Detalhes bibliográficos
Ano de defesa: |
2003 |
Autor(a) principal: |
Jojoa Gómez, Pablo Emilio |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
http://www.teses.usp.br/teses/disponiveis/3/3142/tde-17122003-163354/
|
Resumo: |
No campo do processamento digital de sinais e em especial da filtragem adaptativa, procura-se continuamente algoritmos que sejam rápidos e simples. Neste contexto, este trabalho apresenta o estudo de novos algoritmos de tempo discreto denominados algoritmos aceleradores (completo, regressivo e progressivo), obtidos a partir da discretização de um algoritmo de tempo contínuo baseado no ajuste da segunda derivada (aceleração) da estimativa dos parâmetros. Destes algoritmos optou-se por estudar mais aprofundadamente os algoritmos aceleradores progressivo e regressivo, devido respectivamente a sua menor complexidade computacional e ao seu desempenho. Para este estudo e análise foram escolhidos como base de comparação os algoritmos LMS e NLMS. Isto porque estes algoritmos estão entre os mais usados e, assim como os algoritmos aceleradores, podem ser obtidos a partir da discretização de algoritmos de tempo contínuo através dos métodos de Euler progressivo e regressivo respectivamente. A análise do algoritmo progressivo mostrou que seu desempenho é inferior ao do algoritmo LMS. Visando diminuir a complexidade computacional do algoritmo acelerador regressivo, foi obtido um novo algoritmo: o versão g. Assim a análise focou-se no algoritmo acelerador regressivo versão g, o qual apresentou um desempenho bom quando comparado no desajuste e no tracking com o algoritmo NLMS, mostrando um melhor compromisso entre velocidade de convergência e variância das estimativas. Este bom desempenho foi comprovado por análises teóricas, por simulações e através da aplicação deste algoritmo na equalização de um canal variante no tempo. |