???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/1905
Full metadata record
DC FieldValueLanguage
dc.creatorSILVA, Cristiane Cristina Sousa da-
dc.creator.Latteshttp://lattes.cnpq.br/6277707141738664por
dc.contributor.advisor1BARROS FILHO, Allan Kardec Duailibe-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0492330410079141por
dc.contributor.advisor-co1FONSECA NETO, João Viana da-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0029055473709795por
dc.contributor.referee1BARROS FILHO, Allan Kardec Duailibe-
dc.contributor.referee2FONSECA NETO, João Viana da-
dc.contributor.referee3ROMANO, João Marcos Travassos-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/6161888127051479por
dc.contributor.referee4SILVA, Aristófanes Corrêa-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/2446301582459104por
dc.date.accessioned2017-09-05T13:28:55Z-
dc.date.issued2009-02-13-
dc.identifier.citationSILVA, Cristiane Cristina Sousa da. ALGORITMO RECURSIVO BASEADO EM UMA FUNÇÃO NÃO LINEAR DO ERRO.. 2009. [48 folhas]. Dissertação( PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET) - Universidade Federal do Maranhão, [São Luis] .por
dc.identifier.urihttp://tedebc.ufma.br:8080/jspui/handle/tede/1905-
dc.description.resumoMuitos dos flltros adaptativos s~ao baseados no método do Erro quadrático médio (Mean Square Error - MSE). O desenvolvimento desses flltros nos garante recuperar apenas informações de segunda ordem dos sinais a serem flltrados, ou seja, não consegue recuperar totalmente informações de sinais Gaussianos. No entanto, os sinais naturais ou artiflciais não são necessariamente gaussianos. Desta forma, a utilização de estatística de alta ordem, como uma forma de extrair mais informações dos sinais, tem se demonstrado de grande valia em sistemas adaptativos [7][8][9]. Neste trabalho, nós apresentamos o desenvolvimento de um algoritmo adaptativo baseado em funções não lineares inspirado na dedução do algoritmo Recursive Lest Square (RLS) [1]. Tal desenvolvimento baseia-se na utilização de estatísticas de alta ordem para a obtenção de mais informações dos sinais envolvidos no processo, com o objetivo de melhorar a performance de um flltro adaptativo. Chamaremos esse novo algoritmo de Recursivo não Linear - RNL. Deduzimos equações, baseadas em uma função não linear, para a obtenção de critérios que garantam a convergência. Também fazemos um estudo da covariância do vetor peso em regime estacionário e determinamos equações que calculem o desajuste e o tempo de aprendizagem do processo adaptativo do algoritmo RNL. Apresentamos o algoritmo n~ao linear recursivo, que utiliza como critério a função "n = MP j=1 nP i =1n‚n¡i [ei]2jo, sendo M e n inteiros positivos. Foram feitas simulações com este algoritmo para validar a teoria apresentada e estudamos o comportamento da convergência do algoritmo RNL. O resultado mostrou que o algoritmo RNL possui uma rápida convergência para o mesmo desajuste quando comparado com o algoritmo RLS.por
dc.description.abstractMany of the adaptive filters are based on the Mean Squared Error (Mean Square Error - MSE). The development of these filters guarantees us to recover only second-order information of the signals to be filtered, ie not can fully recover information from Gaussian signals. However, the natural or artificial signals are not necessarily Gaussian. In this way, the use of high order statistics as a way of extracting more information of signals, has been shown to be of great value in adaptive systems [7] [8] [9]. In this work, we present the development of an adaptive algorithm based on nonlinear functions inspired by the deduction of the Recursive Lest algorithm Square (RLS) [1]. Such development is based on the use of high order to obtain more information on the signals involved in the process, with the goal of improving the performance of an adaptive filter. We will call this new nonlinear recursive algorithm - RNL. We deduce equations, based on a nonlinear function, to obtain convergence criteria. We also study covariance of the steady-state weight vector and we determine equations that calculate the mismatch and the learning time of the adaptive process of the RNL algorithm. We present the non - linear recursive algorithm, which uses the function "n = MP j = 1 nP i = 1nnnii [ei] 2jo, where M and n are positive integers. Were made simulations with this algorithm to validate the presented theory and study the convergence behavior of the RNL algorithm. The result showed that the RNL algorithm has a rapid convergence for the same mismatch when compared with the RLS algorithm.eng
dc.description.provenanceSubmitted by Maria Aparecida (cidazen@gmail.com) on 2017-09-05T13:28:55Z No. of bitstreams: 1 Cristiane Sousa.pdf: 1146877 bytes, checksum: 1ad12b0de7d3ec703fd7018518eaf404 (MD5)eng
dc.description.provenanceMade available in DSpace on 2017-09-05T13:28:55Z (GMT). No. of bitstreams: 1 Cristiane Sousa.pdf: 1146877 bytes, checksum: 1ad12b0de7d3ec703fd7018518eaf404 (MD5) Previous issue date: 2009-02-13eng
dc.description.sponsorshipCAPESpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal do Maranhãopor
dc.publisher.departmentDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFMApor
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETpor
dc.rightsAcesso Abertopor
dc.subjectProcessamento de sinais; Filtragem Adaptativa; Algoritmos Adaptativospor
dc.subjectSignal processing; Adaptive Filtration; Algorithms Adaptiveeng
dc.subject.cnpqAnálise de Algoritmos e Complexidade de Computação.por
dc.titleALGORITMO RECURSIVO BASEADO EM UMA FUNÇÃO NÃO LINEAR DO ERRO.por
dc.title.alternativeRECURSIVE ALGORITHM BASED ON A NON-LINEAR ERROR FUNCTION.eng
dc.typeDissertaçãopor
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
Cristiane Sousa.pdfDissertação de Mestrado1,12 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.