Comportamento numérico de algoritmos RLS rápidos recursivos na ordem.

• Ano de defesa: 1999
• Autor(a) principal: Aguayo, Leonardo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Adaptive filters; Algoritmos RLS rápidos; Fast RLS algorithms; Filtros adaptativos
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-14112024-113309/

Neste trabalho, analisa-se o comportamento numérico de duas classes de algoritmos RLS rápidos recursivos na ordem : os algoritmos LSL e os algoritmos híbridos QR-LSL. Estes algoritmos são apresentados a partir de um ponto de vista geométrico, o que facilita a interpretação de variáveis internas e permite estabelecer mais facilmente a relação entre variáveis e entre expressões matemáticas que compõem estas duas classes de algoritmos. Apresentam-se cinco versões de algoritmos LSL, sendo uma delas computacionalmente mais eficiente quando comparada às versões com realimentação de erro usualmente apresentadas na literatura, assim como duas versões de algoritmos QR-LSL. Nas simulações computacionais realizadas utilizou-se aritmética de ponto fixo e ponto flutuante, empregando-se principalmente uma configuração de equalizador de canal. No caso dos algoritmos LSL, analisou-se o papel dos mecanismos de realimentação de erro no desempenho numérico. Verificou-se que a realimentação de erro associada diretamente ao cálculo da predição regressiva é a que mais contribui para a melhoria de desempenho. A influência do uso de rotações passivas e de sinais mal-condicionados nos algoritmos QR-LSL também é mostrada em detalhe. As simulações ainda permitiram observar o efeito do valor do fator de esquecimento no desempenho numérico dos algoritmos. Isto possibilitou estabelecer uma faixa de valores práticos para esta variável,assim como uma estimativa do comprimento mínimo de palavras binária necessária para um bom desempenho numérico. Para algumas variáveis internas apresentam-se ainda os valores médios esperados, que podem ser úteis na implementação prática dos algoritmos.