Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/4212
Tipo do documento: | Dissertação |
Título: | Estimação adaptativa de estados baseada na família de algoritmos LMS em Espaço de Estados (SSLMS) |
Título(s) alternativo(s): | Adaptive state estimation based on the LMS family of algorithms in State Space (SSLMS) |
Autor: | RODRIGUES, Jadyna Ayres |
Primeiro orientador: | SOUZA, Francisco das Chagas de |
Primeiro membro da banca: | SOUZA, Francisco das Chagas de |
Segundo membro da banca: | FONSECA NETO, João Viana da |
Terceiro membro da banca: | SANTOS, Walbermark Marques dos |
Resumo: | Através de algumas técnicas de estimação, pode-se estimar uma quantidade de interesse desconhecida, com base em um conjunto de dados medidos ou possivelmente corrompidos por ruído de medição, sendo a qualidade dessa estimativa avaliada pela proximidade com o valor verdadeiro. A filtragem usa observações presentes e passadas para produzir uma estimativa atual da quantidade desconhecida. A estrutura em espaço de estado permite trabalhar com a dinâmica do sistema, como o algoritmo LMS (Least-Mean Square) em espaço de estado SSLMS (State Space Least-Mean Square) que gera um vetor de estado estimado, sendo uma possível solução ao problema de estimação. O SSLMS supera a capacidade de rastreamento do LMS padrão, a qual é limitada devido à suposição de modelo de regressão linear. Ao superar essa restrição, o SSLMS exibe uma melhoria acentuada no desempenho do rastreamento em relação ao LMS padrão e suas variantes conhecidas. Partindo desse princípio, propõem-se neste trabalho nova variante do filtro adaptativo da família do LMS em espaço de estado para estimação das variáveis de estado. O método proposto, denominado algoritmo do tipo ZA-LMS (Zero-Attracting LMS) é comparado com os demais algoritmos da literatura para avaliação de desempenho em termos de velocidade de convergência e capacidade de rastreamento. |
Abstract: | Through some estimation techniques, an unknown quantity of interest can be estimated, based on a set of measured data or possibly corrupted by measurement noise, being the quality of this estimate evaluated by its proximity to the true value. Filtering uses present and past observations to produce a current estimate of the unknown quantity. The structure in state space allows working with the dynamics of the system, as the algorithm LMS (Least-Mean Square) in state space SSLMS (State Space Least -Mean Square) that generates an estimated state vector, being a possible solution to the estimation problem. SSLMS outperform the tracking capability of the standard LMS, which is limited due to the assumption of linear regression model. By overcoming this constraint, SSLMS exhibits a marked improvement in tracking performance over the standard LMS and its known variants. Based on this principle, this work proposes a new variant of the adaptive filter of the LMS family in state space for estimating state variables. The proposed method, called ZA-LMS algorithm (Zero-Attracting LMS) is compared with other algorithms in the literature to evaluate performance in terms of convergence speed and tracking capacity. |
Palavras-chave: | Algoritmo SSLMS; algoritmo em espaço de estado; estimação de estado; espaço de estado; filtros adaptativo. SSLMS algorithm; state space algorithm; state estimation state space adaptive filters. |
Área(s) do CNPq: | Ciência da Computação |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal do Maranhão |
Sigla da instituição: | UFMA |
Departamento: | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Programa: | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET |
Citação: | RODRIGUES, Jadyna Ayres. Estimação adaptativa de estados baseada na família de algoritmos LMS em Espaço de Estados (SSLMS). 2022. 112 f. Dissertação (Programa de Pós-Graduação em Engenharia Elétrica/CCET) - Universidade Federal do Maranhão, São Luís. |
Tipo de acesso: | Acesso Aberto |
URI: | https://tedebc.ufma.br/jspui/handle/tede/tede/4212 |
Data de defesa: | 14-Fev-2022 |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
JADYNAAYRESRODRIGUES.pdf | Dissertação de Mestrado | 3,43 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.