Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016 / Made available in DSpace on 2016-09-20T04:01:25Z (GMT). No. of bitstreams: 1 339520.pdf: 2374408 bytes, checksum: eaac09f4bb3eb1147902dee8e2047bbe (MD5) Previous issue date: 2016 / Neste trabalho de pesquisa, novos algoritmos de filtragem adaptativa orientados à identificação de sistemas esparsos são desenvolvidos. Tais algoritmos baseiam-se no uso de restrição de norma aplicada ao vetor de coeficientes, de forma semelhante a outros algoritmos voltados a sistemas esparsos, destacando-se os algoritmos baseados nas projeções em esferas de norma l1 (l1 norm ball), recentemente propostos. Em contraste com tais algoritmos, a abordagem aqui proposta incorpora uma restrição de norma ao processo de otimização simultaneamente à restrição afim, que caracteriza o algoritmo NLMS (normalized least-mean-square algorithm). Com uma concepção mais simples do que alguns importantes algoritmos da literatura, essa nova abordagem leva a algoritmos eficazes com menor complexidade computacional e com parâmetros de controle de fácil ajuste. Uma formulação geral para obtenção dos algoritmos é proposta de maneira a permitir a utilização de diferentes tipos de normas em sua concepção. A partir de tal formulação, duas famílias de algoritmos são derivadas, a saber: os algoritmos com restrição de norma l1 [l1-norm constrained (l1NC) algorithms] e os algoritmos com restrição de norma l0 [l0-norm constrained (l0NC) algorithms], sendo que diferentes versões desses algoritmos são apresentadas e discutidas. Através de simulações numéricas, os algoritmos propostos são avaliados, exibindo resultados promissores quando comparados com outros algoritmos da literatura para aplicações em identificação de sistemas esparsos. Modelos estocásticos para os algoritmos propostos são também derivados, buscando predizer seu comportamento em diferentes condições de operação.<br> / Abstract: In this research work, novel adaptive algorithms for sparse system identification are developed. Such algorithms are based on norm constraint applied to the weight vector, similarly to other algorithms aimed at sparse systems, especially the projection-based algorithms using l1 norm ball recently proposed. In contrast to such algorithms, the proposed approach incorporates a norm constraint into the optimization process along with the affine constraint, which characterizes the normalized least-mean-square (NLMS) algorithm. With a simpler conception than some important algorithms from the literature, this new approach leads to efficient algorithms with a lower computational complexity and an easy adjustment of their control parameters. A general formulation is proposed allowing the use of different weight-vector norms in the algorithm development. From this formulation, two algorithm families have been derived, namely: the l1-norm constrained (l1NC) algorithm and the l0-norm constrained (l0NC) one. Different versions of these algorithms are presented and discussed. Through numerical simulations, the proposed algorithms are assessed. These algorithms have shown promising results as compared with other algorithms from the literature for applications in sparse system identification. Stochastic models for the proposed algorithms are also derived, aiming to predict their behavior in different operating conditions.

No campo do processamento digital de sinais e em especial da filtragem adaptativa, procura-se continuamente algoritmos que sejam rápidos e simples. Neste contexto, este trabalho apresenta o estudo de novos algoritmos de tempo discreto denominados algoritmos aceleradores (completo, regressivo e progressivo), obtidos a partir da discretização de um algoritmo de tempo contínuo baseado no ajuste da segunda derivada (aceleração) da estimativa dos parâmetros. Destes algoritmos optou-se por estudar mais aprofundadamente os algoritmos aceleradores progressivo e regressivo, devido respectivamente a sua menor complexidade computacional e ao seu desempenho. Para este estudo e análise foram escolhidos como base de comparação os algoritmos LMS e NLMS. Isto porque estes algoritmos estão entre os mais usados e, assim como os algoritmos aceleradores, podem ser obtidos a partir da discretização de algoritmos de tempo contínuo através dos métodos de Euler progressivo e regressivo respectivamente. A análise do algoritmo progressivo mostrou que seu desempenho é inferior ao do algoritmo LMS. Visando diminuir a complexidade computacional do algoritmo acelerador regressivo, foi obtido um novo algoritmo: o versão g. Assim a análise focou-se no algoritmo acelerador regressivo versão g, o qual apresentou um desempenho bom quando comparado no desajuste e no tracking com o algoritmo NLMS, mostrando um melhor compromisso entre velocidade de convergência e variância das estimativas. Este bom desempenho foi comprovado por análises teóricas, por simulações e através da aplicação deste algoritmo na equalização de um canal variante no tempo. / In the digital signal processing field and specially in adaptive filtering, there is a constant search for algorithms both simple and with good performance. This work presents new discrete-time algorithms called accelerating algorithms (APCM and ARg), obtained through the discretization of a continuous-time algorithm that uses the second derivate (acceleration) to adjust the parameter estimates. We provide theoretical analyses for both algorithms, finding expressions for the mean and mean-square errors in the parameter estimates. In addition, we compare the performance of the accelerating algorithms with LMS and NLMS. The analysis of the APCM algorithm showed that its performance is inferior to that of the LMS algorithm. On the other hand, the ARg algorithm presented good performance when compared in terms of misadjustment and tracking with the NLMS algorithm, showing a better compromise between convergence speed and variance of the estimates. This better performance was proven by theoretical analyses, by simulations and through the application of this algorithm to the equalization of a time-variant channel.

No campo do processamento digital de sinais e em especial da filtragem adaptativa, procura-se continuamente algoritmos que sejam rápidos e simples. Neste contexto, este trabalho apresenta o estudo de novos algoritmos de tempo discreto denominados algoritmos aceleradores (completo, regressivo e progressivo), obtidos a partir da discretização de um algoritmo de tempo contínuo baseado no ajuste da segunda derivada (aceleração) da estimativa dos parâmetros. Destes algoritmos optou-se por estudar mais aprofundadamente os algoritmos aceleradores progressivo e regressivo, devido respectivamente a sua menor complexidade computacional e ao seu desempenho. Para este estudo e análise foram escolhidos como base de comparação os algoritmos LMS e NLMS. Isto porque estes algoritmos estão entre os mais usados e, assim como os algoritmos aceleradores, podem ser obtidos a partir da discretização de algoritmos de tempo contínuo através dos métodos de Euler progressivo e regressivo respectivamente. A análise do algoritmo progressivo mostrou que seu desempenho é inferior ao do algoritmo LMS. Visando diminuir a complexidade computacional do algoritmo acelerador regressivo, foi obtido um novo algoritmo: o versão g. Assim a análise focou-se no algoritmo acelerador regressivo versão g, o qual apresentou um desempenho bom quando comparado no desajuste e no tracking com o algoritmo NLMS, mostrando um melhor compromisso entre velocidade de convergência e variância das estimativas. Este bom desempenho foi comprovado por análises teóricas, por simulações e através da aplicação deste algoritmo na equalização de um canal variante no tempo. / In the digital signal processing field and specially in adaptive filtering, there is a constant search for algorithms both simple and with good performance. This work presents new discrete-time algorithms called accelerating algorithms (APCM and ARg), obtained through the discretization of a continuous-time algorithm that uses the second derivate (acceleration) to adjust the parameter estimates. We provide theoretical analyses for both algorithms, finding expressions for the mean and mean-square errors in the parameter estimates. In addition, we compare the performance of the accelerating algorithms with LMS and NLMS. The analysis of the APCM algorithm showed that its performance is inferior to that of the LMS algorithm. On the other hand, the ARg algorithm presented good performance when compared in terms of misadjustment and tracking with the NLMS algorithm, showing a better compromise between convergence speed and variance of the estimates. This better performance was proven by theoretical analyses, by simulations and through the application of this algorithm to the equalization of a time-variant channel.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T01:32:59Z (GMT). No. of bitstreams: 1 283181.pdf: 7852520 bytes, checksum: 58171468416b311ca144e7ecf0362980 (MD5) / A deficiência auditiva é um mal que atinge parcela significativa da população mundial. Sistemas de auxílio à audição têm se apresentado como importantes aliados na minimização dos problemas de comunicação decorrentes dessa limitação. Um importante fator de impacto sobre o desempenho de aparelhos auditivos é a chamada realimentação acústica, causada pela reinjeção do sinal de saída do dispositivo no próprio microfone de captação. Este trabalho apresenta um estudo sobre o método de erro de predição em sistemas com recursos computacionais limitados. Esta característica é relacionada aos aparelhos auditivos comerciais modernos, que apresentam tamanho reduzido associado à necessidade de incorporar diversos subsistemas de processamento. Inicialmente, a partir de modelos teóricos já existentes para a previsão de desempenho do método de erro de predição, é realizada a expansão para o caso de comprimento deficiente. Os resultados obtidos para a predição do comportamento médio dos coeficientes do filtro de cancelamento de realimentação são confrontados com simulações e resultados práticos. Para tanto, foi construída uma câmara acústica para testes onde foram realizados experimentos em tempo real utilizando um processador digital de sinais dedicado para aparelhos auditivos. Como conclusão, verificou-se a validade dos modelos analíticos derivados e, a partir deles, a influência da limitação de recursos computacionais sobre o desempenho do sistema de cancelamento. De forma particular, verificou-se que o método de erro de predição proporciona maior margem de ganho que o método direto de cancelamento de realimentação, inclusive na situação em que os recursos computacionais são limitados e impedem a completa atuação do método de erro de predição.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Mecânica / Made available in DSpace on 2012-10-22T16:44:49Z (GMT). No. of bitstreams: 1 231334.pdf: 17305413 bytes, checksum: 53b56e7f94fab2eb8f87e7ef3e30a66c (MD5) / Equipamentos industriais geramente são sujetos a vibrações mecânicas não desejadas que comprometem sua operação e integridade. Além disso, causam incômodo para o operador na forma de ruído. Desta observação surge a necessidade de controlar as vibrações e o ruído radiado. Atualmente existem várias abordagens de atenuação de ruído e vibrações as quais podem ser dividas em dois grupos: atenuação utilizando o controle passivo e o controle ativo. Quando o controle passivo não chega a ser possível ou eficiente, o controle ativo se torna necessário. Um sistema de controle ativo atenua a vibração ou ruído acústico medindo e contra-atuando a perturbação não desejada. O primeiro foco desta tese é prever a atenuação da perturbação, dependando do algorítmo de controle utilizado. A possibilidade de atenuar a radiação sonora de uma estrutura fechada é investigada nesse trabalho. O controle ativo é geralmente focalizado na região de baixas freqüências, porém este trabalho de pesquisa propõe uma solução para controlar globalmente a vibração de uma estrutura complexa em qualquer faixa de freqüência desejada. Todas as teorias desenvolvidas nesse trabalho foram comprovadas com experimentos.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-24T08:49:43Z (GMT). No. of bitstreams: 0 / Nesta tese são propostos os algoritmos wavelet-packet-based (WPB) (baseado em pacote wavelet), region-based wavelet-packet (RBWP) (pacote wavelet baseado em regiões) e mimetic wavelet-packet based (MWPB) (baseado na transformada pacote wavelet mimética) para identificação de sistemas com resposta ao impulso esparsa e com espectro de freqüência arbitrário. A transformada discreta de pacote wavelet (TDPW) é adaptativamente ajustada à distribuição da energia do espectro da resposta do sistema desconhecido. A operação do algoritmo WPB é composta de duas fases. A primeira fase é dedicada à busca da TDPW, e enfatiza a escala da transformada da resposta que tem maior energia. A segunda fase busca selecionar o número ótimo de parâmetros significativos para serem efetivamente adaptados. O algoritmo RBWP está fundamentado nas boas propriedades do algoritmo WPB, mas inclui alterações significativas. As distintas características do algoritmo RBWP estão na nova estratégia de ativação baseada em regiões de parâmetros e na nova forma cíclica de desativação/ativação de parâmetros. O algoritmo MWPB generaliza o algoritmo WPB e faz um ajuste periódico da TDPW na direção das características da resposta em tempo real. Isso permite o acompanhamento de mudanças da resposta como, por exemplo, no caso de não-estacionaridade. Os algoritmos utilizam a propriedade da hierarquia temporal para reduzir o número de parâmetros efetivamente adaptados a um número bem próximo da resposta efetiva. Essa seleção é feita baseada em um teste de detecção estatística. É proposta, também, a determinação de um limiar adaptável em função do conhecimento das probabilidades a priori. Simulações e resultados de Monte Carlo mostram um bom desempenho com relação à velocidade de convergência e robustez dos novos algoritmos.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-03-04T19:47:54Z (GMT). No. of bitstreams: 1 313758.pdf: 2236026 bytes, checksum: b96b29cf2037d52a2d1bf72f2088b483 (MD5) / Este trabalho de pesquisa trata da modelagem estocástica de algoritmos adaptativos com sinal de entrada normalizado. Particularmente, visa se obter um modelo estocástico mais preciso para o algoritmo NLMS (normalized least-mean-square) do que os até então disponíveis na literatura. O modelo aqui proposto considera um problema de identificação de sistema com planta estacionária, apresenta solução analítica e contempla diferentes tipos de sinais de entrada gaussianos (complexos, reais, correlacionados e não correlacionados). A partir das expressões que descrevem o comportamento médio do algoritmo, são derivadas expressões para o valor do erro quadrático médio em excesso em regime permanente e o desajuste. Tais expressões possibilitam uma melhor compreensão de como e quais parâmetros afetam o desempenho do algoritmo em regime permanente. Além disso, considerando sinal de entrada branco, relações que permitem ajustar (através do passo de adaptação) a velocidade de convergência e o erro em regime permanente dos algoritmos NLMS e LMS são apresentadas. Resultados de simulação para diferentes cenários de operação são mostrados, atestando a precisão do modelo proposto frente a outros modelos da literatura.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-03-04T20:02:58Z (GMT). No. of bitstreams: 1 307884.pdf: 2324151 bytes, checksum: e8836a0a1ca734d1939b5144cef51992 (MD5) / Algoritmos baseados em kernel têm-se tornado populares no processamento não-linear de sinais. O processamento não-linear aplicado sobre um sinal pode ser modelado como um processamento linear aplicado a um sinal transformado para um espaço de Hilbert com kernels reprodutivos (RKHS). A operação linear no espaço transformado pode ser implementada com baixa complexidade e pode ser melhor estudada e projetada. O algoritmo Kernel Least-Mean-Squares (KLMS) é um algoritmo popular em filtragem adaptativa não-linear devido à sua simplicidade e robustez. Implementações práticas desse algoritmo requerem um modelo de ordem finita do processamento não-linear, o que modifica o comportamento do algoritmo em relação ao LMS simplesmente mapeado para o RKHS. Essa modificação leva à necessidade de novos modelos analíticos para o comportamento do algoritmo. O desempenho do algoritmo é função do passo de convergência e dos parâmetros do kernel empregado. Este trabalho estuda o comportamento do KLMS em regimes transitório e permanente para entradas Gaussianas e um modelo de não-linearidade de ordem finita. Dois kernels são considerados; o Gaussiano e o Polinomial. Derivamos modelos analíticos recursivos para os comportamentos do vetor médio de erros nos coeficientes e do erro quadrático médio de estimação. As previsões do modelo mostram excelente acordo com simulações de Monte Carlo no transitório e no regime permanente. Isso permite a determinação explícita das condições para a estabilidade, e permite escolher os parâmetros do algoritmo a fim de obter um desempenho desejado. Exemplos de projeto são apresentados para o kernel Gaussiano e para o kernel Polinomial de segundo grau de forma a validar a análise teórica e ilustrar sua aplicação. / Kernel-based algorithms have become popular in nonlinear signal processing. A nonlinear processing can be modeled as a linear processing applied to a signal transformed to a reproducing kernel Hilbert space (RKHS). The linear operation in the transformed space can be implemented with low computational complexity and can be more easily studied and designed. The Kernel Least-Mean-Squares (KLMS) is a popular algorithm in nonlinear adaptive filtering due to its simplicity and robustness. Practical implementations of this algorithm require a finite order model for the nonlinear processing. This modifies the algorithm behavior as compared to the LMS simply mapped to the RKHS. This modification leads to the need for new analytical models for the algorithm behavior. The algorithm behavior is a function of both the step size and the kernel parameters. This work studies the KLMS algorithm behavior in transient and in steady-state for Gaussian inputs and for a finite order nonlinearity model. Two kernels are considered; the Gaussian and the Polinomial. We derive analytical models for the behavior of both the mean weight error vector and the mean-square estimation error. The model predictions show excellent agreement with Monte Carlo simulations at both the transient and the steady-state. This allows the explicit determination of the stability limits and to design the algorithm parameters to obtain a desired performance. Design examples are presented for the Gaussian and for the second degree Polinomial kernels to validate the analysis and to illustrate its application.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-15T22:54:44Z (GMT). No. of bitstreams: 1 213777.pdf: 2636879 bytes, checksum: 675b12b9ea4dd28ec466ec3e4c5b023c (MD5) / Esse trabalho apresenta um algoritmo espaço-temporal recursivo em ordem utilizado no cancelamento de interferências em sistemas de radar embarcados em avião. Através de equações recursivas em ordem é desenvolvido o algoritmo RSMI, capaz de processar os dados recebidos ao longo do tempo "rápido", ao passo que os demais algoritmos estudados só iniciam o processamento após todos os dados terem sido recebidos. O algoritmo proposto também apresenta menor custo computacional devido à sua característica de recursividade. Será mostrado que o algoritmo proposto converge pelo critério do erro médio quadrático para o desempenho do algoritmo SMI, à medida em que a ordem do filtro é aumentada. Também mostra-se que a utilização de um número reduzido de pulsos pode levar a um desempenho satisfatório do algoritmo RSMI somado a uma eficiência computacional ainda maior. Outras variantes do algoritmo RSMI também são apresentadas, como o RSMI-DL e RSMI-CMT. O primeiro apresenta robustez quanto à qualidade dos dados recebidos, reduzindo o número de vetores secundários usados na estimação da matriz de correlação das interferências. O segundo faz uso de matrizes covariance matrix tapers que modelam efeitos de descorrelação encontrados em situações práticas, tornando o algoritmo mais robusto à degradação no desempenho causado por esses efeitos.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2009 / Made available in DSpace on 2013-12-05T21:56:59Z (GMT). No. of bitstreams: 1 272198.pdf: 2747280 bytes, checksum: 8b16c8c1f58fba3e278ddea9c1fdd584 (MD5) / A tendência atual no projeto de aparelhos auditivos é a de reduzir o efeito de oclusão causado por moldes herméticos. Se, por um lado, a ventilação do aparelho alivia o desconforto causado pela oclusão, por outro lado permite o acoplamento acústico entre o alto-falante e o microfone do aparelho. Este acoplamento gera um processo de retroalimentação acústica que pode levar à instabilidade do sistema, gerando outro tipo de desconforto. A ocorrência de retroalimentação acústica é atualmente uma das queixas mais comuns entre os usuários de aparelhos auditivos. Várias soluções já foram propostas na literatura para a redução deste problema. Resultados de sistemas de cancelamento da retroalimentação acústica baseados no método do erro predição de identificação de laço fechado indicam que seu desempenho é melhor do que maioria das soluções alternativas. A maioria das análises propostas, entretanto, são limitadas a resultados em regime permanente. Esta tese de doutorado tem o propósito de contribuir para a modelagem do comportamento estatístico de algoritmos adaptativos quando aplicados ao cancelamento da retroalimentação acústica em aparelhos auditivos. Assim, esta tese apresenta uma análise transiente e em regime permanente de um sistema proposto recentemente. A estrutura é analisada para uma adaptação lenta e sinais de entradas autoregressivas. Modelos analíticos são derivados para momentos de primeira e segunda ordem. Isto inclui um modelo para o comportamento transiente da polarização da solução adaptativa. Simulações de Monte Carlo são presentadas para verificar a acurácia dos modelos derivados.