Um estudo sobre técnicas de equalização autodidata.

• Ano de defesa: 2005
• Autor(a) principal: Silva, Magno Teófilo Madeira da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: adaptive algorithms; algoritmos adaptativos; blind equalization; blind source separation; equalização autodidata; separação de fontes
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3142/tde-01042005-214250/

Neste trabalho, investigam-se técnicas autodidatas baseadas em estatísticas de ordem superior, aplicadas à equalização de canais de comunicação. Inicialmente, obtém-se um intervalo do passo de adaptação que assegura a convergência do algoritmo do Módulo Constante com o gradiente exato. Algoritmos como o CMA (Constant Modulus Algorithm) e o SWA (Shalvi-Weinstein Algorithm) são revisitados e suas capacidades de tracking analisadas, utilizando-se uma relação de conservação de energia. Além disso, é proposto um algoritmo autodidata denominado AC-CMA (Accelerated Constant Modulus Algorithm) que utiliza a segunda derivada (“aceleração") da estimativa dos coeficientes. Esse algoritmo pode apresentar um compromisso mais favorável entre complexidade computacional e velocidade de convergência que o CMA e o SWA. Esses resultados são estendidos para o caso multiusuário. Através de simulações, os algoritmos são comparados e as análises de convergência e tracking validadas. Considerando o DFE (Decision Feedback Equalizer) no caso monousuário com o critério do módulo constante, é proposto um algoritmo concorrente que evita soluções degeneradas e apresenta um desempenho melhor do que os existentes na literatura. Com o intuito de evitar propagação de erros, é proposta uma estrutura híbrida que utiliza uma rede neural recorrente na malha de realimentação. Resultados de simulações indicam que seu uso pode ser vantajoso para canais lineares e não-lineares.