General tracking analysis of adaptive filters and their combinations (2024)
- Authors:
- Autor USP: VIDAL, DANIEL DA COSTA - EP
- Unidade: EP
- Sigla do Departamento: PSI
- Assunto: FILTROS DE KALMAN
- Agências de fomento:
- Language: Inglês
- Abstract: Filtros adaptativos são amplamente utilizados em cenários onde o ambiente apresenta variações no tempo, tornando filtros fixos inadequados para desempenhar a tarefa desejada de forma eficiente. Exemplos de aplicação incluem equalização de canal, cancelamento de eco acústico, identificação de sistemas, entre outros. A principal característica dos filtros adaptativos é sua habilidade de acompanhar mudanças nas estatísticas do sinal em ambientes não estacionários. Entretanto, como sao frequentemente aplicados em sistemas reais, seus algoritmos devem ser projetados para operar com baixa complexidade computacional. O algoritmo Least Mean Squares (LMS) é um dos mais populares devido à sua simplicidade e eficiência, apresentando uma complexidade computacional linear. Por outro lado, o algoritmo Recursive Least Squares (RLS) destaca-se pelo excelente desempenho em termos de rastreamento e convergência, mas exige um custo computacional elevado, geralmente de ordem quadrática. Em cenários dinâmicos, esquemas de combinação de filtros oferecem vantagens ao integrar as características de rastreamento de diferentes algoritmos. A combinação de filtros de diferentes famílias, como LMS e RLS, permite explorar as propriedades de cada um, a rápida convergência do RLS com a simplicidade e baixa complexidade do LMS. Embora tenha alta complexidade computacional, usualmente cúbica, o filtro de Kalman é amplamente empregado em diversas áreas, como navegação e processamento de imagens. Esse filtro ´e considerado ótimo, desde que os ruídos sejam gaussianos e os parâmetros estimados sigam um modelo linear. Diferentemente dos filtros adaptativos, o projeto do filtro de Kalman requer conhecimento prévio tanto do modelo do sistema quanto das estatísticas envolvidas. Nesse contexto, esta Tese investiga odesempenho dos filtros adaptativos LMS, Normalized- LMS e RLS, bem como de combinações entre LMS e RLS, em comparação com o filtro de Kalman, utilizando um modelo linear mais geral. Diversas configurações para um modelo linear foram analisadas para realizar uma comparacao detalhada entre os algoritmos. Além disso, foi desenvolvido um esquema de combinacao de filtros adaptativos com passos variáveis, resultando em um algoritmo de complexidade linear e independente de modelo, que combina o LMS com o RLS-DCD, uma aproximação de baixa complexidade para o filtro RLS.
- Imprenta:
- Data da defesa: 12.12.2024
-
ABNT
VIDAL, Daniel da Costa. General tracking analysis of adaptive filters and their combinations. 2024. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052025-101159/pt-br.php. Acesso em: 24 dez. 2025. -
APA
Vidal, D. da C. (2024). General tracking analysis of adaptive filters and their combinations (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052025-101159/pt-br.php -
NLM
Vidal D da C. General tracking analysis of adaptive filters and their combinations [Internet]. 2024 ;[citado 2025 dez. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052025-101159/pt-br.php -
Vancouver
Vidal D da C. General tracking analysis of adaptive filters and their combinations [Internet]. 2024 ;[citado 2025 dez. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-27052025-101159/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
