Thesis
Diseño de un modelo de adaptación difusa para filtrado adaptable
Fecha
2009-03-05Registro en:
Juárez Hernández, Miguel Ángel. (2006). Diseño de un modelo de adaptación difusa para filtrado adaptable (Maestría en Ciencias de Ingeniería en Microelectrónica). Instituto Politécnico Nacional, Sección de Estudios de Posgrado e Investigación, Escuela Superior de Ingeniería Mecánica y Eléctrica, Unidad Culhuacán, México.
Autor
Juárez Hernández, Miguel Ángel
Institución
Resumen
RESUMEN: En el presente trabajo se hace uso de la Lógica Difusa para el diseño de un modelo de
adaptación para ser utilizado en filtrado adaptable. Al realizar una revisión del estado
del arte de los usos de la Lógica Difusa, se aprecia claramente que la mayoría de los
diseños y aplicaciones actuales, se enfocan a áreas tales como: control, procesamiento
de imágenes, electrodomésticos, etc., pero al mismo tiempo pocas son las aplicaciones
en filtrado adaptable.
Así que, primeramente se hace una revisión de los conceptos generales de filtrado
adaptable y de la Lógica Difusa, lo cual claramente nos ayuda a entender el marco
teórico de los mismos, y así conjuntar ambas áreas de estudio de manera adecuada en
el proyecto desarrollado.
En el diseño de filtros adaptables, es común encontrar que el algoritmo de adaptación
más utilizado es el LMS, en comparación con el algoritmo RLS. Esto es, debido a la
baja complejidad de implementación del LMS en comparación con el RLS, el cual es
más complicado al momento de implementarse. En contraste, el algoritmo RLS tiene
una velocidad de convergencia mayor.
La parte central de la tesis, se aboca en encontrar un modelo difuso que emule el
comportamiento de un algoritmo de adaptación, que para este caso, se trata del
algoritmo de adaptación LMS. A partir de este sistema experto, se obtienen los datos
necesarios para el entrenamiento del modelo difuso que se desea obtener. Un factor
importante aquí a considerar será el error de aproximación. El modelo de adaptación difuso propuesto, el utiliza como entradas a la señal de
referencia y al error de aproximación, la salida corresponde al peso aproximado por la
señal de referencia.
Finalmente, el modelo obtenido se probó en un filtro adaptable utilizándolo en
configuración de identificación de sistemas y como cancelador de ruido para una señal
de voz.
Los programas y simulaciones que se realizaron, fueron hechas en Matlab® 6.5,
utilizando sus herramientas del toolbox de Fuzzy Logic. ABSTRACT: An adaptive fuzzy filter and its use for system identification is proposed. This filter
uses a fuzzy adaptation algorithm with the reference signal and the error signal as
inputs and the multiplication of the reference signal by the approximated weight as an
output which avoid the use of multiplication circuits for its implementation in VLSI.
Simulation results show that the proposed adaptive fuzzy filter outperforms the
conventional LMS adaptive filter used as system identification with its faster
convergence rate.
In the design of adaptive filter is common to use the LMS (Least Mean Square) and
RLS (Recursive Least Square) as adaptation algorithms. However, both algorithms
have some problems: the LMS algorithm has a slow convergence rate to track but it’s
easy to construct.
On the other hand, the RLS algorithm has a faster convergence rate than LMS
algorithm but its implementation is more complex than the LMS algorithm. The mean
goal is to use fuzzy logic to find an adaptive fuzzy filter wich combines LMS and RLS
algorithms characteristic, it means, a fuzzy adaptive filter with a faster convergence
rate and easy to implement.