Neste trabalho faz-se um estudo sobre filtros IIR adaptativos e é apresentada uma estrutura polifásica para filtragem IIR adaptativa, que, em troca de um aumento de complexidade computacional, pode apresentar características mais favoráveis do que a estrutura direta comumente usada. O aumento da complexidade computacional, relativamente a um algoritmo do tipo newton, por exemplo, é pequeno. Apresenta-se uma análise dos efeitos da proximidade ao círculo unitário dos pólos do sistema sendo modelado. Um dos efeitos considerados é o comportamento limite do condicionamento da matriz de estados associada ao algoritmo de adaptação. São considerados algoritmos de adaptação de passo constante de uso comum para filtros IIR adaptativos. O método utilizado é particularmente útil para a verificação do efeito da posição dos pólos do sistema sendo modelado e também para a introdução de certas restrições ao mesmo, como, por exemplo, norma L2 fixa e resposta em freqüência passa-tudo. Um resultado interessante é que a única situação, entre as testadas, em que o condicionamento da matriz mencionada não tende a infinito quando um número qualquer de polosndo sistema sendo modelado H(z) se aproxima da circunferência unitária, é quando H(z) é passa-tudo e emprega-se o algoritmo PLR. São analisadas também a superfície de erro e a superfície de erro reduzida para filtros IIR adaptativos. Mostra-se que, quando o sistema sendo modelado possui polos próximos à circunferência unitária, a superfície de erro reduzida apresenta regiões planas com erro quadrático médio elevado. A existência destas regiões resulta em uma baixa velocidade de convergência global de algoritmos de passo constante. A partir da decomposição em valores singulares (SVD) da forma de Hankel do sistema sendo modelado, é apresentada também uma decomposição da superfície de erro reduzida, a partir da qual pode-se obter uma separaçãoparcial dos efeitos do sistema sendo modelado e da forma de realização do filtro adaptativo. Uma estrutura polifásica para filtragem IIR adaptativa é apresentada e seu desempenho é comparado com o de filtros IIR adaptativos na forma direta. Mostra-se o possível ganho da estrutura polifásica quanto à velocidade de convergência local e quanto às características da superfície de erro reduzida e à velocidade de convergência global. Demonstra-se, para a estrutura polifásica, que, com entrada branca e modelamento suficiente, todos os pontos estacionários da superfície de erro são mínimos globais da mesma. Este resultado não decorre diretamente de propriedades análogas relativas à estrutura direta, já conhecidas. Tudo para a estrutura direta quanto para a estrutura polifásica, são apresentados os resultados de várias simulações dos algoritmos de adaptação considerados. / A study on IRR adaptive filters and polyphase structure for IIR adaptive filtering are presented. In exchange for an increase in computational complexity, which is small if compared to Newton algorithms, the polyphaser structure may exhibit a better performance than direct structures. An analysis of the effects of the proximity to the unit circle of the modelled system\'s poles is presented. One of the considered points is the limiting behavior of the condition of the state matrix related to the adaptive algorithm. Commonly used constant gain algorithms are considered. The method of analysis is specially usefull for verifying the effects of the position of the system\'s poles and also for introducing certain restrictions to the system, as fixed L2 norm and all-pass frequency response. An interesting result is that, among the situations that were tested, the only one in which the condition of the aforementioned matrix does not tend to infinity as the poles of the modelled system H(z) tend to the unit circle is when H)z) is all-pass and the PLR algorithm is employed. The error surface and the reduced error surface for IIR adaptive filters are also analyzed. It is shown that the modelled system has poles close to the unit circle the reduced error surface presents flat regions with high mean square error. The presence of these flat regions results in low global convergence speed for constant gain adaptive algorithms. Based on the singular value decomposition (SVD) of the modelled system\'s Hankel form, a decomposition of the reduced error surface is also presented. In it there exists a partial separation of the effects of the system and the adaptive filter\'s structure. A polyphaser structure for IIR adaptive filtering is presented and its performance is compared to the performance of the direct structure. The gain in local convergence and global convergencespeed, as well as the better behavior of the reduced error surface which may be attained , are shown. It is demonstrated, for the polyphaser structure, that, with while input and sufficient modelling, all the stationary points of the error surface are global minima. This result does not follow directly from similar well known results for the direct structure. Simulation results for the considered algorithms are also presented.

Neste trabalho faz-se um estudo sobre filtros IIR adaptativos e é apresentada uma estrutura polifásica para filtragem IIR adaptativa, que, em troca de um aumento de complexidade computacional, pode apresentar características mais favoráveis do que a estrutura direta comumente usada. O aumento da complexidade computacional, relativamente a um algoritmo do tipo newton, por exemplo, é pequeno. Apresenta-se uma análise dos efeitos da proximidade ao círculo unitário dos pólos do sistema sendo modelado. Um dos efeitos considerados é o comportamento limite do condicionamento da matriz de estados associada ao algoritmo de adaptação. São considerados algoritmos de adaptação de passo constante de uso comum para filtros IIR adaptativos. O método utilizado é particularmente útil para a verificação do efeito da posição dos pólos do sistema sendo modelado e também para a introdução de certas restrições ao mesmo, como, por exemplo, norma L2 fixa e resposta em freqüência passa-tudo. Um resultado interessante é que a única situação, entre as testadas, em que o condicionamento da matriz mencionada não tende a infinito quando um número qualquer de polosndo sistema sendo modelado H(z) se aproxima da circunferência unitária, é quando H(z) é passa-tudo e emprega-se o algoritmo PLR. São analisadas também a superfície de erro e a superfície de erro reduzida para filtros IIR adaptativos. Mostra-se que, quando o sistema sendo modelado possui polos próximos à circunferência unitária, a superfície de erro reduzida apresenta regiões planas com erro quadrático médio elevado. A existência destas regiões resulta em uma baixa velocidade de convergência global de algoritmos de passo constante. A partir da decomposição em valores singulares (SVD) da forma de Hankel do sistema sendo modelado, é apresentada também uma decomposição da superfície de erro reduzida, a partir da qual pode-se obter uma separaçãoparcial dos efeitos do sistema sendo modelado e da forma de realização do filtro adaptativo. Uma estrutura polifásica para filtragem IIR adaptativa é apresentada e seu desempenho é comparado com o de filtros IIR adaptativos na forma direta. Mostra-se o possível ganho da estrutura polifásica quanto à velocidade de convergência local e quanto às características da superfície de erro reduzida e à velocidade de convergência global. Demonstra-se, para a estrutura polifásica, que, com entrada branca e modelamento suficiente, todos os pontos estacionários da superfície de erro são mínimos globais da mesma. Este resultado não decorre diretamente de propriedades análogas relativas à estrutura direta, já conhecidas. Tudo para a estrutura direta quanto para a estrutura polifásica, são apresentados os resultados de várias simulações dos algoritmos de adaptação considerados. / A study on IRR adaptive filters and polyphase structure for IIR adaptive filtering are presented. In exchange for an increase in computational complexity, which is small if compared to Newton algorithms, the polyphaser structure may exhibit a better performance than direct structures. An analysis of the effects of the proximity to the unit circle of the modelled system\'s poles is presented. One of the considered points is the limiting behavior of the condition of the state matrix related to the adaptive algorithm. Commonly used constant gain algorithms are considered. The method of analysis is specially usefull for verifying the effects of the position of the system\'s poles and also for introducing certain restrictions to the system, as fixed L2 norm and all-pass frequency response. An interesting result is that, among the situations that were tested, the only one in which the condition of the aforementioned matrix does not tend to infinity as the poles of the modelled system H(z) tend to the unit circle is when H)z) is all-pass and the PLR algorithm is employed. The error surface and the reduced error surface for IIR adaptive filters are also analyzed. It is shown that the modelled system has poles close to the unit circle the reduced error surface presents flat regions with high mean square error. The presence of these flat regions results in low global convergence speed for constant gain adaptive algorithms. Based on the singular value decomposition (SVD) of the modelled system\'s Hankel form, a decomposition of the reduced error surface is also presented. In it there exists a partial separation of the effects of the system and the adaptive filter\'s structure. A polyphaser structure for IIR adaptive filtering is presented and its performance is compared to the performance of the direct structure. The gain in local convergence and global convergencespeed, as well as the better behavior of the reduced error surface which may be attained , are shown. It is demonstrated, for the polyphaser structure, that, with while input and sufficient modelling, all the stationary points of the error surface are global minima. This result does not follow directly from similar well known results for the direct structure. Simulation results for the considered algorithms are also presented.

Adaptive filtering techniques are used in a wide range of applications, including echo cancellation, adaptive equalization, adaptive noise cancellation, and adaptive beamforming. The performance of an adaptive filtering algorithm is evaluated based on its convergence rate, misadjustment, computational requirements, and numerical robustness. We attempt to improve the performance by developing new adaptation algorithms and by using "unconventional" structures for adaptive filters. Part I of this dissertation presents a new adaptation algorithm, which we have termed the Normalized LMS algorithm with Orthogonal Correction Factors (NLMS-OCF). The NLMS-OCF algorithm updates the adaptive filter coefficients (weights) on the basis of multiple input signal vectors, while NLMS updates the weights on the basis of a single input vector. The well-known Affine Projection Algorithm (APA) is a special case of our NLMS-OCF algorithm. We derive convergence and tracking properties of NLMS-OCF using a simple model for the input vector. Our analysis shows that the convergence rate of NLMS-OCF (and also APA) is exponential and that it improves with an increase in the number of input signal vectors used for adaptation. While we show that, in theory, the misadjustment of the APA class is independent of the number of vectors used for adaptation, simulation results show a weak dependence. For white input the mean squared error drops by 20 dB in about 5N/(M+1) iterations, where N is the number of taps in the adaptive filter and (M+1) is the number of vectors used for adaptation. The dependence of the steady-state error and of the tracking properties on the three user-selectable parameters, namely step size, number of vectors used for adaptation (M+1), and input vector delay D used for adaptation, is discussed. While the lag error depends on all of the above parameters, the fluctuation error depends only on step size. Increasing D results in a linear increase in the lag error and hence the total steady-state mean-squared error. The optimum choices for step size and M are derived. Simulation results are provided to corroborate our analytical results. We also derive a fast version of our NLMS-OCF algorithm that has a complexity of O(NM). The fast version of the algorithm performs orthogonalization using a forward-backward prediction lattice. We demonstrate the advantages of using NLMS-OCF in a practical application, namely stereophonic acoustic echo cancellation. We find that NLMS-OCF can provide faster convergence, as well as better echo rejection, than the widely used APA. While the first part of this dissertation attempts to improve adaptive filter performance by refining the adaptation algorithm, the second part of this work looks at improving the convergence rate by using different structures. From an abstract viewpoint, the parameterization we decide to use has no special significance, other than serving as a vehicle to arrive at a good input-output description of the system. However, from a practical viewpoint, the parameterization decides how easy it is to numerically minimize the cost function that the adaptive filter is attempting to minimize. A balanced realization is known to minimize the parameter sensitivity as well as the condition number for Grammians. Furthermore, a balanced realization is useful in model order reduction. These properties of the balanced realization make it an attractive candidate as a structure for adaptive filtering. We propose an adaptive filtering algorithm based on balanced realizations. The third part of this dissertation proposes a unit-norm-constrained equation-error based adaptive IIR filtering algorithm. Minimizing the equation error subject to the unit-norm constraint yields an unbiased estimate for the parameters of a system, if the measurement noise is white. The proposed algorithm uses the hyper-spherical transformation to convert this constrained optimization problem into an unconstrained optimization problem. It is shown that the hyper-spherical transformation does not introduce any new minima in the equation error surface. Hence, simple gradient-based algorithms converge to the global minimum. Simulation results indicate that the proposed algorithm provides an unbiased estimate of the system parameters. / Ph. D.