Combinação Convexa de Filtros Adaptativos Set-Membership

Neste artigo propomos uma combinação convexa de filtros Set-Membership NLMS (SM-NLMS). Iniciamos analisando os efeitos do uso de diferentes parâmetros no filtro Set-Membership simples para então verificar as possíveis características a combinar e suas aplicações. São apresentadas combinações utilizando-se filtros de diferentes comprimentos e com diferentes valores de limiar de erro, 𝜸. É mostrado que usar diferentes comprimentos resulta em um filtro com maior velocidade de convergência, enquanto que combinar filtros com diferentes 𝜸 resulta em um filtro SM menos sensível a variações na SNR, o que também tem a vantagem de aumentar a robustez a erros de detectores de double-talk. Por fim é apresentado um algoritmo de cálculo eficiente para combinações de filtros SM, que tira proveito da sua característica de atualização esparsa de seus coeficientes. Deste algoritmo obtemos duas variações, uma delas bastante eficaz no cálculo de combinações de filtros SM de comprimentos diferentes.