par le contretransfert comme instrument clinique.

[pt] Os sistemas dinâmicos desempenham um papel crucial no que diz respeito à compreensão de fenômenos inerentes a diversos campos da ciência. Desde a última década, todo aporte tecnológico alcançado ao longo de anos de investigação deram origem a uma estratégia orientada a dados, permitindo a inferência de modelos capazes de representar sistemas dinâmicos. Além disso, independentemente dos tipos de sensores adotados a fim de realizar o procedimento de aquisição de dados, é natural verificar a existência de uma certa corrupção ruidosa nos referidos dados. Genericamente, a tarefa de identificação é diretamente afetada pelo cenário ruidoso previamente descrito, implicando na falsa descoberta de um modelo generalizável. Em outras palavras, a corrupção ao ruído pode ser responsável pela geração de uma representação matemática infiel de um determinado sistema. Nesta tese, no que diz respeito à tarefa de identificação, é demonstrado como a robustez ao ruído pode ser melhorada a partir da hibridização de técnicas de aprendizado de máquina, como aumento de dados, regressão esparsa, seleção de características, extração de características, critério de informação, pesquisa em grade e validação cruzada. Especificamente, sob as perspectivas de classificação e regressão, o sucesso da estratégia proposta é apresentado a partir de exemplos numéricos, como o crescimento logístico, oscilador Duffing, modelo FitzHugh-Nagumo, atrator de Lorenz e uma modelagem Suscetível-Infeccioso-Recuperado (SIR) do Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2). / [en] The dynamical systems play a fundamental role related to the understanding of the phenomena inherent to several fields of science. Since the last decade, all technological advances achieved throughout years of research have given rise to a data oriented strategy, enabling the inference of dynamical systems. Moreover, regardless the sensor types adopted to perform the data acquisition procedure, it is natural to verify the existence of a certain noise corruption in such data. Generically, the identification task is directly affected by the noisy scenario previously described, which entails in the false discovery of a generalizable model. In other words, the noise corruption might be responsible to give rise to a worthless mathematical representation of a given system. In this thesis, with respect to the identification assignment, it is demonstrated how the robustness to noise may be improved from the hybridization of machine learning techniques, such as data augmentation, sparse regression, feature selection, feature extraction, information criteria, grid search and cross validation. Specifically, through classification and regression perspectives, the success of the proposed strategy is presented from numerical examples, such as the logistic growth, Duffing oscillator, FitzHugh–Nagumo model, Lorenz attractor and a Susceptible-Infectious-Recovered (SIR) modeling of Severe Acute Respiratory Syndrome Coronavirus 2 (SARS-CoV-2).

[pt] No contexto de robos colaborativos, há um crescente interesse em Atuadores Elásticos em Série impulsionado pela necessidade de garantir segurança e funcionalidade. No entanto, as não linearidades inerentes a esses atuadores, como atrito, folga nas engrenagens e ruído, aumentam significativamente o desafio de controlar e modelar tais dispositivos. Além disso, um elemento elástico adiciona uma nova não linearidade. Visando essas características, este trabalho propõe um extenso trabalho de identificação do sistema para obter um modelo para um atuador elástico em série baseado em elastômero de baixo custo e original. As metodologias propostas investigam diferentes características do sistema. A primeira se concentra em modelar as não linearidades da junta elástica por meio de um modelo híbrido. A segunda contribuição visa examinar a precisão de redes neurais informadas por física para identificação de caixa cinza de parâmetros de atrito. Por último, é proposto uma metodologia para obter os estados da montagem usando vídeo. A partir dessas estimativas, é proposta uma identificação de caixa cinza usando vídeo. Todos os três estudos utilizam os dados da montagem do atuador. As duas primeiras contribuições obtiveram resultados importantes indicando a eficiência das metodologias propostas. A terceira contribuição mostrou o potencial da nova abordagem de identificação baseada em vídeo. / [en] In the context of human interactive robotics, there is a growing interest in Series Elastic Actuators (SEA), driven by the critical need to ensure safety and functionality. Moreover, a precise model is required to obtain optimal control. However, the inherent nonlinearities of those actuators, such as friction, gear backlash, and noise, greatly increase the challenge of controlling and modeling such devices. Furthermore, a compliant element adds a new nonlinearity, making the modeling task more challenging. Aiming to tackle these issues, this work proposes extensive system identification to obtain mathematical models characterizing the dynamics of an original low-cost elastomer-based SEA. The proposed methodologies investigate different characteristics of the system. The first focuses on modeling the elastic joint s nonlinearities through a hybrid model. The second contribution aims to examine the accuracy of physics-informed neural networks for gray-box identification of friction parameters. Lastly, a framework to obtain the states of the assembly using video is proposed. From these estimations, a gray-box identification using video is proposed. All three studies use the data from the actuator assembly. The first two contributions obtained important results indicating the efficiency of the proposed methodologies. The third contribution showed the potential of the novel video-based identification approach.

[pt] Identificação paramétrica de sistemas mecânicos é uma das principais aplicações das técnicas de identificação de sistemas na Engenharia Mecânica, especificamente para a identificação de parâmetros modais de estruturas flexíveis. Um dos principais problemas na identificação é a presença de ruido nas medições. Este trabalho apresenta uma análise na presença de ruído de alguns dos métodos no domínio do tempo aplicáveis na identificação de parâmetros modais de sistemas mecânicos lineares invariantes no tempo com múltiplas entradas e múltiplas saídas (MIMO), usando como base o modelo em espaço de estados tipicamente usado em Dinâmica e Vibrações. Os algoritmos de subespaço envolvidos neste estudo destacam-se pela utilização da decomposição em valores singulares (SVD) dos dados, obtendo subespaços ortogonais dos modos associados ao sistema e dos modos associados ao ruído. Outros complicadores no processo de identificação que serão explorados neste trabalho são: flexibilidde e baixo amortecimento. Comparam-se as técnicas usando o modelo no espaço de estado da estrutura Mini- mast desenvolvida pela NASA Langley Research Center e simulações são feitas variando o nível de ruído nos dados, o amortecimento e a flexibilidade da estrutura. O problema de identificação de parâmetros estruturais (matrizes de massa, rigidez e amortecimento) também é estudado, as características e limitações dos algoritmos utilizados são analisados. Como exemplo de aplicação prática, um experimento foi realizado para identificar os parâmetros modais e estruturais de um rotor flexível e os resultados são discutidos. / [en] Parametric identification of mechanical systems is one of the main applications of the system identification techniques in Mechanical Engineering, specifically for the identification of modal parameters of flexible structures. One of the main problems in the identification is the presence of noise in the measurements. This work presents an analysis in the presence of noise of some of the time domain methods applicable in modal parameters identification of linear time-invariant mechanical systems with multiple inputs and multiple outputs (MIMO), using as base the state-space model typically used in Dynamics and Vibrations. The subspace algorithms involved in this study are distinguished for the use of the singular values decomposition (SVD) of the data, obtaining ortogonal subspaces of the modes associates to the system and of the modes associates to the noise. Other complicators in the identification process that will be explored in this work are: flexibility and low damping. The techniques are compared using the state-space model of the Mini-mast structure developed for NASA Langley Research Center and simulations are made varying the level of noise in the data, the damping and the flexibility of the structure. The problem of identification of structural parameters (mass, stiffness and damping matrices) also is studied, the characteristics and limitations of the used algorithm is analyzed. As example of practical application, an experiment was made to identify the modal parameters of a flexible rotor and the results are discussed.

[pt] Através das técnicas utilizadas em Identificação de Sistemas é possível obter um modelo matemático para um sistema dinâmico somente a partir de dados medidos de suas entradas e saídas. Por possuírem comportamento naturalmente dinâmico e um procedimento de treinamento simples e rápido, o uso de redes neurais do tipo Echo State Networks (ESNs) é vantajoso nesta área. Entretanto, as ESNs possuem hiperparâmetros que devem ser ajustados para que obtenham um bom desempenho em uma dada tarefa, além do fato de que a inicialização aleatória de pesos da camada interna destas redes (reservatório) nem sempre ser a ideal em termos de desempenho. Por teoricamente conseguirem obter boas soluções com poucas avaliações, o AEIQ-R (Algoritmo Evolutivo com Inspiração Quântica e Representação Real) e a estratégia evolucionária com adaptação da matriz de covariâncias (CMA-ES) representam alternativas de algoritmos evolutivos que permitem lidar de maneira eficiente com a otimização de hiperparâmetros e/ou pesos desta rede. Sendo assim, este trabalho propõe um modelo neuroevolucionário que define automaticamente uma ESN para aplicações de Identificação de Sistemas. O modelo inicialmente foca na otimização dos hiperparâmetros da ESN utilizando o AEIQ-R ou o CMA-ES, e, num segundo momento, seleciona o reservatório mais adequado para esta rede, o que pode ser feito através de uma segunda otimização focada no ajuste de alguns pesos do reservatório ou por uma escolha simples baseando-se em redes com reservatórios aleatórios. O método proposto foi aplicado a 9 problemas benchmark da área de Identificação de Sistemas, apresentando bons resultados quando comparados com modelos tradicionais. / [en] Through System Identification techniques is possible to obtain a mathematical model for a dynamic system from its input/output data. Due to their intrinsic dynamic behavior and simple and fast training procedure, the use of Echo State Networks, which are a kind of neural networks, for System Identification is advantageous. However, ESNs have global parameters that should be tuned in order to improve their performance in a determined task. Besides, a random reservoir may not be ideal in terms of performance. Due to their theoretical ability of obtaining good solutions with few evaluations, the Real Coded Quantum-Inspired Evolutionary Algorithm (QIEA-R) and the Covariance Matrix Adaptation Evolution Strategy (CMA-ES) represent efficient alternatives of evolutionary algorithms for optimizing ESN global parameters and/or weights. Thus, this work proposes a neuro-evolutionary method that automatically defines an ESN for System Identification problems. The method initially focuses in finding the best ESN global parameters by using the QIEA-R or the CMA-ES, then, in a second moment, in selecting its best reservoir, which can be done by a second optimization focused on some reservoir weights or by doing a simple choice based on networks with random reservoirs. The method was applied to 9 benchmark problems in System Identification, showing good results when compared to traditional methods.

[pt] Uma erótica mortífera: ruídos do supereu na clínica psicanalítica é um estudo da constituição do supereu na teoria psicanalítica e seus desdobramentos na clínica. O supereu que surge na obra freudiana como produto da identificação no declínio do complexo de Édipo, admite traços cruéis em sua parceria com a pulsão de morte. Lacan propõe um supereu equivalente ao objeto a como objeto voz, contribuição de grande novidade para a teoria analítica. Os mandatos superegóicos incidem como uma voz muda, inaudível, e propõem um desafio à clínica, que deve manejar as manifestações deste supereu, tais como o sentimento de culpa, a necessidade de punição e a reação terapêutica negativa. Os paradoxos do supereu serão abordados, privilegiando a face do supereu que é correlata ao gozo, distinguindo-o do Nome-do-Pai, uma função atrelada ao desejo. / [en] One deadly erotica: noises of the superego in the psycoanalytic treatment is a study of the formation of the superego in psychoanalytic theory and its developments in the clinic. The superego, which appears in Freud s work as a product of identification in the decline of the Oedipus complex, admits cruel traits in their partnership with the death drive. Lacan proposes an equivalent object-a with the object-voice, contribution of great novelty for clinical theory. The superego commands levied as a muted voice, inaudible, and propose a challenge to the clinic: to manage the manifestations of this superego, such as guilt, the need for punishment, and negative therapeutic reaction. The paradoxes of the superego are addressed, focusing on the face of the superego that is related to the jouissance, distinguishing it from the Name-of-the-Father - a function harnessed to desire.

[pt] Neste trabalho, quatro métodos projetados especificamente para a estimação de sistemas esparsos são originalmente elaborados e apresentados. São eles: Encolhimentos Sucessivos, Expansões Sucessivas, Minimização da Norma l1 e Ajuste Automático do fator de regularização do Custo LS. Os quatro métodos propostos baseiam-se na técnica de estimação de sistemas lineares e invariantes no tempo pelo critério dos mínimos quadrados, universalmente conhecida por sua denominação em inglês - Least Squares (LS) Estimation, e incorporam técnicas relacionadas a otimização convexa e à teoria de compressive sensing. Os resultados obtidos em simulações mostram que os métodos em questão têm desempenho superior que a estimação LS convencional e que o algoritmo Recursive Least Squares (RLS) com regularização convexa denominado l1-RLS, em muitos casos alcançando o desempenho ótimo apresentado pelo método de estimação LS Oráculo, no qual o suporte da resposta ao impulso em tempo discreto do sistema estimado é conhecido a priori. Além disso, os métodos propostos apresentam custo computacional menor que do algoritmo l1-RLS. / [en] In this thesis, four methods specifically designed for sparse systems estimation are originally developed and presented, which were called here: Relaxations method, Successive Expansions method, l1-norm Minimization method and Automatic Adjustment of the Regularization Factor method. The four proposed methods are based on the Least Squares (LS) Estimation method and incorporate techniques related to convex optimization and to the theory of compressive sensing. The simulation results show that the proposed methods herein present superior performance than the ordinary LS estimation method and the Recursive Least Squares (RLS) with convex regularization method (l1-RLS), in many cases achieving the same optimal performance presented by the LS Oracle method. Furthermore, the proposed methods demand lower computational cost than the l1-RLS method.