Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/33052
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2020_ViniciusOliveiraDaSilva_tcc.pdf442,46 kBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorSilva, Daniel Guerreiro e-
dc.contributor.authorSilva, Vinicius Oliveira da-
dc.identifier.citationSILVA, Vinicius Oliveira da. Deconvolução cega com algoritmo genético e evolução diferencial. 2020. 59 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Redes de Comunicação) — Universidade de Brasília, Brasília, 2020.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, 2020.pt_BR
dc.description.abstractO presente trabalho aplica a técnica de algoritmos evolutivos para a solução do problema da deconvolução cega de sistemas lineares modelados por filtro digital FIR (FiniteIm pulse Response). O problema consiste basicamente em recuperar o sinal de entrada que foi distorcido por um sistema linear e invariante no tempo (desconhecido) ou, equivalentemente, encontrar o mapeamento inverso observando apenas as amostras na saída do sistema. O sinal de entrada é composto por uma sequência de variáveis aleatórias independentes e identicamente distribuídas (i.i.d.), de distribuição de probabilidade pré-determinada. A finalidade dos algoritmos evolutivos na técnica apresentada é a otimização de uma função objetivo que determina os coeficientes do filtro digital que modela o sistema inverso. O trabalho propõe a resolução do problema de duas maneiras: utilizando Algoritmo Genético (GA) e Evolução Diferencial (DE). Resultados experimentais indicam que o método obteve sucesso com a função objetivo dada pela curtose do sinal de saída, enquanto que não foi possível alcançar o mesmo desempenho com a função objetivo dada pela negentropia do sinal.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordSistemas linearespt_BR
dc.subject.keywordAlgoritmospt_BR
dc.titleDeconvolução cega com algoritmo genético e evolução diferencialpt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2022-12-30T13:01:15Z-
dc.date.available2022-12-30T13:01:15Z-
dc.date.submitted2020-12-17-
dc.identifier.urihttps://bdm.unb.br/handle/10483/33052-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1This work applies the evolutionary algorithms technique to solve the problem of blind deconvolution of linear systems modeled by a Finite Impulse Response (FIR) digital fil-ter. The problem basically consists in trying to recover the input signal of an unknown linear, time-invariant system or, equivalently, to find the inverse system by only observing the samples of the system output. The input signal is a sequence of independent and identically distributed (i.i.d.) random variables, with a predefined probability distribution. The intent of the evolutionary algorithms in this technique is to optimize an object function which sets the inverse system coefficients. The work proposes to solve the problem in two different ways: by applying the Genetic Algorithm (GA) and by usingDifferential Evolution (DE). Experimental results showed that the method is successfulwhen the kurtosis is the objective function, but when negentropy is the objective function,the technique did not achieve equivalent results.pt_BR
Aparece na Coleção:Engenharia de Redes de Comunicação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.