Modelagem estocástica dos algoritmos adaptativos LMS-SAS e NP-VSS-NLMS no contexto de identificação de sistema

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorKuhn, Eduardo Vinicius-
Autor(es): dc.contributorMatsuo, Marcos Vinicius-
Autor(es): dc.contributorPerez, Fabio Luis-
Autor(es): dc.contributorDietrich, José Dolores Vergara-
Autor(es): dc.contributorKuhn, Eduardo Vinicius-
Autor(es): dc.contributorMatsuo, Marcos Vinicius-
Autor(es): dc.creatorBecker, Augusto Cesar-
Data de aceite: dc.date.accessioned2025-08-29T12:20:29Z-
Data de disponibilização: dc.date.available2025-08-29T12:20:29Z-
Data de envio: dc.date.issued2023-05-25-
Data de envio: dc.date.issued2023-05-25-
Data de envio: dc.date.issued2022-12-11-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/31474-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1093523-
Descrição: dc.descriptionThis work deals with the stochastic modeling of the least-mean-square algorithm with symmetric/antisymmetric properties (LMS-SAS) and the nonparametric variable step size normalized leas-mean-square (NP-VSS-NLMS) algorithms, operating in a system identification setup with Gaussian (correlated and uncorrelated) input data. Specifically, model expressions are derived describing the mean weight behavior of the adaptive weight vector, learning curves, and evolution of some correlation-like matrices associated with the weight-error vector. Still, model expressions describing the steady-state behavior of NP-VSS-NLMS algorithm are obtained. Based on such expressions, some interesting characteristics of the considered algorithms are discussed, aiming to provide useful design guidelines. Simulation results are shown and discussed confirming the accuracy of the proposed models, for both transient and steady-state phases, under different operating conditions.-
Descrição: dc.descriptionEste trabalho versa sobre a modelagem estocástica dos algoritmos LMS-SAS (least-meansquare with symmetric/antisymmetric properties) e NP-VSS-NLMS (nonparametric variable step size normalized leas-mean-square), operando em um problema de identificação de sistema com sinais de entrada gaussianos (correlacionados e descorrelacionados). Especificamente, expressões de modelo são derivadas descrevendo o comportamento médio do vetor de coeficientes do filtro adaptativo, as curvas de aprendizagem, bem como a evolução de algumas matrizes de correlação associadas com o vetor de erro nos coeficientes. Ainda, expressões de modelo descrevendo o comportamento do algoritmo NP-VSS-NLMS em regime permanente são obtidas. Baseado em tais expressões, algumas características interessantes dos algoritmos considerados são discutidas, visando fornecer diretrizes de projeto úteis. Resultados de simulações são mostrados e discutidos confirmando a precisão dos modelos propostos, tanto na fase transitória quanto em regime permanente, para diferentes condições de operação.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherToledo-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectFiltros adaptativos-
Palavras-chave: dc.subjectAlgorítmos-
Palavras-chave: dc.subjectMétodo de decomposição-
Palavras-chave: dc.subjectAdaptative filters-
Palavras-chave: dc.subjectAlgorithms-
Palavras-chave: dc.subjectDecomposition method-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titleModelagem estocástica dos algoritmos adaptativos LMS-SAS e NP-VSS-NLMS no contexto de identificação de sistema-
Título: dc.titleStochastic modeling of the LMS-SAS and NP-VSS-NLMS adaptive algorithms in the context of system identification-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.