Resumo-O processamento de sinais em grafos tem atraído a atenção da comunidade científica por ser uma ferramenta interessante para lidar com grandes quantidades de dados interrelacionados. Recentemente, foi proposto um algoritmo difuso para a filtragem adaptativa de sinais sobre grafos. Entretanto, esse algoritmo apresenta um custo computacional elevado, pois todos os nós do grafo são amostrados mesmo em regime permanente. Neste trabalho,é proposto um método adaptativo de amostragem para esse algoritmo que permite uma redução no custo computacional em regime permanente preservando-se o desempenho do algoritmo. Tambémé apresentada uma análise para facilitar a escolha de seus parâmetros. Palavras-Chave-Processamento de sinais em grafos, amostragem em grafos, adaptação difusa, filtragem em grafos, combinações convexas. Abstract-Graph signal processing has attracted attention in the signal processing community, since it is an effective tool to deal with large quantities of interrelated data. Recently, a diffusion algorithm for graph adaptive filtering was proposed. However, it suffers from high computational cost since all nodes in the graph are sampled even in steady state. In this paper, we propose an adaptive sampling method for this solution that reduces the computational cost in steady state, while maintaining convergence rate and steady-state performance. We also present an analysis to give insights about proper choices for its adaptation parameters.

Resumo-Processamento de sinais em grafos tem despertado interesse na comunidade científica, pois consiste em uma ferramenta eficiente para representar grandes quantidades de dados inter-relacionados. Encontra aplicações emáreas como redes de comunicação, análise de imagens, estimação de temperatura, etc. Recentemente, foram propostas duas soluções adaptativas para o processamento de sinais em grafos baseadas no algoritmo LMS (least-mean-squares). Neste artigo, elas são revisitadas e comparadas por meio de simulações. Verifica-se que uma delas apresenta maior dificuldade em acompanhar variações do sinal de entrada, o que dificulta a escolha do passo de adaptação.