Novo Algoritmo Proporcional com Reúso de Coeficientes e Seleção de Dados

Algoritmos adaptativos devem idealmente apresentar uma alta taxa de convergência, um bom desempenho em regime permanente e um baixo custo computacional. Poucos algoritmos conseguem atender simultaneamente a estes requisitos. Este artigo propõe um problema de otimização local e determinístico cuja solução dá origem a um algoritmo adaptativo que apresenta uma maior taxa de convergência na identificação de sistemas esparsos, devido ao concurso da técnica de adaptação proporcional. Ademais, uma menor complexidade computacional é angariada pela seleção de dados (ensejada pela técnica SetMembership), a qual evita atualizações quando o sinal de entrada não disponibiliza uma quantidade de informação considerada relevante. Por fim, a adoção do reúso de coeficientes permite obter um bom desempenho de identificação em regime permanente, notadamente em cenários de baixa SNR.