Filtro

Filtro adaptativo
Ir a la navegaciónIr a la búsqueda
La definición de filtro adaptativo es un dispositivo que intenta modelar la
relación entre señales en tiempo real de forma iterativa.
Se diferencia de los filtros digitales comunes tipo IIR o FIR, en que éstos tienen
coeficientes invariantes en el tiempo, mientras que un adaptativo puede cambiar su
forma de comportarse, es decir pueden cambiar sus coeficientes de acuerdo con un
algoritmo adaptativo. De hecho no se saben los coeficientes del filtro cuando se
diseña, estos coeficientes son calculados cuando el filtro se implementa y se
reajustan automáticamente en cada iteración mientras dura su fase de aprendizaje.
El hecho de que estos filtros no sean invariantes temporales y que tampoco sean
lineales hace que su estudio sea más complejo que el de un filtro digital, ya que
no se pueden aplicar, salvo en un par de excepciones, las transformaciones en
frecuencia, dominio Z, etc.
Índice
1 Implementación
2 Algoritmo
3 Aplicaciones
4 Véase también
5 Enlaces externos
Implementación
Los filtros adaptativos normalmente se implementan en forma de algoritmos sobre
microprocesadores, DSP o FPGA.
La estructura de un filtro adaptativo es un sistema al que le llegan dos señales:

x(n) y e(n), esta última se llama señal de error y viene de la resta de una señal a
la que se llama señal deseada, d(n), y otra que es la salida del filtro y(n). A los
coeficientes del filtro se les llama w(n), que son los que multiplican a la entrada
x(n) para obtener la salida.
Estructura directa de un filtro adaptativo.

{\displaystyle y(n)=w(n)\,x(n)}{\displaystyle y(n)=w(n)\,x(n)}
{\displaystyle e(n)=d(n)-y(n)\,}{\displaystyle e(n)=d(n)-y(n)\,}
En principio el objetivo es hacer que la señal de error sea cero, para ello el
sistema debe configurarse para que, a partir de la señal de entrada x(n) se genera
la salida y(n) de forma que sea igual a la señal deseada d(n). Cada una de las
formas de minimizar ese error es un método de implementar los filtros adaptativos.
Por ejemplo se podría proponer minimizar la función de coste {\displaystyle J=e^{2}
(n)}{\displaystyle J=e^{2}(n)}, aplicando la regla delta se obtendrían los nuevos
coeficientes como:
{\displaystyle w(n+1)=w(n)-\alpha \cdot \nabla J}{\displaystyle

w(n+1)=w(n)-\alpha \cdot \nabla J}
Donde la constante {\displaystyle \alpha }\alpha se usa para ajustar la velocidad

convergencia y evitar posibles inestabilidades. Operando se llega a esta otra
ecuación:
{\displaystyle w(n+1)=w(n)-2\cdot \alpha \cdot e(n)\cdot x(n)}{\displaystyle

w(n+1)=w(n)-2\cdot \alpha \cdot e(n)\cdot x(n)}
Algoritmo
Un algoritmo de aprendizaje de un sistema adaptativo podría ser:
Inicializar de forma aleatoria los pesos

Elegir un valor {\displaystyle \alpha }\alpha
Calcular la salida y(n)
Calcular el error e(n)
Actualizar los pesos con la función de coste elegida
Repetir un determinado número de veces desde el punto 3.
Aplicaciones
Según lo explicado antes se puede plantear una pregunta: si ya se tiene la señal
deseada ¿Para qué crear un sistema que la genere?.
Una respuesta es para modelar un sistema. Un ejemplo práctico es una transmisión de

fax. En ella, las señales eléctricas pueden verse perturbadas durante el envío, y
esta perturbación puede ser diferente de una transmisión a otra. Una solución para
esto es, antes de mandar los datos mandar una señal patrón, que tanto el emisor
como el receptor conozcan de antemano, así cuando llegue el receptor tendrá la
señal perturbada y sabe la que debía ser. Estas dos señales se aplican a un filtro
adaptativo que se configura para compensar las perturbaciones que pudieran haber
durante esa transmisión. Como resultado se han modelizado todas las causas que
modifican la transmisión y se ha creado un sistema que las compensa.
Otras aplicaciones de los filtros adaptativos son:
Sistema de identificación
Cancelación de eco
Eliminación de ruido blanco
Predictores
Véase también
Programación rápida de filtros adaptativos con NI LabVIEW
Estadística
Convolución
Filtro digital
Algoritmo LMS
Predictor lineal
Norbert Wiener y filtro de Wiener
LPC (Linear Predictive Coding)
Filtro de Kalman
Red neuronal artificial
Matlab
Enlaces externos

Filtro

Cargado por

Copyright:

Formatos disponibles

Filtro

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Filtro

Cargado por

Copyright:

Formatos disponibles

Filtro adaptativo

La estructura de un filtro adaptativo es un sistema al que le llegan dos señales:

Estructura directa de un filtro adaptativo.

{\displaystyle e(n)=d(n)-y(n)\,}{\displaystyle e(n)=d(n)-y(n)\,}

{\displaystyle w(n+1)=w(n)-\alpha \cdot \nabla J}{\displaystyle

Donde la constante {\displaystyle \alpha }\alpha se usa para ajustar la velocidad

{\displaystyle w(n+1)=w(n)-2\cdot \alpha \cdot e(n)\cdot x(n)}{\displaystyle

Inicializar de forma aleatoria los pesos

Una respuesta es para modelar un sistema. Un ejemplo práctico es una transmisión de

Otras aplicaciones de los filtros adaptativos son:

También podría gustarte