UNIVERSIDADE FUMEC - FACULDADE DE ENGENHARIA E ARQUITETURA Engenharia de Telecomunicações Processamento Digital de Sinais

A utilização de DSP´s em sistemas de radar.

Breno G. Laia Poliana Tafarelo Raphael Lima

Belo Horizonte 2010

Poliana, Breno e Raphael

A utilização de DSP´s em sistemas de radar.

Este artigo descreve porque a utilização de DSP´s em sistemas de radares. Uma vez que os DSP´s utilizam diferentes formas e parâmetros de extrair a informação do sinal recebido. Professor: Gilberto

Belo Horizonte 2010

AGRADECIMENTOS Ao nosso professor Gilberto que tornou possível a realização deste trabalho. de alguma forma. . Aos nossos colegas de classe pela rica troca de experiências. contribuíram para esta construção. A todos que.

é como o homem que lavra e não semeia."Quem estuda e não pratica o que aprendeu." Provérbio Árabe .

..................6 Luta contra interferências.....1 Transformada de Wavelet contínua...................................................5 Tempo e gerenciamento de energia......................................12 6 DETECÇÃO DE SINAIS ................................................................................................................ 7 3 FUNCIONAMENTO DE UM RADAR MODERNO......................................................................12 5..14 8 FERRAMENTAS MATEMÁTICAS UTILIZADAS NA SOLUÇÃO DO PROBLEMA...............................11 5............................................................................11 5...................................................................................14 8.........12 5....22 11 CONCLUSÃO.......................................................................................24 ..................CONTEÚDO 1 INTRODUÇÃO.......................11 5........................................................................................................................................................................................1 Combinando informações............................................7 2 OBJETIVO............................................................................................13 7 PORQUE DA UTILIZAÇÃO DE DSP’S...............11 5.............8 4 ESTRUTURA DE UM SISTEMA DE RADAR MODERNO...........................2 Técnica de deinterleaving por meio da transformada de wavelet contínua 18 9 PROBLEMAS DA TÉCNICA DE DEINTERLEAVING POR MEIO DA TRANSFORMADA DE WAVELET CONTÍNUA......................................................................................2 Formação de trilhas a seguir....................................................................................................9 5 OUTRAS FUNÇÕES DE UM DSP...................................................4 Mapeamento desordenado...............14 8..................3 Resolver ambigüidade na faixa ou Medições Doppler...............20 10 REDES NEURAIS ARTIFICIAIS.................................... 24 12 BIBLIOGRAFIA............................................

.......13 Figura 4 Resolução no plano tempo-freqüência da Short Time Fourier Transform ........................................................ parte imaginária...21 Figura 9 Diagrama em blocos do sistema de deinterleaving de sinais radar pulsados por meio de técnica da transformada de wavelet contínua modificada com sub-amostragens e filtragem digital............ ....................................................................................................................................................................................... módulo e espectro..........................................10 Figura 3 Parâmetros geralmente medidos para um sinal pulsado....................................................FIGURAS Figura 1 Deslocamento na freqüência provocado pelo efeito Doppler entre os sinais transmitidos e refletidos......................................................................................................22 ....................16 Figura 6 Processo de análise Wavelet de um sinal para uma função ψ (t) deslocada e escalonada.............15 Figura 5 Resolução no plano tempo-freqüência obtido pela Transformada de Wavelet.........................................18 Figura 7 Gráficos da wavelet-mãe ψ (t) para M igual a 12: parte real...............................19 Figura 8 Papel do pré-processamento no aumento do tempo entre as amostras.............................................8 Figura 2 Diagrama de Blocos de um sistema de radar moderno.................................................................................................................

ANEXOS .

7 1 INTRODUÇÃO Com o advento da flexibilidade e versatilidade de técnicas de processamento digitais. 2 OBJETIVO Mostrar de forma simples a contribuição dos DSP´s no avanço tecnológico ligado a Radares. foram desenvolvidos. e agora podem ter uma melhor capacidade digital. Em outra vertente os Radares continuaram a ser utilizados. vários circuitos integrados digitais de altíssima velocidade. . uma melhor detecção e extração dos sinais recebidos e assim ocorre uma melhoria a reconstrução da imagem. Os DSP´s vêm contribuindo para que nos radares ocorram um melhor processamento.

velocidade. como os contínuos. Um Radar moderno transmite sinais de rádio em objetos distantes e faz a análise dos reflexos. Existem muitos tipos de Radares. No final do transmissor. posição angular. refletirão porções desta energia (ecos) de volta para o RADAR. Os dados recolhidos podem incluir a posição e o movimento do objeto. Sistemas RADAR utilizam formas de ondas particulares e antenas direcionais para transmitir energia em um volume específico do espaço a fim de procurar objetos. os quais se estiverem dentro daquele volume. que gera os pulsos e as formas de transmissão. E eles são utilizados nas mais diversas aplicações. abertura sintética. também como pode identificar o objeto através da sua “assinatura”. Em vários destes tipos de radares o sistema de processamento digital de sinal (DSP) é amplamente utilizado.8 3 FUNCIONAMENTO DE UM RADAR MODERNO RADAR é uma abreviação para Radio Detection and Ranging. são os DSP´s que controlam os feixes de antena enquanto . CW e Groud Penetrating. desde o controle de trafego aéreo às previsões de tempo. Esses ecos são processados pelo receptor do RADAR obtendo-se informações como distância. que é a reflexão que o objeto gera. Doppler. e outras características. Figura 1 Deslocamento na freqüência provocado pelo efeito Doppler entre os sinais transmitidos e refletidos.

incluindo STAP (space time adaptive processing. ou controle de qualquer outro hardware. A extremidade dianteira do receptor do radar ainda é freqüentemente analógica. pois o tempo de chegada traduz em intervalos até o alvo. A principal tarefa de um processar o de sinal em um radar é a tomada de decisão. Esta decisão é dificultada pelo ruído. devido às altas freqüências envolvidas. Podemos também utilizar DSP´s para um controle rápido das interfaces para detectar a posição da antena.9 no receptor o padrão é os DSP´s realizarem diversas tarefas complexas. No entanto a tecnologia digital esta chegando cada dia mais perto da Antena. O computador de rastreamento do radar mais moderno faz todas as funções. Após um sinal transmitido. . pois o mesmo entra no sistema através da antena. mantendo o controle de metas além de executar o sistema de exibição. o computador de controle e o sinal gerador. e após esta análise tem que tomar uma decisão para cada um dos intervalos. processamento de tempo e espaço adaptativo). E pela programação. O DSP (processador de sinal digital) faz a varredura em todo o período de tempo. o receptor começa a receber os sinais de retorno. ou seja. as antenas são adequadas e os sinais são transmitidos em função do tempo. 4 ESTRUTURA DE UM SISTEMA DE RADAR MODERNO Os principais componentes de um radar moderno são: A antena. interpretando se neste intervalo possui um objeto ou não. com aqueles provenientes de objetos que estão mais perto e chegam primeiro. remoção de ruídos e beamforming (orientação eletrônica de direção). toda a elétrica do radar e também no caminho do sinal produzido pelo ar.

Uma regra geral é que a probabilidade gire em torno de 90% detecção e uma taxa de alarme falso de 10%. o retorno do sinal de um objeto distante é incrivelmente fraco. isto é. a probabilidade de detecção (Pd) vai cair. Se o limite for demasiado elevado. ou seja. É muito difícil definir um limite para a decisão se um pico é um ruído ou um sinal real. . O sinal de retorno às vezes é metade da média do nível do sinal original e às vezes o ruído vem “embaralhado” com o próprio sinal. os atuais objetos são suprimidos. os picos do ruído serão identificados como objeto. por conta de uma chuva). Já se o limite for muito baixo.10 Figura 2 Diagrama de Blocos de um sistema de radar moderno Mesmo desprezando a atenuação atmosférica. Existe um dado conhecido como CFAR (Constant false alarm rate). um circuito CFAR inspeciona um intervalo após o outro e compara o nível do sinal encontrado com os níveis de sinal encontrados nos seus “slots” vizinhos. a probabilidade de falsos alarmes (Pfa) irá crescer. Ao invés de manter o limite em um ponto fixo. então o circuito CFAR irá elevar o limiar de conformidade. Se o nível de ruído é bastante elevado em todas estas amostras (por exemplo.

5. Doppler ou mesmo outros são ambíguas. as leituras para a escala. número de vôo ou estado de combustível. O DSP é consciente disto e seleciona um PRF diferente quando o objeto em questão é medido novamente. Radares de monitoramento militar utilizam esta informação para pontaria ou orientadores de mísseis em algum momento da colisão calculada. o radar pode calcular um vetor de vôo que indique a velocidade de um avião e a posição esperada para o próximo período de verificação. Os radares do Aeroporto são capazes de rastrear centenas de alvos simultaneamente e a segurança de vôo depende muito de sua confiabilidade. Na terra.11 5 5.1 OUTRAS FUNÇÕES DE UM DSP. altura. as ambigüidades podem ser eliminadas e a posição verdadeira do alvo pó ser detectada. 5. Combinando informações Radares de vigilância secundária.2 Formação de trilhas a seguir Ao correlacionar os conjuntos de dados que foram obtidos nos sucessivos ciclos de leitura. Os pilotos podem emitir um sinal de socorro através do transponder. o processador de sinal digital do radar combina esses dados com suas próprias medidas de alcance e orientação angular e aloca estas informações todas juntas no local apropriado no âmbito de aplicação. Com um quadro adequado de PRF´s. .3 Resolver ambigüidade na faixa ou Medições Doppler Dependendo da freqüência de repetição do pulso de radar (PRF). como as situadas nos aeroportos pode pedir á aeronave informações como.

carros.12 5. 2. pode ser criada de propósito (se chama de bloqueio) e é um dos meios de contramedidas eletrônicas.Natural. Já o sistema de gerenciamento de energia é necessário para que não ocorra superaquecimento no circuito transmissor. montanhas e etc. . 5. pode ser uma forte chuva.6 Luta contra interferências As interferências podem ser: 1. Em um mapa as desordens servem para elevar o limiar de decisão em áreas conhecidas onde estes elementos estão localizados.5 Tempo e gerenciamento de energia A gestão do tempo é importante e serve para manter uma fila de prioridade de todas as tarefas e elaborar um cronograma para o feixe direcional.Pelo homem. Em terra.4 Mapeamento desordenado A desordem é o termo coletivo que podemos utilizar para todas as medições errôneas em uma tele de radar. 5. tempestade de granizo ou outros tipos de condições de propagação variados. elas provem de prédios.

. Contudo. O ângulo de chegada é considerado um parâmetro valioso para o Deinterleaving cisto que um emissor não pode mudar rapidamente sua posição. todos com amplitude ou fase casados. Os parâmetros medidos em cada pulso interceptado são digitalizados em palavras digitais (pulse discriptos words – PDWs). Outros parâmetros como largura e tempo de chegada também são utilizados. processo conhecido como Deinterleaving. Os parâmetros mais comuns para a realização do Deinterleaving são a freqüência da portadora e o ângulo de chegada. que formam um conjunto de vetores no espaço de parâmetros. geralmente requerendo certa quantidade de antenas e receptores. o ângulo de chegada é um dos parâmetros mais difíceis de medir.13 6 DETECÇÃO DE SINAIS Figura 3 Parâmetros geralmente medidos para um sinal pulsado. Comparando vetores de múltiplos pulsos torna possível isolar os pulsos de um emissor particular.

SCHAFER. as Transformadas Rápidas de Fourier (Fast Fourier Transform – FFT). As redes neurais são particularmente úteis para classificar dados ligados a valores reais em que se deseja obter uma saída dotada de valor real.1 Transformada de Wavelet contínua O Processamento de sinais está relacionado com a representação. o que facilitaria tarefas posteriores como identificação. faz com que sejam rapidamente resolvidas.14 7 PORQUE DA UTILIZAÇÃO DE DSP’S A utilização de processamento de sinais representa uma oportunidade para a extração das informações de forma mais rápida. por exemplo. a fim de que o tempo necessário para a identificação do sinal radar seja minimizado. O processamento de sinais digitais surgiu em meados de 1960 (OPPENHEIM. transformação e manipulação de sinais e da informação que eles contêm. em extrema velocidade. 8 FERRAMENTAS MATEMÁTICAS UTILIZADAS NA SOLUÇÃO DO PROBLEMA. uma alternativa para a identificação dos sinais radar seria a utilização de Redes Neurais. Os Processadores Digitais de Sinais (Digital Signal Processor – DSP) são otimizados para lidar com o processamento de sinais. Isso representa mais um atrativo para a utilização de técnicas de processamento de sinais. As redes neurais irão realizar uma classificação por graus. Desta forma. Além disso. bem como às histogramações. podem-se associar as redes neurais ao processamento de sinais. . dado que as informações principais já estariam disponíveis. supondo a existência de um aprendizado prévio nas redes neurais. e serão capazes de expressar valores equivalentes a "não conhecido com certeza". uma instrução complexa. 1989) como um novo ramo do processamento de sinais devido ao potencial e viabilidade de implementação do processamento de sinais em tempo real utilizando computadores digitais. ou até mesmo as histogramações. A capacidade que os DSPs têm de repetir. 8.

bem como não é eficiente para a análise de sinais de duração finita. D. sendo definida por: Onde g*(t) é o complexo conjugado de g(t). Estes sinais são muito bem estudados por meio da Transformada de Fourier – TF. Em 1946. Figura 4 Resolução no plano tempo-freqüência da Short Time Fourier Transform . A TF não é adequada para a análise desses sinais. Gabor criou a transformada conhecida como Short Time Fourier Transform – STFT. que faz uso de uma “função janela” g(t-τ). a TF é dada por: Os sinais não estacionários apresentam transientes que não podem ser previstos. Para um sinal f(t). Os sinais utilizados no processamento de sinais digitais podem ser estacionários quando suas propriedades são estatisticamente invariantes no tempo.15 Um aspecto fundamental do processamento de sinais digitais reside no processamento de seqüências de amostras. o que torna a STFT inadequada para analisar sinais que apresentem ao mesmo tempo componentes de alta e baixa freqüência. Contudo. pois sua base tem duração infinita. A Figura 3 ilustra a resolução tempo-freqüência obtido pela STFT. pois são decompostos em combinações lineares de senos e co-senos por meio das funções . a função janela g(t) tem comprimento fixo.

Assim. que gera as bases a partir de deslocamentos e dilatações onde a é a escala. Seja ψ (t) uma função de valor real. e b é o termo responsável pelo deslocamento. de suporte compacto e oscilatório. dado que: Temos: Significando que Ψ(ω) deve ser oscilante e de média nula. cuja transformada de Fourier satisfaz a condição de admissibilidade onde ψ é uma constante e C Ψ(ω) é a TF da wavelet-mãe ψ (t) . . Figura 5 Resolução no plano tempo-freqüência obtido pela Transformada de Wavelet. Essa condição de admissibilidade equivale a exigir que a função Ψ(ω) se anule na origem. Assim. denominado wavelet-mãe. responsável pela dilatação. ψ (t). a duração da Wavelet ψ (t) pode ser ajustada em função do conteúdo de freqüências do sinal a ser analisado. chamada wavelet-mãe. ou da ênfase que se deseja colocar na análise das baixas ou altas freqüências do sinal.16 A construção de uma wavelet é realizada a partir de uma função básica.

2002). A pequenez refere-se ao fato de que elas são localizadas em tempo. b é o parâmetro responsável pelo deslocamento de ψ (t) ao longo do tempo. a transformada de Wavelet Contínua é definida pela seguinte expressão: Conforme já mencionado.17 A wavelet-mãe ψ (t) deve ser uma função janela. mas sim o resultado da análise do sinal para uma gama de valores de a. Meyer e seus colegas. na tese do matemático alemão Alfred Haar (ZANANDREA. ou seja. pois essas bases são construídas por senos e co-senos infinitos. Estas funções senoidais e co-senoidais estão perfeitamente localizadas no espaço de freqüência. ou seja: De tal forma que ψ (t) é contínua em ℜ. Como seu nome sugere. 2002). A TW não envolve implicitamente o conceito de freqüência. Os métodos de análise de wavelet foram desenvolvidos principalmente por Y. Isso contrasta com o comportamento das bases de Fourier. que asseguraram a disseminação destes métodos (ZANANDREA. Considerando-se então ψ (t) uma função oscilatória e de curta duração. e o parâmetro de escala a é responsável pela compressão ou dilatação. Wavelets literalmente significa pequenas ondas (small waves). O conceito de ondeletas na forma teórica presente foi inicialmente proposto por Jean Morlet e Alex Grossmann. a Transformada de Wavelet decompõe um sinal em convenientes conjuntos de bases de funções. oscilam e suas curvas têm um decaimento a zero em área algébrica. O algoritmo principal data do trabalho de Stephanie Mallat em 1988 (ZANANDREA. Por outro lado. Assim como a transformada de Fourier (TF). A Transformada de Wavelet – TW oferece uma solução para esta restrição. elas são ondas. as Wavelets caem a zero quando t →±∞ e desfrutam de boa propriedade de localização no tempo. dos valores . mas não decrescem a zero como uma função do tempo. 2002). A primeira menção registrada ao termo “wavelet” ocorreu em 1909. na França.

a função detectora possui dois argumentos. T. Cabe observar que a informação de largura de pulso não é utilizada nessa técnica. Assim. e baseia-se na CWT para a detecção de seqüências de pulsos radar intercaladas (interleaved). decorre outro aspecto importante deste processo de análise: a escolha da wavelet-mãe.2 Técnica de deinterleaving por meio da transformada de wavelet contínua A técnica aqui apresentada foi proposta por DRISCOL e HOWARD (1999). Assim. Figura 6 Processo de análise Wavelet de um sinal para uma função ψ (t) deslocada e escalonada. A escolha da wavelet-mãe está intimamente ligada com o formato do sinal que desejamos analisar. T e t. 8. A Figura 6 ilustra o processo de análise do sinal pela CWT em função de um valor de ψ (t) escalonada de a e deslocada de b. Os sinais radar são representados como um conjunto de impulsos superpostos em função de seus tempos de chegada (TOA). O parâmetro de escala. à posição no tempo. de certa forma. e o parâmetro de deslocamento. à similaridade da waveletmãe com o trecho do sinal analisado.18 da duração da janela ψ (t). está associado à característica periódica dos sinais (Intervalo de Repetição de Pulsos). como na CWT. em muitos casos torna-se interessante utilizar uma wavelet-mãe que se assemelhe ao formato de sinal que será estudado. Assim. para aquele valor de escala e deslocamento. Os valores obtidos correspondem. A wavelet-mãe utilizada é: . t.

Radares de busca recebem por volta de dez a doze pulsos refletidos. e é uma função janela. A Figura 3. imaginário. Figura 7 Gráficos da wavelet-mãe ψ (t) para M igual a 12: parte real. A resolução espectral obtida é (1/M)T. . e M é um parâmetro ajustável relativo à resolução da função detectora. Ainda.3 quando M é um inteiro positivo. do módulo e do espectro da wavelet-mãe para M igual a 12. e representa o menor número de pulsos que se espera receber ou se deseja detectar.19 onde χ (t) é uma janela retangular de comprimento unitário. Um valor prático para o parâmetro M é 12. como na equação 3. ela é oscilante e de média nula.4 ilustra os valores real. Este parâmetro determina o número de ciclos da exponencial complexa contida na janela χ (t). parte imaginária.6. módulo e espectro. A wavelet-mãe ψ (t) satisfaz a condição de admissibilidade da equação 3.

c) Complexa – as variações do PRI são do tipo jitter ou wobulated. é interessante num primeiro momento para a identificação. 9 PROBLEMAS DA TÉCNICA DE DEINTERLEAVING POR MEIO DA TRANSFORMADA DE WAVELET CONTÍNUA A técnica proposta por DRISCOLL e HOWARD (1999). A técnica requer a utilização da transformada contínua de wavelet uma vez que os valores de escalas testados são os valores de PRI que desejamos detectar. entre outros. para a determinação precisa dos parâmetros desejados. a saber: a) Simples – o valor do PRI é constante. apesar de fundamentada na transformada de wavelet contínua. A técnica. Conforme apresentado. tem sua aplicação voltada para sistemas discretos. os radares pulsados associados a armamentos têm sua freqüência portadora principalmente na faixa entre 2 e 18 GHz. Um valor de limiar a sugerido pelo autor da técnica é 0.6. Esta função detectora é sensível a variações de PRI de seqüências de pulsos radar de três tipos. Observa-se que a técnica de deinterleaving por meio da transformada de wavelet contínua é eficiente na identificação dos valores de PRI das seqüências de pulsos radar recebidos. . por não ser muito precisa nos valores obtidos. que requerem a amostragem dos sinais. localização no tempo e determinação da quantidade de emissores presentes. não sendo interessante utilizar a transformada discreta de wavelet com as escalas dadas por 2j. e representa a ocorrência de uma seqüência de pulsos radar com valor de PRI igual a T no instante t. podem-se associar algoritmos de histogramação. entre outras. b) Stagger – as variações do PRI obedecem a uma seqüência de valores simples. A partir do seu resultado. com j inteiro. o que exigiria sistemas com taxa de amostragem da ordem de nano segundos de acordo com o Teorema de Nyquist.t) ultrapassa um determinado limiar a (threshold). pois grande parte dos valores de PRI não seria testada.20 Uma detecção ocorre quando o valor da função D(T.

sabendo-se que a faixa de PRI prático varia entre 2 e 10000 μs. é emitido um sinal pulsado em uma freqüência mais baixa. um período de amostragem aceitável seria da ordem de décimos de microssegundos. o PRI. Assim. ou o seu análogo.21 Contudo. Figura 8 Papel do pré-processamento no aumento do tempo entre as amostras. . Para resolver o problema do tempo entre as amostragens. o período de amostragem necessário é determinado pelos valores de freqüência de repetição dos pulsos. como em uma modulação. PRF. se a informação de freqüência da portadora não é necessária ou não pode ser obtido (como nos receptores de cristal vídeo). Utilizando um pré-processamento o tempo necessário para as amostragens sai da casa nos nano segundos para micro segundos possibilitando assim o processamento das informações pertinentes.

convencionou-se chamar redes neurais artificiais a toda topologia de processamento de sinais constituída de vários elementos processadores simples altamente interconectados. Algumas funções conhecidas são linear. que direcionará o ajuste dos pesos para minimização do erro. A Figura 3. as quais devem ser não lineares e diferenciáveis. os quais armazenam o conhecimento representado no modelo e servem para ponderar a entrada recebida por cada neurônio da rede. Pesquisadores investigaram o número de camadas intermediárias necessárias para a implementação de classes de funções em uma RNA. Um dos principais aspectos relacionados ao projeto de redes MLP diz respeito à escolha da função de ativação. isto é. . e observaram que uma camada intermediária é suficiente para aproximar qualquer função contínua. geralmente unidirecionais. A utilização de funções de ativação na saída dos nodos derivou do modelo proposto por McCulloch e Pitts. 2004). Já duas camadas intermediárias são suficientes para aproximar qualquer função matemática. O funcionamento destas redes é inspirado em uma estrutura física concebida pela natureza: o cérebro humano (BRAGA et al. 2000). Contudo. A não linearidade é requerida para a resolução de problemas não linearmente separáveis. Tais unidades são dispostas em uma ou mais camadas e interligadas por um grande número de conexões.22 Figura 9 Diagrama em blocos do sistema de deinterleaving de sinais radar pulsados por meio de técnica da transformada de wavelet contínua modificada com sub-amostragens e filtragem digital. degrau e sigmoidal. estruturas baseadas no conexionismo (BAUCHSPIESS. Na maioria dos modelos estas conexões estão associadas a pesos. Já a necessidade de serem diferenciáveis justifica-se pelo cálculo do gradiente. rampa. RNAs são sistemas paralelos distribuídos compostos por unidades de processamento simples (nodos) que calculam determinadas funções matemáticas (normalmente não lineares).17 ilustra as curvas das funções de ativação mais comuns. Trata-se de funções aplicadas às saídas dos nodos permitindo quaisquer valores de saídas. 10 REDES NEURAIS ARTIFICIAIS As Redes Neurais Artificiais (RNA) tiveram como origem modelos matemáticos e de engenharia baseados nos neurônios biológicos.

di é a i-ésima saída desejada e yi é a i-ésima saída gerada pela rede. 2000).23 No aprendizado não-supervisionado não há um supervisor externo para acompanhar o processo de aprendizado. de forma que a maioria dos métodos de aprendizado para essas redes utiliza variações desse algoritmo. O algoritmo de aprendizado mais conhecido para treinamento das redes MLP é o backpropagation. utilizando pares compostos por entrada e saída desejada para que. somente os padrões de entrada estão disponíveis para a rede. muito lento e suscetível a problemas de treinamento. Esse algoritmo é. sendo por isto também chamada regra delta generalizada (BRAGA et al. Para acelerar a convergência. O algoritmo back-propagation é baseado na regra delta. Tem por objetivo a minimização de uma função de custo baseada na soma dos erros quadráticos: onde E é a medida do erro total. Há diversos métodos para implementação de aprendizado não-supervisionado. que define a saída da rede para um dado padrão de entrada. podendo ocorrer falsos pontos de convergência em regiões de gradiente próximos a zero (mínimos locais). por meio de um mecanismo de correção de erros. utilizamse variantes do back-propagation (BRAGA et al. Para estes algoritmos. desenvolve-se nela uma habilidade de formar representações internas para codificar características da entrada e criar novas classes ou grupos automaticamente. não é objeto de estudo nesta dissertação. O treinamento ocorre em duas fases. os pesos da rede sejam ajustados. e fase backward. que a saída fornecida e a saída desejada para atualizar os pesos das conexões. Contudo. que utilizam tendências . conhecidas como fase forward. Esse algoritmo é supervisionado. 2000). p é o número de padrões. A partir do momento em que a rede estabelece uma harmonia com as regularidades estatísticas da entrada de dados. k é o número de unidades de saída. proposta por Widrow e Hoff. em geral.

Resilient Backpropagation e Levenberg-Marq 11 CONCLUSÃO Com este trabalho podemos terminar a matéria que tivemos neste segundo semestre de 2010 sobre processamento digital de sinais. entre outros. ou taxa de aprendizagem adaptativa e momento.24 recentes da superfície de erro e momento. As medições em radares (citados no trabalho) precisam de uma dinâmica rápida de leitura e processamento dos dados obtidos. os algoritmos Quickprop. pois tudo tem que estar de acordo com o tempo-real. como por exemplo. com um exemplo prático da utilização destes rápidos microprocessadores especializados em processamento digital de sinal. E esta possibilidade somente é permitida com a utilização de DSPs poderosos. 12 BIBLIOGRAFIA .

ti.org/wiki/DSP http://pt.wikipedia.freeuk.htm http://www.com http://www.25 http://pt.dsptutor.com/intro.wikipedia.br .cbpf.org/wiki/Transformada_de_Fourier http://www.

Sign up to vote on this title
UsefulNot useful