Aprender os fundamentos de sistemas adaptativos e aplicá-los para resolver problemas em engenharia.
Introdução ao problema de filtragem adaptativa e suas formulações. Variáveis aleatórias, distribuições de probabilidade, valores esperados, variância; processos estocásticos e correlação. Matrizes, autovalores e autovetores. Gradiente de funções escalares. Estimação ótima e solução das equações normais; forma direta, algoritmo do gradiente e algoritmo de Newton; curva de aprendizado. Noções de Matlab. Algoritmos adaptativos e curvas de aprendizado: LMS, NLMS, RLS, APA, CMA. Análise do Erro médio quadrático: regime permanente, rastreamento e transiente. Aplicações e Implementação em Matlab e/ou C: Identificação de sistemas, equalização adaptativa, rastreamento de sinais e controle inverso adaptativo. Processamento de Imagens e Redes de Sensores. Implementação em DSPs.
1 Introdução 2 Noções de probabilidade e processos estocásticos; matrizes e gradiente de funções escalares; 3 Estimação ótima; solução das equações normais: direta, algoritmo do gradiente-descendente e algoritmo de Newton; 4 Algoritmos adaptativos I: LMS, NLMS; 5 Algoritmos adaptativos II: RLS, APA e algoritmos cegos; 6 Introdução à análise de desempenho: regime permanente, rastreamento e transiente; 7 Aplicações em Identificação de sistemas, Telecomunicações e Controle; 8 Aplicações em Processamento de Imagens e Redes de Sensores.
Livro-texto: Material didático fornecido pelo professor; V. H. Nascimento and M. T. M. Silva, “Adaptive Filters,” in Academic Press Library in Signal Processing: vol. 1, Signal Processing Theory and Machine Learning, R. Chellappa and S. Theodoridis (editores). Chennai: Academic Press, 2014, pp. 619–761. Adaptive Filters, A. H. Sayed, Wiley, 2008 Adaptive Filtering, Paulo Diniz, 3rd edition, Springer Adaptive Filter Theory, S. Haykin, 3rd edition Probability and Random Processes for Electrical Engineering, Leon-Garcia, 2nd edition, Addison Wesley Matrix Analysis and Applied Linear Algebra, Carl Meyer, SIAM