Caracterização de sinais utilizando-se transformadas em algoritmos adaptativos baseados no LMS

AUTOR(ES)
DATA DE PUBLICAÇÃO

2002

RESUMO

Este trabalho tem como objetivo estudar a inclusão dos processos de decomposição utilizados na geração da Transformada Discreta Seno com Pré-rotação de Eixos, em algoritmos adaptativos no domínio transformado e baseados no (LMS-“Least Mean Square”). Nesse sentido, o primeiro passo é inserir o processo de decomposição no problema da filtragem de Wiener, considerando-se que o filtro é FIR. A partir dessa modificação e das médias estatísticas que envolviam esses sinais é obtida a função custo J. A minimização dessa função conduz a um sistema de equações lineares similares as de Wiener-Hopf. Foi empregada a filtragem de Wiener tradicional e a modificada num esquema de predição linear. Simulações são implementadas a fim de se comparar o comportamento da curva relativa ao erro quadrático médio versus números de amostras, considerando-se que as seqüências envolvidas pertençam a um processo AR(1). Com a incorporação do processo de decomposição na estrutura de filtro adaptativo baseado no algoritmo LMS, se propôs dois esquemas de filtragem adaptativa denominados de D-LMS e DSTr-LMS. Curvas de aprendizagem são usadas na comparação entre as taxas de convergência desses algoritmos e as obtidas pelos NLMS, DST-LMS e o DCT-LMS, quando os mesmos são utilizados na predição linear de processos AR(2) e também de sinais eletromiográficos (EMG). De forma geral, constatou-se um bom desempenho dos algoritmos D-LMS e DSTr-LMS. No caso particular da predição linear de sinais EMG, o DSTr-LMS atingiu uma taxa de convergência tão boa quanto o DST-LMS, porém com um erro de regime permanente inferior.

ASSUNTO(S)

filtros adaptativos processo estocastico processamento de sinais algoritmos

ACESSO AO ARTIGO

Documentos Relacionados