[pt] ALGORITMOS ADAPTATIVOS ROBUSTOS APLICADOS AO CANCELAMENTO ATIVO DE RUÍDO

[en] ROBUST ADAPTIVE ALGORITHMS APPLIED TO ACTIVE NOISE CANCELLATION

[pt] IAM KIM DE SOUZA HERMONT

[pt] ACUSTICA

[pt] PROCESSAMENTO DE SINAL DE AUDIO

[pt] CANCELAMENTO ATIVO DE RUIDO

[pt] METODO DE PROCESSAMENTO ROBUSTO

[pt] FILTRAGEM ADAPTATIVA

[en] ACCOUSTICS

[en] AUDIO SIGNAL PROCESSING

[en] ACTIVE NOISE CANCELLANTION

[en] ROBUST PROCESSING METHOD

[en] ADAPTIVE FILTERING

[pt] O conhecido algoritmo adaptativo denominado least-mean square (LMS) é uma abordagem simples e eficiente para problemas de cancelamento ativo de ruído (ANC). No entanto, na presença de sinais não Gaussianos ou sistemas não lineares, o clássico LMS comumente não alcança um desempenho satisfatório. Por essa razão, um amplo número de técnicas de processamento de sinais adaptativo robustas tem sido investigadas nas últimas décadas. Essa dissertação propõe uma abordagem de filtragem adaptativa robusta para cancelamento ativo de ruído. Em particular, o modelo utiliza a clássica estrutura filtered-X junto ao método desenvolvido neste trabalho, baseado na derivação de uma função tangente hiperbólica exponencial kernel generalizado M estimador (HEKM), o qual alcançou um desempenho ótimo em termos da Redução de Ruído Média (ANR). Os resultados demonstraram o custo-benefício do algoritmo proposto para supressão de diferentes tipos de sinais espúrios na entrada do sistema.

[en] The well-known adaptive algorithm called least-mean square (LMS) is a simple and efficient approach to active noise cancellation application problems. However, in the presence of non-Gaussian noises or non-linear environments, the standard LMS commonly cannot reach satisfactory performance. Therefore, a wide range of robust adaptive processing techniques have been investigated in the last few decades. This thesis proposes a robust adaptive filtering approach for noise cancellation. In particular, the model uses the classical filtered-X framework with the developed method in this research, it is based on hyperbolic tangent exponential generalized Kernel M-estimator function (HEKM), which achieves optimal performance in terms of Average Noise Reduction (ANR). The results demonstrate the cost-effectiveness of the proposed algorithm in suppressing spurious noises in different input systems.

RODRIGO CAIADO DE LAMARE

ANDRÉ ROBERT FLORES MANRIQUE

MARIANE REMBOLD PETRAGLIA

RODRIGO CAIADO DE LAMARE

ANDRÉ ROBERT FLORES MANRIQUE

LUKAS TOBIAS NEPOMUK LANDAU

AMARO AZEVEDO LIMA

2025-03-13

2024-08-27

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=69621@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=69621@2

https://doi.org/10.17771/PUCRio.acad.69621