Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas

Detalhes bibliográficos
Autor(a) principal: Matsuo, Marcos Vinícius
Data de Publicação: 2016
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/175318
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.
id UFSC_10559965c3470d064aa981b3edfc1ea1
oai_identifier_str oai:repositorio.ufsc.br:123456789/175318
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemasEngenharia elétricaAlgoritmos adaptativosFiltros adaptativosTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 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.Seara, RuiUniversidade Federal de Santa CatarinaMatsuo, Marcos Vinícius2017-05-02T04:12:13Z2017-05-02T04:12:13Z2016info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis165 p.| il., grafs.application/pdf345510https://repositorio.ufsc.br/xmlui/handle/123456789/175318porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2017-05-02T04:12:13Zoai:repositorio.ufsc.br:123456789/175318Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732017-05-02T04:12:13Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
title Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
spellingShingle Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
Matsuo, Marcos Vinícius
Engenharia elétrica
Algoritmos adaptativos
Filtros adaptativos
title_short Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
title_full Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
title_fullStr Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
title_full_unstemmed Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
title_sort Modelagem estocástica de algoritmos adaptativos para equalização ativa de ruído e identificação de sistemas
author Matsuo, Marcos Vinícius
author_facet Matsuo, Marcos Vinícius
author_role author
dc.contributor.none.fl_str_mv Seara, Rui
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Matsuo, Marcos Vinícius
dc.subject.por.fl_str_mv Engenharia elétrica
Algoritmos adaptativos
Filtros adaptativos
topic Engenharia elétrica
Algoritmos adaptativos
Filtros adaptativos
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2016.
publishDate 2016
dc.date.none.fl_str_mv 2016
2017-05-02T04:12:13Z
2017-05-02T04:12:13Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 345510
https://repositorio.ufsc.br/xmlui/handle/123456789/175318
identifier_str_mv 345510
url https://repositorio.ufsc.br/xmlui/handle/123456789/175318
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 165 p.| il., grafs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652338999590912

Registros relacionados