Made available in DSpace on 2016-08-17T14:52:45Z (GMT). No. of bitstreams: 1 Deusdete Brito.PDF: 646824 bytes, checksum: 52d3dc54a7bd1d78f16e7b240f977ce8 (MD5) Previous issue date: 2002-10-11 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / In this work we consider the calculation of the heart instantaneous frequency from the estimate of the weights, gotten through LMS algorithm, (Least Mean Squares) when functioning as spectrum analyzer. It is known that the electrocardiogram (ECG) is a signal that is characterized for a repetitive regularity, which can be called quasi-periodicity. We explore this characteristic to extract the instantaneous frequency of the referred signal. For this, we use the LMS as a spectral analyzer. We use as reference inputs pairs of sines and cosines, inside the frequency band where if it finds the frequency of the desired signal, namely, the heart frequency. The algorithm estimates the frequency desired in real time, with the signal acquired through a data acquisition interface Intel 80C31. The results obtained show that the algorithm can be recommended for this purpose, as besides being easily implemented and generating small computational load it estimates the heart instantaneous frequency with a relative mean error of 0.025 which represent a difference of 18.89% between the two methods. / Neste trabalho propomos o cálculo da frequência instantânea cardíaca a partir da estimativa do espectrograma dos pesos sinápticos, obtidos através do algoritmo LMS, (Least Mean Square) quando funcionando como analisador de espectro. Sabe-se que o eletrocardiograma (ECG) é um sinal que se caracteriza por uma regularidade repetitiva, que se pode chamar quasiperiodicidade. Exploramos aqui essa característica para extrair a frequência instantânea do referido sinal. Para isso, utilizamos o LMS como analisador de espectro. Utilizamos como entradas de referència pares de senos e cossenos, dentro da faixa de frequência em que se encontra a frequência do sinal desejado, no caso, a frequência cardíaca. O algoritmo estima a frequência desejada em tempo real, com obtenção do sinal através de uma interface de aquisição de dados Intel 80C31. Os resultados obtidos mostraram que o algoritmo pode ser recomendado pra esta finalidade, pois além de ser facilmente implementável e por gerar pequena carga computacional ele estimou a frequência instantânea cardíaca com um erro relativo médio de 0.025 que representa uma diferença de 18.89% entre os dois métodos.

Made available in DSpace on 2016-08-17T14:52:41Z (GMT). No. of bitstreams: 1 Dissertacao-WilanderTestonePereiraSilva.pdf: 3903191 bytes, checksum: b91ff906a27937df64d75b330c6ea137 (MD5) Previous issue date: 2016-03-11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In this dissertation we present a research in aspects of stochastic modeling, convergence and applications of least mean square (LMS) algorithm, normalized least mean square (NLMS) algorithm and proportionate normalized least mean square (PNLMS) algorithm. Specifically, the aim is to address the LMS algorithm in your extension, defining his concepts, demonstrations of properties, algorithms and analysis of convergence, Learning Curve and Misadjustment of the algorithm in question. Within of the context of sensor networks and spatial filtering is evaluated the performance of the algorithms by the learning curve of the referred algorithms for arrangements of adaptive antennas. In the intrinsic context of the application in electrical engineering, in area of telecommunications that seek the best alternative and aims to optimize the process of transmission/reception to eliminate interference, and the least amount of elements in adaptive antenna arrays, which they are known as smart antenna, which aims to reach a signal noise ratio for small value, with appropriate number of elements. The performance of the LMS algorithm is evaluated in sensor networks that is characterized by an antenna array. Results of computer simulations for different scenarios of operation show that the algorithms have good numerical results of convergence to a suitable choice of the parameters related with the rate of learning that are associated with their average curves and the beamforming of the smart antenna array. / Nesta dissertação de mestrado apresenta-se uma investigação em aspectos de modelagem estocástica, convergência e aplicações dos algoritmos de mínimos quadrados médio (LMS), mínimos quadrados médio normalizado (NLMS) e mínimos quadrados médio normalizado proporcional (PNLMS). Particularmente, aborda-se o Algoritmo LMS em sua extensão, definindo conceitos, demonstrações de propriedades, algoritmos e análise de convergência, Curva de Aprendizagem e Desajuste do referido algoritmo. Dentro do contexto de redes de sensores e filtragem espacial avalia-se o desempenho dos algoritmos por meio da curva de aprendizagem dos referidos algoritmos para os arranjos de antenas adaptativas. No contexto intrínseco da aplicação em engenharia elétrica, isto é, na área de telecomunicações procura-se a melhor alternativa e almeja-se a otimização do processo de transmissão/recepção para eliminar interferências e a menor quantidade de elementos em arranjos de antenas adaptativas, que são conhecidas como antenas inteligentes, e que tem como objetivo atingir uma relação Sinal Ruído para valor pequeno, com número adequado de elementos. O desempenho do algoritmo LMS é avaliado em redes de sensores que é caracterizada por um arranjo de antenas. Resultados de simulações computacionais para diferentes cenários de operação mostram que os algoritmos apresentam bons resultados numéricos de convergência para uma escolha adequada dos parâmetros relacionados com a taxa de aprendizagem que são associadas com suas curvas médias e com a conformação de feixes do arranjo em antenas inteligentes.