Algoritmo ZA-PNLMS com fatores de ativação individuais e ganhos dos coeficientes limitados superiormente

• Ano de defesa: 2023
• Autor(a) principal: PESSOA, Alzeneide Dutra
• Orientador(a): SOUZA, Francisco das Chagas de
• Banca de defesa: SOUZA, Francisco das Chagas de , SANTANA, Ewaldo Eder Carvalho , RÊGO, Patrícia Helena Moraes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Maranhão
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
• Departamento: DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
• País: Brasil
• Palavras-chave em Português: Fatores de ativação; algoritmo adaptativo; plantas esparsas; ganhos limitados superiormente; atrator para zero
• Palavras-chave em Inglês: Activation factors; adaptive algorithm; sparse plants; upper limited gains; zero-attracted
• Área do conhecimento CNPq: Análise de Algoritmos e Complexidade de Computação
• Link de acesso: https://tedebc.ufma.br/jspui/handle/tede/tede/5129

Adaptive filtering algorithms have been widespread in academia. An important challenge in this area is the identification of sparse plants. With the aim of identifying plants with different sparsity degrees, this work proposes an adaptive LMS proportional normalized algorithm with zero attractor (ZA-PNLMS – zero-attracting proportionate normalized LMS algorithm), which combines individual activation factors with earnings limited from above. The proposal presented here superiorly limits the gains of the algorithm's coefficients for identifying plants with a high degree of sparsity, leading to a better distribution of the adaptation energy between the algorithm's coefficients. Computational simulations, considering sparse systems with perturbation and tracking, attest that the proposed algorithm is capable of agglutinating the characteristics of good convergence in transient state and low error in steady state.