Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T03:54:59Z (GMT). No. of bitstreams: 1 286039.pdf: 6475495 bytes, checksum: 845d7e93249013b3d55df870c15027e6 (MD5) / Este trabalho apresenta uma análise estatística de três importantes algoritmos adaptativos baseados no gradiente estocástico utilizando sinais de entrada normalizados. Os algoritmos com sinal de entrada normalizado são utilizados como uma alternativa ao algoritmo LMS (least-mean-square) convencional, visando melhorar a velocidade de convergência (especialmente para sinais de entrada correlacionados), tornando o desempenho do filtro adaptativo mais robusto frente a variações de potência do sinal de entrada. São apresentados modelos estatísticos mais precisos para os algoritmos considerados, a saber: LMS normalizado (NLMS), LMS no domínio transformado (LMS-DT) e gradiente estocástico com restrições (Constrained Stochastic Gradient - CSG). Em particular, o algoritmo CSG, aqui discutido, é utilizado em controle de arranjos de antenas para sistemas celulares. Através do modelo do algoritmo CSG, é verificado um comportamento anômalo e é proposta uma versão melhorada para esse algoritmo. Para os outros algoritmos adaptativos estudados, os modelos obtidos apresentam maior precisão quando comparados com outros modelos disponíveis na literatura, permitindo um melhor domínio desses algoritmos para diferentes condições de operação. / This research work presents a statistical analysis for three important adaptive algorithms based on the stochastic gradient using normalized input signal. Algorithms with normalized input signal are used as an alternative to the standard least-mean-square (LMS) algorithm aiming to improve the convergence speed (especially for correlated input signal), increasing the adaptive filter robustness under input signal power variations. More accurate statistical models for the normalized LMS (NLMS), transform domain LMS (TDLMS), and constrained stochastic gradient (CSG) algorithms are presented. In particular, the CSG algorithm here considered is used for controlling antenna arrays in cellular systems. Through the CSG algorithm model, an anomalous behavior in its standard version is verified and an improved algorithm is also proposed. For the other algorithms, the obtained models are more accurate than the ones available in the literature, allowing a better and deeper understanding of theses algorithms under different operating conditions.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-22T20:33:02Z (GMT). No. of bitstreams: 1 238806.pdf: 907744 bytes, checksum: cff64e1483fcca731e67fc2a1d5f52d0 (MD5) / Neste trabalho, são apresentados modelos estatísticos que descrevem o comportamento de dois algoritmos adaptativos com estrutura em sub-bandas: o algoritmo NLMS (normalized least-mean-square) aplicado a uma estrutura em sub-bandas com decomposição generalizada (GSD-NLMS) e o algoritmo de filtragem adaptativa em sub-bandas normalizado (normalized subband adaptive filtering - NSAF). Para tais algoritmos, são considerados sinais de entrada Gaussianos e hipótese de adaptação lenta. Esses algoritmos são utilizados como uma alternativa ao algoritmo LMS convencional, visando melhorar a velocidade de convergência para sinais de entrada fortemente correlacionados. Os dois algoritmos aqui considerados realizam um processamentoparalelo do sinal de entrada e utilizam um passo de adaptação variável no tempo. Tal processamento é baseado em uma decomposição em sub-bandas. Modelos analíticos para o momento de primeira ordem do vetor de coeficientes do filtro adaptativo bem como para a curva de aprendizagem são obtidos. Para isso, são levadas em conta a natureza variante no tempo do passo de adaptação como também um parâmetro de regularização, o qual é adicionado à estimativa de potência média requerida pelo algoritmo. Através de simulações numéricas, a precisão dos modelos aqui obtidos é avaliada. This work presents stochastic models for the normalized least-mean-square algorithm using a structure with generalized subband decomposition (GSD-NLMS) and for the normalized subband adaptive filtering (NSAF) algorithm, considering Gaussian input signal and slow adaptation. Such algorithms are used as an alternative to the standard LMS to overcome the convergence problems under correlated input signals. Both the studied algorithms make use of a parallel processing of the input signal, based on a subband decomposition, as well as consider a time-varying step-size parameter. Analytical models for the first moment of the filter weight vector and the learning curve for the discussed algorithms are presented. The used analysis takes into account the time-varying nature of the step-size parameter as well as a regularization parameter (added to the power estimate), which prevents division by zero in the power normalization phase. Through simulation results the accuracy of the model here derived is assessed.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016 / Made available in DSpace on 2016-09-20T05:04:16Z (GMT). No. of bitstreams: 1 339931.pdf: 1867752 bytes, checksum: d0e5b7cae37388d2084432ced6832e57 (MD5) Previous issue date: 2016 / Esta dissertação apresenta o desenvolvimento de um novo algoritmo adaptativo para conformação de feixe em arranjos de antenas com redução de posto. O novo algoritmo é baseado na estratégia de redução de posto proposta para o algoritmo JIO-CMV-SG (joint and iterative optimization - constrained minimum variance - stochastic gradient), que utiliza otimização conjunta e iterativa entre a matriz de redução de posto e os coeficientes do filtro de conformação de feixe. O algoritmo JIO-CMV-SG, conforme demonstrado neste trabalho, não é capaz de garantir, sob certas situações, ganho unitário na direção do SOI (signal-of-interest), como determinado pelo critério MVDR (minimum variance distortionless response). O algoritmo proposto foi formulado de modo que essa restrição seja sempre atendida, independente do cenário de operação considerado. Este trabalho apresenta também uma análise estocástica visando obter o modelo de primeira ordem do algoritmo proposto. Comparações entre o algoritmo proposto e os algoritmos JIO-CMV-SG e CLMS (constrained least-mean-square) em termos de complexidade computacional e de desempenho são também apresentadas. Resultados de simulações numéricas são mostrados a fim de comprovar a eficácia do algoritmo proposto.<br> / Abstract: This work presents a novel reduced-rank adaptive beamforming algorithm for antenna arrays. The new algorithm is based on the rank-reducing strategy proposed for the JIO-CMV-SG (joint and iterative optimization - constrained minimum variance - stochastic gradient) algorithm, which considers a joint-iterative optimization process to update both the rank-reducing matrix and the beamforming coefficients. The JIO-CMV-SG algorithm, as demonstrated in this document, is unable to ensure, under some circumstances, the unit gain constraint of the original MVDR (minimum variance distortionless response) criterion. The proposed algorithm was formulated in such a way that the unit gain constraint is always met, irrespective of the operating scenario. This dissertation also presents a first order stochastic model of the proposed algorithm as well as compares such an algorithm with the JIO-CMV-SG and the CLMS (constrained least-mean-square) in terms of computational burden and performance. The performance of these algorithms are assessed through numerical simulations, which confirm the effectiveness of the proposed algorithm.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-22T17:21:54Z (GMT). No. of bitstreams: 1 235439.pdf: 1544648 bytes, checksum: 0cfdc892f1d518a47e21edc08d362407 (MD5) / Este trabalho discute aspectos de implementação e a avaliação de desempenho de algoritmos adaptativos aplicados em controle ativo de vibrações. A estratégia utilizada é a de um controlador adaptativo na configuração feedforward. Nessa abordagem, o controlador monitora a vibração existente no sistema mecânico, fornecendo um sinal de saída que permite reduzir as vibrações indesejadas de tal sistema. Os algoritmos adaptativos aqui considerados são versões aprimoradas do bem conhecido algoritmo LMS. A escolha do algoritmo LMS é justificada devido a sua baixa complexidade computacional e também por apresentar certas facilidades de implementação. As versões consideradas possuem parâmetros de ajuste, tais como passo de adaptação e fator de perdas os quais afetam o desempenho dos algoritmos em questão. Os resultados obtidos nos experimentos permitem avaliar o comportamento de cada algoritmo em função de seus parâmetros de ajuste, bem como comparar o desempenho entre as diferentes versões de algoritmos consideradas.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016. / Made available in DSpace on 2017-05-02T04:11:04Z (GMT). No. of bitstreams: 1 345229.pdf: 8370755 bytes, checksum: 43bc9ba1a882d921528fd1f71fccec7d (MD5) Previous issue date: 2016 / Abstract : Super resolution reconstruction (SRR) is a technique that consists basically in combining multiple low resolution images from a single scene in order to create an image with higher resolution. The main characteristics considered in the evaluation of SRR algorithms performance are the resulting image quality, its robustness to outliers and its computational cost. Among the super resolution algorithms present in the literature, the R-LMS has a very small computational cost, making it suitable for real-time operation. However, like many SRR techniques the R-LMS algorithm is also highly susceptible to outliers, which can lead the reconstructed image quality to be of lower quality than the low resolution observations. Although robust techniques have been proposed to mitigate this problem, the computational cost associated with even the simpler algorithms is not comparable to that of the R-LMS, making real-time operation impractical. It is therefore desirable to devise new algorithms that offer a better compromise between quality, robustness and computational cost. In this work, a new SRR technique based on the R-LMS algorithm is proposed. Based on the proximal-point cost function representation of the gradient descent iterative equation, an intuitive interpretation of the R-LMS algorithm behavior is obtained, both in ideal conditions and in the presence of outliers. Using a statistical model for the innovation outliers, a new regularization is then proposed to increase the algorithm robustness by allowing faster convergence on the subspace corresponding to the innovations while at the same time preserving the estimated image details. Two new algorithms are then derived. Computer simulations have shown that the new algorithms deliver a performance comparable to that of the R-LMS in the absence of outliers, and a significantly better performance in the presence of outliers, both quantitatively and visually. The computational cost of the proposed solution remained comparable to that of the R-LMS.<br> / Reconstrução com super resolução (SRR - Super resolution reconstruction) é uma técnica que consiste basicamente em combinar múltiplas imagens de baixa resolução a fim de formar uma única imagem com resolução superior. As principais características consideradas na avaliação de algoritmos de SRR são a qualidade da imagem reconstruída, sua robustez a outliers e o custo computacional associado. Uma maior qualidade nas imagens reconstruídas implica em um maior aumento efetivo na resolução das mesmas. Uma maior robustez, por outro lado, implica que um resultado de boa qualidade é obtido mesmo quando as imagens processadas não seguem fielmente o modelo matemático adotado. O custo computacional, por sua vez, é extremamente relevante em aplicações de SRR, dado que a dimensão do problema é extremamente grande. Uma das principais aplicações da SRR consiste na reconstrução de sequências de vídeo. De modo a facilitar o processamento em tempo real, o qual é um requisito frequente para aplicações de SRR de vídeo, algorítmos iterativos foram propostos, os quais processam apenas uma imagem a cada instante de tempo, utilizando informações presentes nas estimativas obtidas em instantes de tempo anteriores. Dentre os algoritmos de super resolução iterativos presentes na literatura, o R-LMS possui um custo computacional extremamente baixo, além de fornecer uma reconstrução com qualidade competitiva. Apesar disso, assim como grande parte das técnicas de SRR existentes o R-LMS é bastante suscetível a presença de outliers, os quais podem tornar a qualidade das imagens reconstruídas inferior àquela das observações de baixa resolução. A fim de mitigar esse problema, técnicas de SRR robusta foram propostas na literatura. Não obstante, mesmo o custo computacional dos algoritmos robustos mais simples não é comparável àquele do R-LMS, tornando o processamento em tempo real infactível. Deseja-se portanto desenvolver novos algoritmos que ofereçam um melhor compromisso entre qualidade, robustez e custo computacional. Neste trabalho uma nova técnica de SRR baseada no algoritmo R-LMS é proposta. Com base na representação da função custo do ponto proximal para a equação iterativa do método do gradiente, uma interpretação intuitiva para o comportamento do algoritmo R-LMS é obtida tanto para sua operação em condições ideais quanto na presença de outliers do tipo inovação, os quais representam variações significativas na cena entre frames adjacentes de uma sequência de vídeo. É demonstrado que o problema apresentado pelo R-LMS quanto a robustez à outliers de inovação se deve, principalmente, a sua baixa taxa de convergência. Além disso, um balanço direto pôde ser observado entre a rapidez da taxa de convergência e a preservação das informações estimadas em instantes de tempo anteriores. Desse modo, torna-se inviável obter, simultaneamente, uma boa qualidade no processamento de sequências bem comportadas e uma boa robustez na presença de inovações de grande porte. Desse modo, tem-se como objetivo projetar um algoritmo voltado à reconstrução de sequências de vídeo em tempo real que apresente uma maior robustez à outliers de grande porte, sem comprometer a preservação da informação estimada a partir da sequência de baixa resolução. Utilizando um modelo estatístico para os outliers provindos de inovações, uma nova regularização é proposta a fim de aumentar a robustez do algoritmo, permitindo simultaneamente uma convergência mais rápida no subespaço da imagem correspondente às inovações e a preservação dos detalhes previamente estimados. A partir disso dois novos algoritmos são então derivados. A nova regularização proposta penaliza variações entre estimativas adjacentes na sequência de vídeo em um subespaço aproximadamente ortogonal ao conteúdo das inovações. Verificou-se que o subespaço da imagem no qual a inovação contém menos energia é precisamente onde estão contidos os detalhes da imagem. Isso mostra que a regularização proposta, além de levar a uma maior robustez, também implica na preservação dos detalhes estimados na sequência de vídeo em instantes de tempo anteriores. Simulações computacionais mostram que apesar da solução proposta não levar a melhorias significativas no desempenho do algoritmo sob condições próximas às ideais, quando outliers estão presentes na sequência de imagens o método proposto superou consideravelmente o desempenho apresentado pelo R-LMS, tanto quantitativamente quanto visualmente. O custo computacional da solução proposta manteve-se comparável àquele do algoritmo R-LMS.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016. / Made available in DSpace on 2017-05-02T04:12:13Z (GMT). No. of bitstreams: 1 345510.pdf: 8179542 bytes, checksum: c7d616d9dbca1730bc9064d7782ee7f2 (MD5) Previous issue date: 2016 / Este trabalho de pesquisa trata da modelagem estocástica de dois algoritmos adaptativos bem conhecidos na literatura, a saber: o algoritmo FxLMS (filtered x least mean square) e o algoritmo NLMS (normalized least mean square). Particularmente, para o algoritmo FxLMS são desenvolvidos dois modelos estocásticos, ambos considerando aplicações de controle e/ou equalização ativa de ruído periódico, porém em diferentes estruturas (monocanal e multicanal). Baseado nas expressões de modelo obtidas, diversos aspectos do comportamento do algoritmo FxLMS são discutidos, evidenciando o impacto dos parâmetros do algoritmo sobre seu desempenho. Para o algoritmo NLMS, são propostos dois modelos estocásticos, ambos considerando a aplicação de identificação de sistemas tanto com sinal de entrada branco gaussiano quanto correlacionado gaussiano. Especificamente, o primeiro modelo do algoritmo NLMS é derivado assumindo que o filtro adaptativo e a planta a ser estimada podem possuir ordens diferentes (tal suposição, que é condizente com cenários práticos, não é usualmente tratada na literatura devido às dificuldades matemáticas surgidas no desenvolvimento da modelagem estocástica). O segundo modelo do algoritmo NLMS considera uma formulação matemática mais geral (quando comparada a outros trabalhos da literatura) para representar a planta a ser identificada, possibilitando a representação de diversos tipos de sistemas variantes no tempo; originando, assim, um modelo estocástico capaz de predizer o comportamento do algoritmo NLMS em uma ampla gama de cenários de operação. Resultados de simulação são apresentados, ratificando a precisão dos modelos estocásticos propostos, tanto na fase transitória quanto em regime permanente.<br> / Abstract : This research work focuses on the stochastic modeling of two well-known adaptive algorithms from the literature, namely: the filtered x least mean square (FxLMS) algorithm and the normalized least mean square (NLMS) algorithm. In particular, for the FxLMS algorithm two stochastic models are developed, both considering applications of active noise control and equalization of periodic noise, but in different structures (single channel and multichannel). Based on the obtained expressions, several aspects of the FxLMS algorithm behavior are discussed, highligting the impact of some parameters on the algorithm performance. For the NLMS algorithm, two stochastic models are proposed, both considering the application of system identification with white Gaussian and correlated Gaussian input signals. Specifically, the first model of the NLMS algorithm is developed assuming that the adaptive filter and the system to be identified can have different orders (such a supposition, which is consistent with practical scenarios, is not usually considered in the literature due to the mathematical difficulties ariasing in the development of the stochastic model). The second model of the NLMS algorithm considers a more general mathematical formulation (compared with other works from the open literature) to represent the system to be identified, allowing to represent several types of time varying systems; resulting in a stochastic model able to predict the NLMS algorithm behavior in several scenarios. Simulation results are presented, confirming the accuracy of the proposed stochastic models for both transient and steady state phases.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-26T11:34:42Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T20:55:04Z : No. of bitstreams: 1 309939.pdf: 4352344 bytes, checksum: 0535613da00725ae9a3e9b7d04f2957c (MD5) / Neste trabalho, um novo algoritmo LMS normalizado proporcional (PNLMS) é proposto. Tal algoritmo usa fatores de ativação individuais para cada coeficiente do filtro adaptativo, em vez de um fator de ativação global como no algoritmo PNLMS padrão. Os fatores de ativação individuais do algoritmo proposto são atualizados recursivamente a partir dos correspondentes coeficientes do filtro adaptativo. Essa abordagem conduz a uma melhor distribuição da energia de adaptação entre os coeficientes do filtro. Dessa forma, para respostas ao impulso com elevada esparsidade, o algoritmo proposto, denominado algoritmo PNLMS com fatores de ativação individuais (IAF PNLMS), atinge maior velocidade de convergência do que os algoritmos PNLMS padrão e PNLMS melhorado (IPNLMS). Também, uma metodologia de modelagem estocástica dos algoritmos da classe PNLMS é apresentada. Usando essa metodologia, obtém-se um modelo estocástico que prediz satisfatoriamente o comportamento do algoritmo IAF PNLMS tanto na fase transitória quanto na estacionária. Através de simulações numéricas, a eficácia do modelo proposto é verificada. Adicionalmente, uma versão melhorada do algoritmo IAF PNLMS, denominada EIAF PNLMS, é proposta neste trabalho, a qual usa uma estratégia de redistribuição de ganhos durante o processo de aprendizagem, visando aumentar os ganhos atribuídos aos coeficientes inativos quando os ativos aproximam-se da convergência. Resultados de simulação mostram que tal estratégia de redistribuição melhora significativamente as características de convergência do algoritmo

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-20T17:18:42Z (GMT). No. of bitstreams: 1 190309.pdf: 2355349 bytes, checksum: 63bd0e6b1b8724e720c66d29880586b3 (MD5) / Este trabalho apresenta um estudo sobre o comportamento de algoritmos adaptativos estocásticos baseados em momentos de ordem elevada. Os dois algoritmos estudados são o LMF (Least Mean Fourth) e o LMK (Least Mean Kurtosis). Equações recursivas não-lineares são deduzidas para descrever o comportamento dos momentos de primeira e de segunda ordens dos coeficientes para sinais de entrada gaussianos. Estas recursões podem ser usadas para prever o comportamento do erro médio quadrático. Os modelos descrevem o comportamento dos algoritmos durante os regimes transitório e permanente, para um ruído aditivo tendo qualquer função densidade de probabilidade par e de média zero e para qualquer relação sinal/ruído. Simulações Monte Carlo mostram a excelente concordância com o comportamento previsto pelos modelos teóricos. É também feito um estudo da estabilidade do algoritmo LMF, considerando-se um sinal de entrada gaussiano e branco e um ruído aditivo com qualquer função densidade de probabilidade par e de média zero. Esta análise melhora resultados prévios porque é explicitamente mostrado que a estabilidade depende das condições iniciais. Com o conjunto de equações e resultados obtidos, pretende-se fornecer informações que auxiliem no projeto de filtros adaptativos

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-21T14:41:20Z (GMT). No. of bitstreams: 1 206925.pdf: 1149410 bytes, checksum: 7e570c48db5ea5c16aa892306d88adfa (MD5)

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-21T20:58:32Z (GMT). No. of bitstreams: 1 210315.pdf: 1621085 bytes, checksum: cda085a3ac488a533388fcac6d73f5e4 (MD5) / Esta dissertação apresenta um estudo do comportamento de diversos algoritmos adaptativos capazes de realizar a formatação de feixe em uma transmissão OFDM. A técnica de transmissão/recepção OFDM envolve sinais tanto no domínio do tempo quanto no domínio da freqüência, o que possibilita o emprego de dois métodos de estimação do vetor de coeficientes responsável pela formatação de feixe. O primeiro método realiza a estimação no domínio temporal, necessitando de apenas uma FFT e uma IFFT no processo de recepção. O segundo método realiza a estimação no domínio da freqüência e exige uma FFT para cada antena do arranjo. Cada um dos métodos apresenta seus prós e contras em diferentes situações de canal. Portanto, para cada método, situação e algoritmo utilizado, é interessante obter o comportamento do algoritmo, permitindo assim fazer uma comparação entre eles. Outro importante resultado obtido das simulações é a comparação entre um sistema de único usuário, utilizando uma antena, e um sistema multiusuário empregando múltiplas antenas. São apresentadas ainda duas novas proposições para a melhoria de formatadores de feixe no domínio temporal. A primeira proposta melhora o comportamento desse tipo de formatação em situações em que o canal é seletivo em freqüência, fazendo uso da informação do equalizador de canal que geralmente existe em uma recepção OFDM. A segunda proposição reduz o ruído gerado pelas subportadoras de dados em um sistema que emprega somente algumas subportadoras piloto na estimação do formatador de feixe, e que utilize os algoritmos RLS ou DMI.