Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS

Detalhes bibliográficos
Autor(a) principal: Bakri, Khaled Jamal
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/219553
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.
id UFSC_381ede8391fbe361cca6ab11b3cf89ba
oai_identifier_str oai:repositorio.ufsc.br:123456789/219553
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMSEngenharia elétricaFiltros adaptativosAnalise estocasticaAlgorítmosDissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.Este trabalho de pesquisa apresenta uma metodologia de modelagem para uma estrutura de filtragem envolvendo a combinação de dois filtros adaptativos operando com o algoritmo NLMS (normalized least-mean-square), considerando um problema de identificação de sistema com planta estacionária e sinais de entrada gaussianos reais. A metodologia desenvolvida aqui é aplicada para as regras de combinação afim aff-LMS (affine LMS) e aff-PN-LMS (affine power-normalized LMS) bem como para as regras de combinação convexa cvx-LMS (convex LMS) e cvx-PN-LMS (convex power-normalized LMS). Especificamente, são obtidas expressões de modelo que descrevem o comportamento médio do vetor de coeficientes global e do parâmetro de mistura, a curva de aprendizagem e a evolução dos elementos da diagonal das matrizes de correlação dos vetores de erro nos coeficientes. A partir de tais resultados, são derivadas expressões de modelo caracterizando o comportamento em regime permanente do erro quadrático médio em excesso (EQME) e do parâmetro de mistura. Resultados de simulação para diferentes cenários de operação são apresentados, mostrando que o modelo proposto prediz satisfatoriamente o comportamento do algoritmo tanto na fase transitória quanto em regime permanente. Tais resultados ratificam também a precisão da abordagem considerada para computar as matrizes de autocorrelação normalizada surgidas na derivação do modelo.Abstract: This research work presents a modeling methodology for a filtering structure involving a combination of two adaptive filters operating with the normalized least-mean-square (NLMS), considering a system identification problem with stationary plant and Gaussian real-valued input signal. The methodology developed here is applied to the affine combination rules aff-LMS (affine LMS) and aff-PN-LMS (affine power-normalized LMS) as well as to the convex combination rules cvx-LMS (convex LMS) and cvx-PN-LMS (convex power-normalized LMS). Specifically, model expressions are obtained that describing the mean behavior of the global coefficient vector and the mixing parameter, the learning curve and the evolution of the diagonal elements of the correlation matrices of the error vectors in the coefficients. From these results, model expressions are derived characterizing the behavior in steady state of the excess mean square error (EMSE) and the mixing parameter. Simulation results for different operation scenarios are presented, confirming that the proposed model predicts satisfactorily the algorithm behavior for both transient and steady-state phases. Such results also confirmed the accuracy of the approach considered for computing the normalized autocorrelation matrices arising from the model development.Seara, RuiKuhn, Eduardo ViniciusUniversidade Federal de Santa CatarinaBakri, Khaled Jamal2021-01-14T18:12:06Z2021-01-14T18:12:06Z2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis55 p.| il., gráfs.application/pdf370610https://repositorio.ufsc.br/handle/123456789/219553porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2021-01-14T18:12:06Zoai:repositorio.ufsc.br:123456789/219553Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-01-14T18:12:06Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
title Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
spellingShingle Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
Bakri, Khaled Jamal
Engenharia elétrica
Filtros adaptativos
Analise estocastica
Algorítmos
title_short Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
title_full Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
title_fullStr Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
title_full_unstemmed Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
title_sort Modelagem estocástica de estruturas de filtragem envolvendo a combinação de filtros adaptativos operando com o algoritmo NLMS
author Bakri, Khaled Jamal
author_facet Bakri, Khaled Jamal
author_role author
dc.contributor.none.fl_str_mv Seara, Rui
Kuhn, Eduardo Vinicius
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Bakri, Khaled Jamal
dc.subject.por.fl_str_mv Engenharia elétrica
Filtros adaptativos
Analise estocastica
Algorítmos
topic Engenharia elétrica
Filtros adaptativos
Analise estocastica
Algorítmos
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2020.
publishDate 2020
dc.date.none.fl_str_mv 2020
2021-01-14T18:12:06Z
2021-01-14T18:12:06Z
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 370610
https://repositorio.ufsc.br/handle/123456789/219553
identifier_str_mv 370610
url https://repositorio.ufsc.br/handle/123456789/219553
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 55 p.| il., gráfs.
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_ 1808652319186747392

Registros relacionados