Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-04-08T23:04:23Z No. of bitstreams: 1 NathaleeCavalcanteDeAlmeida_TESE.pdf: 4977201 bytes, checksum: df7d2782334c22ea8da632616ca9ce27 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-04-11T22:52:17Z (GMT) No. of bitstreams: 1 NathaleeCavalcanteDeAlmeida_TESE.pdf: 4977201 bytes, checksum: df7d2782334c22ea8da632616ca9ce27 (MD5) / Made available in DSpace on 2016-04-11T22:52:17Z (GMT). No. of bitstreams: 1 NathaleeCavalcanteDeAlmeida_TESE.pdf: 4977201 bytes, checksum: df7d2782334c22ea8da632616ca9ce27 (MD5) Previous issue date: 2015-06-19 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico - CNPq / A conforma??o de feixe, tamb?m conhecida como beamforming, ? uma t?cnica bastante utilizada em diversas ?reas. Com o aux?lio de um arranjo de antenas, a conforma??o de feixe tem como objetivo minimizar sinais interferentes de dire??es desconhecidas e capturar um sinal desejado de uma dire??o espec?fica. Nesta tese s?o propostas t?cnicas de conforma??o de feixe utilizando Aprendizagem por Refor?o (AR) atrav?s do algoritmo Q-Learning, em arranjo de antenas. Uma das propostas ? utilizar AR para encontrar a pol?tica ?tima de sele??o entre a conforma??o de feixe (CF) e o controle de pot?ncia (CP) a fim de aproveitar melhor as caracter?sticas individuais de cada uma delas para um determinado valor de Rela??o Sinal-Ru?do Interferente (SINR). Outra proposta ? utilizar AR na determina??o da pol?tica ?tima para comuta??o dos algoritmos de conforma??o cega de feixes, Algoritmo do M?dulo Constante (CMA) e o algoritmo de Decis?o Direta (DD) em ambientes com multipercurso. Atrav?s de simula??es destas propostas foi poss?vel concluir que a AR pode ser eficaz para implementar uma pol?tica de comuta??o entre diferentes t?cnicas buscando aproveitar caracter?sticas positivas de cada uma delas. / Beamforming is a technique widely used in various fields. With the aid of an antenna array, the beamforming aims to minimize the contribution of unknown interferents directions, while capturing the desired signal in a given direction. In this thesis are proposed beamforming techniques using Reinforcement Learning (RL) through the Q-Learning algorithm in antennas array. One proposal is to use RL to find the optimal policy selection between the beamforming (BF) and power control (PC) in order to better leverage the individual characteristics of each of them for a certain amount of Signal to Interference plus noise Ration (SINR). Another proposal is to use RL to determine the optimal policy between blind beamforming algorithm of CMA (Constant Modulus Algorithm) and DD (Decision Direct) in multipath environments. Results from simulations showed that the RL technique could be effective in achieving na optimal of switching between different techniques.

Os problemas de separação cega de fontes e desconvolução cega multiusuário vêm sendo intensamente estudados nas últimas décadas, principalmente devido às inúmeras possibilidades de aplicações práticas. A desconvolução multiusuário pode ser compreendida como um problema particular de separação de fontes em que o sistema misturador é convolutivo, e as estatísticas das fontes, que possuem alfabeto finito, são bem conhecidas. Dentre os desafios atuais nessa área, cabe destacar que a obtenção de soluções adaptativas para o problema de separação cega de fontes com misturas convolutivas não é trivial, pois envolve ferramentas matemáticas avançadas e uma compreensão aprofundada das técnicas estatísticas a serem utilizadas. No caso em que não se conhece o tipo de mistura ou as estatísticas das fontes, o problema é ainda mais desafiador. Na área de Processamento Estatístico de Sinais, soluções vêm sendo propostas para resolver casos específicos. A obtenção de algoritmos adaptativos eficientes e numericamente robustos para realizar separação cega de fontes, tanto envolvendo misturas instantâneas quanto convolutivas, ainda é um desafio. Por sua vez, a desconvolução cega de canais de comunicação vem sendo estudada desde os anos 1960 e 1970. A partir de então, várias soluções adaptativas eficientes foram propostas nessa área. O bom entendimento dessas soluções pode sugerir um caminho para a compreensão aprofundada das soluções existentes para o problema mais amplo de separação cega de fontes e para a obtenção de algoritmos eficientes nesse contexto. Sendo assim, neste trabalho (i) revisitam-se a formulação dos problemas de separação cega de fontes e desconvolução cega multiusuário, bem como as relações existentes entre esses problemas, (ii) abordam-se as soluções existentes para a desconvolução cega multiusuário, verificando-se suas limitações e propondo-se modificações, resultando na obtenção de algoritmos com boa capacidade de separação e robustez numérica, e (iii) relacionam-se os critérios de desconvolução cega multiusuário baseados em curtose com os critérios de separação cega de fontes. / Blind source separation and blind deconvolution of multiuser systems have been intensively studied over the last decades, mainly due to the countless possibilities of practical applications. Blind deconvolution in the multiuser case can be understood as a particular case of blind source separation in which the mixing system is convolutive, and the sources, which exhibit a finite alphabet, have well known statistics. Among the current challenges in this area, it is worth noting that obtaining adaptive solutions for the blind source separation problem with convolutive mixtures is not trivial, as it requires advanced mathematical tools and a thorough comprehension of the statistical techniques to be used. When the kind of mixture or source statistics are unknown, the problem is even more challenging. In the field of statistical signal processing, solutions aimed at specific cases have been proposed. The development of efficient and numerically robust adaptive algorithms in blind source separation, for either instantaneous or convolutive mixtures, remains an open challenge. On the other hand, blind deconvolution of communication channels has been studied since the 1960s and 1970s. Since then, various types of efficient adaptive solutions have been proposed in this field. The proper understanding of these solutions can suggest a path to further understand the existing solutions for the broader problem of blind source separation and to obtain efficient algorithms in this context. Consequently, in this work we (i) revisit the problem formulation of blind source separation and blind deconvolution of multiuser systems, and the existing relations between these problems, (ii) address the existing solutions for blind deconvolution in the multiuser case, verifying their limitations and proposing modifications, resulting in the development of algorithms with proper separation performance and numeric robustness, and (iii) relate the kurtosis based criteria of blind multiuser deconvolution and blind source separation.

Os problemas de separação cega de fontes e desconvolução cega multiusuário vêm sendo intensamente estudados nas últimas décadas, principalmente devido às inúmeras possibilidades de aplicações práticas. A desconvolução multiusuário pode ser compreendida como um problema particular de separação de fontes em que o sistema misturador é convolutivo, e as estatísticas das fontes, que possuem alfabeto finito, são bem conhecidas. Dentre os desafios atuais nessa área, cabe destacar que a obtenção de soluções adaptativas para o problema de separação cega de fontes com misturas convolutivas não é trivial, pois envolve ferramentas matemáticas avançadas e uma compreensão aprofundada das técnicas estatísticas a serem utilizadas. No caso em que não se conhece o tipo de mistura ou as estatísticas das fontes, o problema é ainda mais desafiador. Na área de Processamento Estatístico de Sinais, soluções vêm sendo propostas para resolver casos específicos. A obtenção de algoritmos adaptativos eficientes e numericamente robustos para realizar separação cega de fontes, tanto envolvendo misturas instantâneas quanto convolutivas, ainda é um desafio. Por sua vez, a desconvolução cega de canais de comunicação vem sendo estudada desde os anos 1960 e 1970. A partir de então, várias soluções adaptativas eficientes foram propostas nessa área. O bom entendimento dessas soluções pode sugerir um caminho para a compreensão aprofundada das soluções existentes para o problema mais amplo de separação cega de fontes e para a obtenção de algoritmos eficientes nesse contexto. Sendo assim, neste trabalho (i) revisitam-se a formulação dos problemas de separação cega de fontes e desconvolução cega multiusuário, bem como as relações existentes entre esses problemas, (ii) abordam-se as soluções existentes para a desconvolução cega multiusuário, verificando-se suas limitações e propondo-se modificações, resultando na obtenção de algoritmos com boa capacidade de separação e robustez numérica, e (iii) relacionam-se os critérios de desconvolução cega multiusuário baseados em curtose com os critérios de separação cega de fontes. / Blind source separation and blind deconvolution of multiuser systems have been intensively studied over the last decades, mainly due to the countless possibilities of practical applications. Blind deconvolution in the multiuser case can be understood as a particular case of blind source separation in which the mixing system is convolutive, and the sources, which exhibit a finite alphabet, have well known statistics. Among the current challenges in this area, it is worth noting that obtaining adaptive solutions for the blind source separation problem with convolutive mixtures is not trivial, as it requires advanced mathematical tools and a thorough comprehension of the statistical techniques to be used. When the kind of mixture or source statistics are unknown, the problem is even more challenging. In the field of statistical signal processing, solutions aimed at specific cases have been proposed. The development of efficient and numerically robust adaptive algorithms in blind source separation, for either instantaneous or convolutive mixtures, remains an open challenge. On the other hand, blind deconvolution of communication channels has been studied since the 1960s and 1970s. Since then, various types of efficient adaptive solutions have been proposed in this field. The proper understanding of these solutions can suggest a path to further understand the existing solutions for the broader problem of blind source separation and to obtain efficient algorithms in this context. Consequently, in this work we (i) revisit the problem formulation of blind source separation and blind deconvolution of multiuser systems, and the existing relations between these problems, (ii) address the existing solutions for blind deconvolution in the multiuser case, verifying their limitations and proposing modifications, resulting in the development of algorithms with proper separation performance and numeric robustness, and (iii) relate the kurtosis based criteria of blind multiuser deconvolution and blind source separation.

Made available in DSpace on 2016-08-17T14:52:50Z (GMT). No. of bitstreams: 1 Ewaldo Eder.pdf: 1808292 bytes, checksum: 65e8f3c3afbcf9e5bfd61e1b73fb305f (MD5) Previous issue date: 2006-02-17 / In this work we develop a family of adaptive algorithms based on nonlinear functions as a criterion to be applied upon the error, that we want to minimize. Such a development is based upon the use of high order statistics to obtain additional information of the signals involved in the process, intending to enhance the adaptive filtering performance. We derive equations based upon the Taylor s series expansion of the nonlinear functions in order to obtain criterions that guarantee convergence. We also make a study about the covariance of the weight vector on steady state and determine equations that measure the time constant of the adaptive process. We present the sigmoidal algorithm that uses the function Ln(cosh ") as criterion. Simulations of this algorithm are performed to validate the theory and it is also applied to obtain the deterministic components of real impedance cardiographic signals. / Neste trabalho é desenvolvida uma famılia de algoritmos adaptativos baseados em funções não lineares como critério a ser aplicado sobre o erro, o qual deseja-se minimizar. Tal desenvolvimento baseia-se na utilização de estatısticas de alta ordem para a obtenção de mais informações sobre os sinais envolvidos no processo, com o objetivo de melhorar a performance de um filtro adaptativo. Derivamos equações, baseadas na expansão em séries de Taylor das funções não lineares, para a obtenção de critérios que garantam a convergência. Também fazemos um estudo da covariância do vetor peso em regime estacionário e determinamos equações que mensurem a constante de tempo do processo adaptativo. Apresentamos o algoritmo sigmoidal, que utiliza como critério a função Ln(cosh "). Foram feitas simulações com este algoritmo para validar a teoria apresentada, e também o aplicamos para a obtenção das componentes determinısticas de sinais reais de impedância cardiográfica.

Submitted by Patrícia Cerveira (pcerveira1@gmail.com) on 2017-06-06T18:58:56Z No. of bitstreams: 1 Felipe Frasson- Dissertação.pdf: 984658 bytes, checksum: 05ae4f112679292aefe890dc2f563010 (MD5) / Rejected by Biblioteca da Escola de Engenharia (bee@ndc.uff.br), reason: Patrícia, o formulário de submissão apresenta vários erros, informações duplicadas e fora da formatação (orientador, coorientador, resumo, dentre outros). Atenciosamente, Catarina Ribeiro Bibliotecária BEE - Ramal 5992 on 2017-06-29T16:53:14Z (GMT) / Submitted by Patrícia Cerveira (pcerveira1@gmail.com) on 2017-06-29T19:32:38Z No. of bitstreams: 1 Felipe Frasson- Dissertação.pdf: 984658 bytes, checksum: 05ae4f112679292aefe890dc2f563010 (MD5) / Approved for entry into archive by Biblioteca da Escola de Engenharia (bee@ndc.uff.br) on 2017-07-03T13:00:12Z (GMT) No. of bitstreams: 1 Felipe Frasson- Dissertação.pdf: 984658 bytes, checksum: 05ae4f112679292aefe890dc2f563010 (MD5) / Made available in DSpace on 2017-07-03T13:00:12Z (GMT). No. of bitstreams: 1 Felipe Frasson- Dissertação.pdf: 984658 bytes, checksum: 05ae4f112679292aefe890dc2f563010 (MD5) / Em um sistema de comunica c~oes, os sinais s~ao transmitidos atrav es de canais de comunica c~ao que, idealmente, deveriam transportar os dados de maneira a n~ao causar distor c~ao alguma. Por em, em sistemas reais, existem limita c~oes que interferem neste processo causando degrada c~ao nas informa c~oes transmitidas, podendo comprometer sua recep c~ao. Tais limita c~oes ocorrem devido a presen ca de ru do aditivo, e principalmente por interfer^encia intersimb olica, esta caracterizada pela sobreposi c~ao de s mbolos gerados por uma mesma fonte transmissora. A equaliza c~ao de canal e uma das t ecnicas existentes que reduzem os efeitos da interfer^encia intersimb olica, dando maior con abilidade e robustez aos sistemas de comunica c~oes. Dentre as t ecnicas utilizadas para equaliza c~ao de canal, o uso de algoritmo adaptativos vem sendo amplamente utilizados devido as suas propriedades de se auto-ajustarem as varia c~oes que ocorrem ao longo do tempo. Este trabalho tem como objetivo veri car o comportamento de diferentes tipos de algoritmos adaptativos cegos ou semicegos, assim denominados por n~ao utilizarem sequ^encias de treinamento, aplicados a equaliza c~ao de canais esparsos. Canais esparsos s~ao encontrados em diversos sistemas de comunica c~oes como, por exemplo, na comunica c~ao sem o (telefonia m ovel, transmiss~ao de r adio e TV), ou, ainda, em canais subaqu aticos. Os algoritmos foram escolhidos com base em recentes estudos desta aplica c~ao, que operam em modo cego ou semicego e utilizam estat sticas de alta ordem, como os algoritmos Bussgang e Matching Pursuit. Os algoritmos foram implementados em ambiente de simula c~ao computacional no qual foram utilizados canais esparsos simples e de resposta ao impulso conhecida, permitindo comparar o comportamento dos diferentes algoritmos, em termos do sinal recuperado, e da inversa da resposta ao impulso do canal original. / In communications systems, information signals are transmitted through communications channels that, ideally, are delivered without distortions. However, on real communications channels there are limitations that interferes on the process, reducing the probability to recover the original signal at receiver. These distortions are basically thermal noise and Intersymbol Interference (ISI), caused by superposition on the received symbols received from the same source. Channel Equalization acts reducing these distortions, bringing more reliability to communications systems. The objective of this work is to verify di erent adaptive algorithms behavior, applied to sparse channel equalization problem. Many communications systems have sparse channels, like broadcast radio, television, mobile telephony and underwater communications. The selected algorithms used in this work includes high order statistics algorithms family, like Bussgang and Matching Pursuit. This kind of algorithms are widely used, with high relevance, for blind channel equalization. The selected algorithms were submitted to computer simulations using simple sparse channels and knowledge about their impulse response, in order to analyze their behavior in therms of bit error rate and the inverse impulse response of the channel.

O objetivo da desconvolução cega de imagens é restaurar uma imagem degradada sem usar informação da imagem real ou da função de degradação. O mapeamento dos níveis de cinza de uma imagem em um sinal de comunicação possibilita o uso de técnicas de equalização cega de canais para a restauração de imagens. Neste trabalho, propõe-se o uso de um esquema para desconvolução cega de imagens baseado na combinação convexa de um equalizador cego com um equalizador no modo de decisão direta. A combinação também é adaptada de forma cega, o que possibilita o chaveamento automático entre os filtros componentes. Dessa forma, o esquema proposto é capaz de atingir o desempenho de um algoritmo de filtragem adaptativa supervisionada sem o conhecimento prévio da imagem original. O desempenho da combinação é ilustrado por meio de simulações, que comprovam a eficiência desse esquema quando comparado a outras soluções da literatura. / The goal of blind image deconvolution is to restore a degraded image without using information from the actual image or from the point spread function. The mapping of the gray levels of an image into a communication signal enables the use of blind equalization techniques for image restoration. In this work, we use a blind image deconvolution scheme based on the convex combination of a blind equalizer with an equalizer in the decision-directed mode. The combination is also blindly adapted, which enables automatic switching between the component filters. Thus, the proposed scheme is able to achieve the performance of a supervised adaptive filtering algorithm without prior knowledge of the original image. The performance of the combination is illustrated by simulations, which show the efficiency of this scheme when compared to other solutions in the literature.

O objetivo da desconvolução cega de imagens é restaurar uma imagem degradada sem usar informação da imagem real ou da função de degradação. O mapeamento dos níveis de cinza de uma imagem em um sinal de comunicação possibilita o uso de técnicas de equalização cega de canais para a restauração de imagens. Neste trabalho, propõe-se o uso de um esquema para desconvolução cega de imagens baseado na combinação convexa de um equalizador cego com um equalizador no modo de decisão direta. A combinação também é adaptada de forma cega, o que possibilita o chaveamento automático entre os filtros componentes. Dessa forma, o esquema proposto é capaz de atingir o desempenho de um algoritmo de filtragem adaptativa supervisionada sem o conhecimento prévio da imagem original. O desempenho da combinação é ilustrado por meio de simulações, que comprovam a eficiência desse esquema quando comparado a outras soluções da literatura. / The goal of blind image deconvolution is to restore a degraded image without using information from the actual image or from the point spread function. The mapping of the gray levels of an image into a communication signal enables the use of blind equalization techniques for image restoration. In this work, we use a blind image deconvolution scheme based on the convex combination of a blind equalizer with an equalizer in the decision-directed mode. The combination is also blindly adapted, which enables automatic switching between the component filters. Thus, the proposed scheme is able to achieve the performance of a supervised adaptive filtering algorithm without prior knowledge of the original image. The performance of the combination is illustrated by simulations, which show the efficiency of this scheme when compared to other solutions in the literature.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-06-23T20:42:44Z No. of bitstreams: 1 CesarCasteloBranco.pdf: 11257769 bytes, checksum: 911c33f2f0ba5c1c0948888e713724f6 (MD5) / Made available in DSpace on 2017-06-23T20:42:44Z (GMT). No. of bitstreams: 1 CesarCasteloBranco.pdf: 11257769 bytes, checksum: 911c33f2f0ba5c1c0948888e713724f6 (MD5) Previous issue date: 2016-12-12 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPQ) / This work proposes new methodologies to optimize the choice of the parameters of the proportionate normalized least-mean-square (PNLMS) adaptive algorithms. The proposed approaches use procedures based on two optimization methods, namely, the golden section and tabu search methods. Such procedures are applied to determine the optimal parameters in each iteration of the adaptation process of the PNLMS and improved PNLMS (IPNLMS) algorithms. The objective function for the proposed procedures is based on the a posteriori estimation error. Performance studies carried out to evaluate the impact of the PNLMS and IPNLMS parameters in the behavior of these algorithms shows that, with the aid of optimization techniques to choose properly such parameters, the performance of these algorithms may be improved in terms of convergence speed for the identification of plants with high sparseness degree. The main goal of the proposed methodologies is to improve the distribution of the adaptation energy between the coefficients of the PNLMS and IPNLMS algorithms, using parameter values that lead to the minimal estimation error of each iteration of the adaptation process. Numerical tests performed (considering various scenarios in which the plant impulse response is sparse) show that the proposed methodologies achieve convergence speeds faster than the PNLMS and IPNLMS algorithms, and other algorithms of the PNLMS class, such as the sparseness controlled IPNLMS (SC-IPNLMS) algorithm. / Neste trabalho, novas metodologias para otimizar a escolha dos parâmetros dos algoritmos adaptativos LMS normalizados proporcionais (PNLMS) são propostas. As abordagens propostas usam procedimentos baseados em dois métodos de otimização, a saber, os métodos da razão áurea e da busca tabu. Tais procedimentos são empregados para determinar os parâmetros ótimos em cada iteração do processo de adaptação dos algoritmos PNLMS e PNLMS melhorado (IPNLMS). A função objetivo adotada pelos procedimentos propostos é baseada no erro de estimação a posteriori. O estudo de desempenho realizado para avaliar o impacto dos parâmetros dos algoritmos PNLMS e IPNLMS no comportamento dos mesmos mostram que, com o auxílio de técnicas de otimização para escolher adequadamente tais parâmetros, o desempenho destes algoritmos pode ser melhorado, em termos de velocidade de convergência, para a identificação de plantas com elevado grau de esparsidade. O principal objetivo das metodologias propostas é melhorar a distribuição da energia de ativação entre os coeficientes dos algoritmos PNLMS e IPNLMS, usando valores de parâmetros que levam ao erro de estimação mínimo em cada iteração do processo de adaptação. Testes numéricos realizados (considerando diversos cenários nos quais a resposta impulsiva da planta é esparsa) mostram que as metodologias propostas alcançam velocidades de convergência superiores às dos algoritmos PNLMS e IPNLMS, além de outros algoritmos da classe PNLMS, tais como o algoritmo IPNLMS com controle de esparsidade (SCIPNLMS).

Esta Tesis doctoral se ha centrado en el desarrollo e implementación de algoritmos eficientes multicanal, basados en el algoritmo de proyección afín, aplicados al control activo de ruido. Para abordar esta cuestión primeramente se han estudiado diferentes algoritmos eficientes de proyección afín que han sido analizados y validados mediante simulación, finalizando con la implementación, en un recinto, de un sistema real de control activo de ruido multicanal ejecutado en un DSP controlado por dichos algoritmos. En los últimos años, los algoritmos de proyección afín han sido propuestos como algoritmos de control en sistemas adaptativos, que pretenden mejorar la velocidad de convergencia de los algoritmos basados en el LMS, siendo una alternativa eficiente, robusta y estable frente a estos algoritmos, cuya limitación principal es, precisamente, la velocidad de convergencia. Los algoritmos de proyección afín pueden ser considerados como una extensión natural del algoritmo NLMS, ya que éste actualiza sus coeficientes basándose en un único vector de datos de la señal de entrada mientras que los algoritmos de proyección afín actualizan los coeficientes de los filtros adaptativos usando N vectores de datos de la señal de entrada (siendo N el orden de proyección). Se han dedicado muchos esfuerzos para tratar de optimizar la eficiencia computacional de estos algoritmos aplicados al problema de la cancelación de eco, surgiendo diferentes versiones eficientes del algoritmo de proyección afín. Sin embargo, al aplicarlo al control activo de ruido, es necesario reducir aún más la complejidad computacional, teniendo en cuenta que, por lo general, la eficiencia computacional se consigue a costa de la degradación de alguna otra característica del algoritmo (generalmente la velocidad de convergencia). En este trabajo se presentan algunas alternativas a versiones eficientes existentes, que no degradan significativamente las prestaciones de dicho algoritmo, y se analiza cómo reducir aún / Ferrer Contreras, M. (2008). Filtrado adaptativo multicanal para control local de campo sonoro basado en algoritmos de proyección afín [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/3796 / Palancia

[pt] As redes da Internet das Coisas (IdC) incluem dispositivos inteligentes que contêm muitos sensores que permitem interagir com o mundo físico, coletando e processando dados de streaming em tempo real. O consumo total de energia e o custo desses sensores afetam o consumo de energia e o custo dos dispositivos IdC. O tipo de sensor determina a precisão da interface analógica e a resolução dos conversores analógico-digital (ADCs). A resolução dos ADCs tem um compromisso entre a precisão de inferência e o consumo de energia, uma vez que o consumo de energia dos ADCs depende do número de bits usados para representar amostras digitais. Nesta tese, apresentamos um esquema de aprendizado distribuído com eficiência energética usando sinais quantizados para redes da IdC. Em particular, desenvolvemos algoritmos de gradiente estocástico com reconhecimento de quantização distribuído (DQA-LMS) e de mínimos quadrados recursivos com reconhecimento de quantização distribuído (DQA-RLS) que podem aprender parâmetros de maneira eficiente em energia usando sinais quantizados com poucos bits, exigindo um baixo custo computacional. Além disso, desenvolvemos uma estratégia de compensação de viés para melhorar ainda mais o desempenho dos algoritmos propostos. Uma análise estatística dos algoritmos propostos juntamente com uma avaliação da complexidade computacional das técnicas propostas e existentes é realizada. Os resultados numéricos avaliam os algoritmos com reconhecimento de quantização distribuída em relação às técnicas existentes para uma tarefa de estimação de parâmetros em que os dispositivos IdC operam em um modo ponto a ponto. Também apresentamos um esquema de aprendizado federativo com eficiência energética usando sinais quantizados para redes de IdC. Desenvolvemos o algoritmo federated averaging LMS (QA-FedAvg-LMS) com reconhecimento de quantização para redes IdC estruturadas por configuração de aprendizado federativo em que os dispositivos IdC trocam suas estimativas com um servidor. Uma estratégia de compensação de viés para QA-FedAvg-LMS é proposta junto com sua análise estatística e a avaliação de desempenho em relação às técnicas existentes com resultados numéricos. / [en] Internet of Things (IoT) networks include smart devices that contain many sensors that allow them to interact with the physical world, collecting and processing streaming data in real time. The total energy-consumption and cost of these sensors affect the energy-consumption and the cost of IoT devices. The type of sensor determines the accuracy of the analog interface and the resolution of the analog-to-digital converters (ADCs). The ADC resolution requirement has a trade-off between sensing performance and energy consumption since the energy consumption of ADCs strongly depends on the number of bits used to represent digital samples. In this thesis, we present an energy-efficient distributed learning framework using coarsely quantized signals for IoT networks. In particular, we develop a distributed quantization-aware least-mean square (DQA-LMS) and a distributed quantization-aware recursive least-squares (DQA-RLS) algorithms that can learn parameters in an energy-efficient fashion using signals quantized with few bits while requiring a low computational cost. Moreover, we develop a bias compensation strategy to further improve the performance of the proposed algorithms. We then carry out a statistical analysis of the proposed algorithms along with a computational complexity evaluation of the proposed and existing techniques. Numerical results assess the distributed quantization-aware algorithms against existing techniques for distributed parameter estimation where IoT devices operate in a peer-to-peer mode. We also introduce an energy-efficient federated learning framework using coarsely quantized signals for IoT networks, where IoT devices exchange their estimates with a server. We then develop the quantization-aware federated averaging LMS (QA-FedAvg-LMS) algorithm to perform parameter estimation at the clients and servers. Furthermore, we devise a bias compensation strategy for QA-FedAvg-LMS, carry out its statistical analysis, and assess its performance against existing techniques with numerical results.