Modelagem estatística de algoritmos adaptativos em sub-bandas

Detalhes bibliográficos
Ano de defesa: 2006
Autor(a) principal: Kolodziej, Javier Ernesto
Orientador(a): Seara, Rui
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Florianópolis, SC
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://repositorio.ufsc.br/xmlui/handle/123456789/89408
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica.
id UFSC_4b4881d4710b0c6d03450da0f73e7f49
oai_identifier_str oai:repositorio.ufsc.br:123456789/89408
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaKolodziej, Javier ErnestoSeara, Rui2012-10-22T20:33:02Z2012-10-22T20:33:02Z20062006238806http://repositorio.ufsc.br/xmlui/handle/123456789/89408Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica.Neste trabalho, são apresentados modelos estatísticos que descrevem o comportamento de dois algoritmos adaptativos com estrutura em sub-bandas: o algoritmo NLMS (normalized least-mean-square) aplicado a uma estrutura em sub-bandas com decomposição generalizada (GSD-NLMS) e o algoritmo de filtragem adaptativa em sub-bandas normalizado (normalized subband adaptive filtering - NSAF). Para tais algoritmos, são considerados sinais de entrada Gaussianos e hipótese de adaptação lenta. Esses algoritmos são utilizados como uma alternativa ao algoritmo LMS convencional, visando melhorar a velocidade de convergência para sinais de entrada fortemente correlacionados. Os dois algoritmos aqui considerados realizam um processamentoparalelo do sinal de entrada e utilizam um passo de adaptação variável no tempo. Tal processamento é baseado em uma decomposição em sub-bandas. Modelos analíticos para o momento de primeira ordem do vetor de coeficientes do filtro adaptativo bem como para a curva de aprendizagem são obtidos. Para isso, são levadas em conta a natureza variante no tempo do passo de adaptação como também um parâmetro de regularização, o qual é adicionado à estimativa de potência média requerida pelo algoritmo. Através de simulações numéricas, a precisão dos modelos aqui obtidos é avaliada. This work presents stochastic models for the normalized least-mean-square algorithm using a structure with generalized subband decomposition (GSD-NLMS) and for the normalized subband adaptive filtering (NSAF) algorithm, considering Gaussian input signal and slow adaptation. Such algorithms are used as an alternative to the standard LMS to overcome the convergence problems under correlated input signals. Both the studied algorithms make use of a parallel processing of the input signal, based on a subband decomposition, as well as consider a time-varying step-size parameter. Analytical models for the first moment of the filter weight vector and the learning curve for the discussed algorithms are presented. The used analysis takes into account the time-varying nature of the step-size parameter as well as a regularization parameter (added to the power estimate), which prevents division by zero in the power normalization phase. Through simulation results the accuracy of the model here derived is assessed.x, 68 f.| il.porFlorianópolis, SCEngenharia eletricaAlgoritmos adaptativosModelagem estatística de algoritmos adaptativos em sub-bandasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL238806.pdfapplication/pdf907744https://repositorio.ufsc.br/bitstream/123456789/89408/1/238806.pdfcff64e1483fcca731e67fc2a1d5f52d0MD51TEXT238806.pdf.txt238806.pdf.txtExtracted Texttext/plain107625https://repositorio.ufsc.br/bitstream/123456789/89408/2/238806.pdf.txtcbd5b212adb8ffb1278f71ee519f6cc5MD52THUMBNAIL238806.pdf.jpg238806.pdf.jpgGenerated Thumbnailimage/jpeg1012https://repositorio.ufsc.br/bitstream/123456789/89408/3/238806.pdf.jpge1c2a0924bc530636a0a1dd84b7d2440MD53123456789/894082013-05-04 14:02:19.35oai:repositorio.ufsc.br:123456789/89408Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732013-05-04T17:02:19Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Modelagem estatística de algoritmos adaptativos em sub-bandas
title Modelagem estatística de algoritmos adaptativos em sub-bandas
spellingShingle Modelagem estatística de algoritmos adaptativos em sub-bandas
Kolodziej, Javier Ernesto
Engenharia eletrica
Algoritmos adaptativos
title_short Modelagem estatística de algoritmos adaptativos em sub-bandas
title_full Modelagem estatística de algoritmos adaptativos em sub-bandas
title_fullStr Modelagem estatística de algoritmos adaptativos em sub-bandas
title_full_unstemmed Modelagem estatística de algoritmos adaptativos em sub-bandas
title_sort Modelagem estatística de algoritmos adaptativos em sub-bandas
author Kolodziej, Javier Ernesto
author_facet Kolodziej, Javier Ernesto
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Kolodziej, Javier Ernesto
dc.contributor.advisor1.fl_str_mv Seara, Rui
contributor_str_mv Seara, Rui
dc.subject.classification.pt_BR.fl_str_mv Engenharia eletrica
Algoritmos adaptativos
topic Engenharia eletrica
Algoritmos adaptativos
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica.
publishDate 2006
dc.date.submitted.pt_BR.fl_str_mv 2006
dc.date.issued.fl_str_mv 2006
dc.date.accessioned.fl_str_mv 2012-10-22T20:33:02Z
dc.date.available.fl_str_mv 2012-10-22T20:33:02Z
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://repositorio.ufsc.br/xmlui/handle/123456789/89408
dc.identifier.other.pt_BR.fl_str_mv 238806
identifier_str_mv 238806
url http://repositorio.ufsc.br/xmlui/handle/123456789/89408
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 x, 68 f.| il.
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
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
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/89408/1/238806.pdf
https://repositorio.ufsc.br/bitstream/123456789/89408/2/238806.pdf.txt
https://repositorio.ufsc.br/bitstream/123456789/89408/3/238806.pdf.jpg
bitstream.checksum.fl_str_mv cff64e1483fcca731e67fc2a1d5f52d0
cbd5b212adb8ffb1278f71ee519f6cc5
e1c2a0924bc530636a0a1dd84b7d2440
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851759259980660736

Registros relacionados