[pt] Neste trabalho, quatro métodos projetados especificamente para a estimação de sistemas esparsos são originalmente elaborados e apresentados.
São eles: Encolhimentos Sucessivos, Expansões Sucessivas, Minimização da
Norma l1 e Ajuste Automático do fator de regularização do Custo LS. Os
quatro métodos propostos baseiam-se na técnica de estimação de sistemas
lineares e invariantes no tempo pelo critério dos mínimos quadrados, universalmente
conhecida por sua denominação em inglês - Least Squares (LS)
Estimation, e incorporam técnicas relacionadas a otimização convexa e à
teoria de compressive sensing. Os resultados obtidos em simulações mostram
que os métodos em questão têm desempenho superior que a estimação LS
convencional e que o algoritmo Recursive Least Squares (RLS) com regularização convexa denominado l1-RLS, em muitos casos alcançando o desempenho
ótimo apresentado pelo método de estimação LS Oráculo, no qual
o suporte da resposta ao impulso em tempo discreto do sistema estimado
é conhecido a priori. Além disso, os métodos propostos apresentam custo
computacional menor que do algoritmo l1-RLS. / [en] In this thesis, four methods specifically designed for sparse systems
estimation are originally developed and presented, which were called here:
Relaxations method, Successive Expansions method, l1-norm Minimization
method and Automatic Adjustment of the Regularization Factor method.
The four proposed methods are based on the Least Squares (LS) Estimation
method and incorporate techniques related to convex optimization and to
the theory of compressive sensing. The simulation results show that the
proposed methods herein present superior performance than the ordinary
LS estimation method and the Recursive Least Squares (RLS) with convex
regularization method (l1-RLS), in many cases achieving the same optimal
performance presented by the LS Oracle method. Furthermore, the proposed
methods demand lower computational cost than the l1-RLS method.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:26712 |
| Date | 29 June 2016 |
| Creators | ALEXANDRE DE MACEDO TORTURELA |
| Contributors | RAIMUNDO SAMPAIO NETO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0024 seconds