Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31474| Título: | Modelagem estocástica dos algoritmos adaptativos LMS-SAS e NP-VSS-NLMS no contexto de identificação de sistema |
| Título(s) alternativo(s): | Stochastic modeling of the LMS-SAS and NP-VSS-NLMS adaptive algorithms in the context of system identification |
| Autor(es): | Becker, Augusto Cesar |
| Orientador(es): | Kuhn, Eduardo Vinicius |
| Palavras-chave: | Filtros adaptativos Algorítmos Método de decomposição Adaptative filters Algorithms Decomposition method |
| Data do documento: | 12-Dez-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Toledo |
| Citação: | BECKER, Augusto Cesar. Modelagem estocástica dos algoritmos adaptativos LMS-SAS e NP-VSS-NLMS no contexto de identificação de sistema. 2022. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica) - Universidade Tecnológica Federal do Paraná, Toledo, 2022. |
| Resumo: | Este 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. |
| Abstract: | This 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. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31474 |
| Aparece nas coleções: | TD - Engenharia Eletrônica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| modelagemestocastica.pdf | 3,96 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
