Classificação, análise estatística e novas estratégias de algoritmos LMS de passo variável

Abstract

Este trabalho de pesquisa visa o estudo de algoritmos LMS de passo variável (VSSLMS) objetivando: classificá-los segundo uma nomenclatura unificada, realizar uma análise estatística dos mais importantes algoritmos e desenvolver novas estratégias de ajuste do passo de adaptação originando, com isso, novos algoritmos. Os algoritmos VSSLMS têm grande importância prática, visto que apresentam um melhor desempenho em relação aos de passo fixo, permitindo a obtenção simultânea de uma rápida convergência com menor desajuste. A literatura técnica apresenta um grande número de trabalhos que tratam de algoritmos VSSLMS. A classificação dos principais algoritmos VSSLMS apresentada neste trabalho baseia-se no estudo dos diferentes princípios de ajuste do passo de adaptação utilizados. A partir desse estudo, uma modificação em um algoritmo VSSLMS existente, baseado no gradiente do erro quadrático, e dois novos algoritmos VSSLMS, com base na autocorrelação do erro são propostos, sendo um deles não-paramétrico e com elevada imunidade a variações no nível do ruído de medição. Também, são desenvolvidos modelos estocásticos de seis importantes algoritmos VSSLMS, permitindo uma análise mais aprofundada de cada estratégia e fornecendo uma ferramenta de predição de desempenho de tais algoritmos. Resultados de simulação numérica comparam o desempenho das estratégias estudadas em um cenário comum, comprovam o desempenho dos novos algoritmos propostos e atestam a precisão dos modelos desenvolvidos.