Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação

Detalhes bibliográficos
Autor(a) principal: Campos, Lucas Henrique Gois de
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFABC
Texto Completo: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124741
Resumo: Orientadora: Profa. Dra. Aline de Oliveira Neves Panazio
id UFBC_7b2aebdc5fbe68b21a28a69194709a85
oai_identifier_str oai:BDTD:124741
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicaçãoAPRENDIZAGEM POR TEORIA DE INFORMAÇÃOKERNEL NÃO-GAUSSIANOKERNEL EPANECHNIKOVCORRENTROPIAKERNEL ADAPTIVE FILTERINGCORRENTROPYKERNEL MAXIMUMINFORMATION THEORETIC LEARNINGNON-GAUSSIAN KERNELPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCOrientadora: Profa. Dra. Aline de Oliveira Neves PanazioCoorientador: Prof. Dr. Denis Gustavo FantinatoDissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, Santo André, 2023.A equalização de canais baseada em aprendizagem por Teoria de Informação (Information Theoretic Learning - ITL) tem o potencial de lidar com cenarios em que técnicas clássicas apresentam dificuldades, como na presença de sinais correlacionados e canais não lineares. No entanto, tais criterios necessitam de funções kernel para calcular as medidas utilizadas no processo de equalização. Na literatura, a função kernel comumente utilizada e a Gaussiana, porém esta função não é considerada ótima em termos de estimação de funções densidade de probabilidade. Neste trabalho é proposta a utilização do kernel Epanechnikov nas funções custo baseadas em medidas da teoria de informação, como entropia ou correntropia, com o proposito de avaliar como o desempenho dos algoritmos é afetado por esta nova função. No contexto de ITL, temos o critério baseado na correntropia, definida como uma medida de correlac¸ao generalizada que pode ser utilizada no processo de equalização do sinal, sendo particularmente interessante por conta das suas proprieda- des envolvendo a função kernel e os momentos estatísticos considerados. Incluímos na analise o Correlation Retrieval, que faz uso exclusivo de momentos estatísticos de segunda ordem. Atraves da modelagem e simulação do processo de equalização, discutimos as similaridades entre os criterios e os resultados obtidos. Além disso, estudamos os filtros adaptativos baseados em kernel (KAF - Kernel Adaptive Filtering), que sao estruturas nao lineares capazes de lidar tanto com sistemas lineares como não lineares, algo que os filtros adaptativos lineares nao conseguem. Dentro deste contexto, incluímos a analise do Kernel Least-Mean-Squares (KLMS) e o Kernel Maximum Correntropy (KMC), visando comparar o desempenho dos algoritmos em diversos cenarios.Channel equalization based on Information Theoretic Learning (Information Theoretic Learning - ITL) has the potential to deal with scenarios where classical techniques present difficulties, such as in the presence of correlated signals and non-linear channels. However, such criteria require kernel functions to calculate the measures used in the equalization process. In the literature, the most commonly used kernel function is the Gaussian, but this function is not considered optimal in terms of estimation of probability density functions. This work proposes the use of the Epanechnikov kernel in cost functions based on information theory measures, such as entropy or correntropy, with the purpose of evaluating how the performance of algorithms is affected by this new function. Within the context of ITL, we have the criterion based on correntropy (COR), defined as a generalized correlation measure that can be used in the process of signal equalization, being particularly interesting due to its properties involving the kernel function and its statistical moments considered. We included Correlation Retrieval (CR) in the analysis, which makes exclusive use of second-order statistical moments. Through modeling and simulation of the equalization process, we discuss the similarities between the criteria and the results obtained. In addition, we study kernel adaptive filtering (KAF), which are linear structures capable of dealing with linear and non-linear systems, something that linear adaptive filters cannot. In this context, we include the analysis of the Kernel Least-Mean-Squares (KLMS) and the Kernel Maximum Correntropy (KMC), aiming to compare the performance of the algorithms in different scenariosPanazio, Aline de Oliveira NevesFantinato, Denis GustavoNose Filho, KenjiAttux, Romis Ribeiro de FaissolCampos, Lucas Henrique Gois de2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf75 f. : il.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124741http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124741&midiaext=80971Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=124741porreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2023-08-24T11:59:37Zoai:BDTD:124741Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2023-08-24T11:59:37Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.none.fl_str_mv Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
title Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
spellingShingle Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
Campos, Lucas Henrique Gois de
APRENDIZAGEM POR TEORIA DE INFORMAÇÃO
KERNEL NÃO-GAUSSIANO
KERNEL EPANECHNIKOV
CORRENTROPIA
KERNEL ADAPTIVE FILTERING
CORRENTROPY
KERNEL MAXIMUM
INFORMATION THEORETIC LEARNING
NON-GAUSSIAN KERNEL
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
title_short Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
title_full Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
title_fullStr Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
title_full_unstemmed Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
title_sort Análise da correntropia com Kernel Epanechnikov em equalização de canais de comunicação
author Campos, Lucas Henrique Gois de
author_facet Campos, Lucas Henrique Gois de
author_role author
dc.contributor.none.fl_str_mv Panazio, Aline de Oliveira Neves
Fantinato, Denis Gustavo
Nose Filho, Kenji
Attux, Romis Ribeiro de Faissol
dc.contributor.author.fl_str_mv Campos, Lucas Henrique Gois de
dc.subject.por.fl_str_mv APRENDIZAGEM POR TEORIA DE INFORMAÇÃO
KERNEL NÃO-GAUSSIANO
KERNEL EPANECHNIKOV
CORRENTROPIA
KERNEL ADAPTIVE FILTERING
CORRENTROPY
KERNEL MAXIMUM
INFORMATION THEORETIC LEARNING
NON-GAUSSIAN KERNEL
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
topic APRENDIZAGEM POR TEORIA DE INFORMAÇÃO
KERNEL NÃO-GAUSSIANO
KERNEL EPANECHNIKOV
CORRENTROPIA
KERNEL ADAPTIVE FILTERING
CORRENTROPY
KERNEL MAXIMUM
INFORMATION THEORETIC LEARNING
NON-GAUSSIAN KERNEL
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
description Orientadora: Profa. Dra. Aline de Oliveira Neves Panazio
publishDate 2023
dc.date.none.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124741
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124741
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=124741&midiaext=80971
Cover: http://biblioteca.ufabc.edu.br/php/capa.php?obra=124741
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
75 f. : il.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1813263962772340736