O modelamento matemático de sistemas físicos é fundamental para diversas aplicações de processamento digital de sinais (PDS). Em muitos dos problemas enfrentados nesse contexto, para que um modelo seja útil, é necessário que ele represente seu análogo físico com precisão e possua características favoráveis para implementação, como estabilidade e compacidade. A obtenção de um modelo que atenda a estes requisitos depende da escolha de um formalismo matemático apropriado. Em se tratando do modelamento de sistemas (significativamente) não-lineares, tal decisão é particularmente desafiadora, uma vez que muitos formalismos com propriedades diferentes foram propostos na literatura. Basicamente, isto se deve à inexistência de uma teoria completa e geral para sistemas não-lineares, diferentemente do que ocorre no caso linear. Porém, em diversos trabalhos que lidam com aplicações nas quais é necessário modelar dispositivos não-lineares, adota-se alguma representação sem que sejam fornecidas justificativas claras e fundamentadas em características físicas do sistema a ser modelado. Ao invés disso, esse importante aspecto é discutido apenas superficialmente, com base em argumentos informais ou heurísticos. Adicionalmente, a definição de certas características estruturais de um modelo que possuem grande impacto sobre seu desempenho frequentemente não é feita de maneira sistemática, o que dificulta uma compreensão precisa do potencial do formalismo subjacente. Visando auxiliar na escolha por um formalismo adequado em aplicações de PDS, neste trabalho propõe-se uma metodologia de avaliação do desempenho de formalismos não-lineares que se apoia sobre considerações físicas. Para tanto, emprega-se um modelo físico do sistema de interesse como referência. Mais especificamente, a estratégia adotada baseia-se em fazer uso do método de bilinearização de Carleman para se obter, a partir deste modelo e de um conjunto de parâmetros típicos, um conjunto de núcleos de Volterra de referência. Uma vez que os núcleos de referência são obtidos, pode-se estimar, por exemplo, a ordem e a extensão de memória mínimas que um filtro de Volterra convencional deve possuir para se atingir o nível de precisão desejado, o que permite avaliar se o uso de modelos deste tipo é viável em termos de custo computacional. Quando este não é o caso, as informações fornecidas pelos núcleos podem ser exploradas para se escolher outra representação, como uma estrutura modular ou uma estrutura de Volterra alternativa. Além disso, os núcleos de referência são úteis ainda para se realizar uma avaliação quantitativa do desempenho da estrutura escolhida e compará-lo com aquele apresentado por um filtro de Volterra convencional. Para a realização do cômputo dos núcleos de referência, um algoritmo que implementa eficientemente o método de Carleman foi proposto. Tal algoritmo, juntamente com a ideia básica da metodologia desenvolvida, constituem as principais contribuições deste trabalho. Como estudo de caso, emprega-se um modelo físico para alto-falantes disponível na literatura para a avaliação da adequação de diversas estruturas ao modelamento de dispositivos deste tipo. Com este exemplo, demonstra-se a utilidade dos núcleos de referência para as finalidades supracitadas.

The mathematical modeling of physical systems is essential for several digital signal processing (DSP) applications. In many problems faced in this context, if a model is to be useful, it must represent its physical analog with precision and possess characteristics that favour implementation, such as stability and compactness. In order to obtain a model that meets those requirements, it is indispensable to choose an appropriate formalism. Regarding the modeling of (significantly) nonlinear systems, this decision is a particularly challenging problem, since many formalisms with different properties have been proposed in the literature. Basically, this is due to the inexistence of a complete and general theory for nonlinear systems as there is in the linear case. In several works that deal with applications in which it is necessary to model nonlinear devices, some representation is adopted without the provision of clear and physically motivated justifications. Instead, this important aspect is discussed only superficially, based on an informal or heuristic reasoning. Additionally, the definition of certain structural characteristics of a model which have great influence on its performance is frequently done in a non-systematic manner, which difficults a precise comprehension of the potential of the underlying formalism. Aiming to assist the choice of an adequate formalism in DSP applications, in this work we propose a methodology for evaluating the performance of nonlinear models that relies on physical considerations. For this purpose, a physical model of the system of interest is used as a reference. Specifically, the adopted strategy is based on using the Carleman bilinearization method for obtaining a set of reference Volterra kernels from that model, considering typical parameter values. Once the reference kernels are obtained, we can estimate, for instance, the order and the minimal memory extension that a conventional Volterra filter must have in order to achieve the desired precision level, which allows us to assess whether using models of this type is feasible in terms of computational cost. When this is not the case, the information provided by the kernels may be exploited for choosing another representation, as a modular structure or an alternative Volterra structure. Furthermore, the reference kernels are also useful for quantitatively evaluating the performance of the chosen structure and for comparing it with a conventional Volterra filter. To perform the reference kernels computation, an efficient algorithm for the Carleman method is proposed. This algorithm, together with the basic idea of the developed methodology, constitute the main contributions of this work. As a case study, a physical model for loudspeakers available in the literature is employed for assessing the suitableness of several structures for modeling devices of this kind. With this example, we show the utility of the reference kernels for the aforementioned purposes.