[en] NOVEL SPARSE SYSTEMS LEAST SQUARES ESTIMATION METHODS
[pt] Neste trabalho, quatro métodos projetados especificamente para a estimação de sistemas esparsos são originalmente elaborados e apresentados. São eles: Encolhimentos Sucessivos, Expansões Sucessivas, Minimização da Norma l1 e Ajuste Automático do fator de regularização do Custo LS. Os quatro mét...
| Author: | |
|---|---|
| Format: | doctoral thesis |
| Status: | Published version |
| Publication Date: | 2016 |
| Country: | Brasil |
| Institution: | Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
| Repository: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
| Language: | Portuguese |
| OAI Identifier: | oai:MAXWELL.puc-rio.br:26712 |
| Online Access: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26712&idi=1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=26712&idi=2 http://doi.org/10.17771/PUCRio.acad.26712 |
| Access Level: | Open access |
| Keyword: | [pt] TRANSMISSAO DIGITAL [pt] IR - IMPULSE RADIO [pt] UWB - ULTRA WIDEBAND [pt] COMPRESSIVE SENSING [pt] OTIMIZACAO CONVEXA [pt] ESTIMACAO DE CANAIS ESPARSOS [pt] IDENTIFICACAO DE SISTEMAS ESPARSOS [pt] ESTIMACAO DE SISTEMAS ESPARSOS [en] DIGITAL TRANSMISSION [en] CONVEX OPTIMIZATION |
| Summary: | [pt] Neste trabalho, quatro métodos projetados especificamente para a estimação de sistemas esparsos são originalmente elaborados e apresentados. São eles: Encolhimentos Sucessivos, Expansões Sucessivas, Minimização da Norma l1 e Ajuste Automático do fator de regularização do Custo LS. Os quatro métodos propostos baseiam-se na técnica de estimação de sistemas lineares e invariantes no tempo pelo critério dos mínimos quadrados, universalmente conhecida por sua denominação em inglês - Least Squares (LS) Estimation, e incorporam técnicas relacionadas a otimização convexa e à teoria de compressive sensing. Os resultados obtidos em simulações mostram que os métodos em questão têm desempenho superior que a estimação LS convencional e que o algoritmo Recursive Least Squares (RLS) com regularização convexa denominado l1-RLS, em muitos casos alcançando o desempenho ótimo apresentado pelo método de estimação LS Oráculo, no qual o suporte da resposta ao impulso em tempo discreto do sistema estimado é conhecido a priori. Além disso, os métodos propostos apresentam custo computacional menor que do algoritmo l1-RLS. |
|---|