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.

Tato práce je psaná v angličtině a je zaměřená na problematiku ekvalizace v digitálních komunikačních systémech. Teoretická část zahrnuje stručné pozorování různých způsobů návrhu ekvalizérů. Praktická část se zabývá implementací nejčastěji používaných ekvalizérů a s jejich adaptačními algoritmy. Cílem praktické části je porovnat jejich charakteristiky a odhalit činitele, které ovlivňují kvalitu ekvalizace. V rámci problematiky ekvalizace jsou prozkoumány tři typy ekvalizérů. Lineární ekvalizér, ekvalizér se zpětnou vazbou a ML (Maximum likelihood) ekvalizér. Každý ekvalizér byl testován na modelu, který simuloval reálnou přenosovou soustavu s komplexním zkreslením, která je složena z útlumu, mezisymbolové interference a aditivního šumu. Na základě implenentace byli určeny charakteristiky ekvalizérů a stanoveno že optimální výkon má ML ekvalizér. Adaptační algoritmy hrají významnou roli ve výkonnosti všech zmíněných ekvalizérů. V práci je nastudována skupina stochastických algoritmů jako algoritmus nejmenších čtverců(LMS), Normalizovaný LMS, Variable step-size LMS a algoritmus RLS jako zástupce deterministického přístupu. Bylo zjištěno, že RLS konverguje mnohem rychleji, než algoritmy založené na LMS. Byly nastudovány činitele, které ovlivnili výkon popisovaných algoritmů. Jedním z důležitých činitelů, který ovlivňuje rychlost konvergence a stabilitu algoritmů LMS je parametr velikosti kroku. Dalším velmi důležitým faktorem je výběr trénovací sekvence. Bylo zjištěno, že velkou nevýhodou algoritmů založených na LMS v porovnání s RLS algoritmy je, že kvalita ekvalizace je velmi závislá na spektrální výkonové hustotě a a trénovací sekvenci.