Академический Документы
Профессиональный Документы
Культура Документы
Resumen
En este artículo se presentará una aplicación de red Adaline para medición de señales en un
sistema donde la fuente de ruido es conocida, mediante un filtro adaptativo hecho con redes
neuronales. Se usa Matlab para diseñar la red y al final el error cuadrático medio es lo
suficientemente pequeño como para asegurar que el diseño y entrenamiento de la red fue
exitoso.
Introducción
Existen sistemas en los cuales es posible determinar la fuente de ruido, por ejemplo, cuando
son los mismos elementos de medición los que introducen señales de ruido a la señal original.
En la presente aplicación, una señal de ruido ha sido introducida por cables de conexión de los
aparatos y se ha mezclado con la señal que se desea medir, lo que es crítico, ya que no se
conoce la forma de la señal de interés. Aprovechando que la fuente de ruido ha sido
completamente determinada, se utilizara un filtro adaptativo que permita recuperar la señal
original. A continuación, se presenta un esquema del sistema.
V: ruido.
La entrada al filtro es el valor de la fuente de ruido, que se asumirá como una señal senoidal
entre -0.2 y 0.2, con frecuencia de onda 60 Hz y frecuencia de muestreo de 180 Hz.
La salida del filtro a tiene que parecerse cada vez mas al ruido que afecta realmente la señal
original m. El estudio de los procesos del filtrado se ha basado en el dominio de la frecuencia,
determinado por las series de Fourier. Para garantizar que el filtrado sea exitoso, la respuesta
debe ser una replica de la señal de entrada no en magnitud, pero si en forma. Además, puede
haber un retraso asociado, por lo que se habrá filtrado exitosamente una señal f(t) si la
respuesta es k*f(t-to), donde to es el retraso y k el numero de veces la señal original.
Entrenamiento de la red
Se usa Matlab para hacer el proceso. El objetivo es minimizar el error medio cuadrático hasta
reproducir una buena copia de la señal original. La red es creada con la función newlin de
Matlab que genera una red tipo Adeline, a la cual se le introducen 4 retrasos. Los valores de
estos son escogidos por prueba y error. Los valores de los pesos iniciales y ganancias son
inicializados de manera aleatoria con la función rands.
Para entrenar la red se generaron 101 puntos. Algunos pueden verse en a continuación:
Para poder juzgar el trabajo realizado por el filtro, en la siguiente imagen se muestra la señal
original y la señal restaurada, que permiten comprobar las bondades del filtro adaptativo.
Imagen 6: Señal recuperada por el filtro.
Resultados y conclusiones
Al final del proceso iterativo el máximo error entregado por la red equivale a 1.41 e-0.7, este es
un valor bastante aceptable, ya que es muy cercano a 0.
El error medio cuadrático y la señal de error del sistema son cosas diferentes. La primera mide
el desempeño del filtro y la segunda depende del desempeño del filtro.
El valor del parámetro Alpha tiene una gran influencia sobre el entrenamiento. Si Alpha es
demasiado grande, es posible que la convergencia no se produzca. Y si es demasiado pequeño,
se alcanzará la convergencia, pero a costa de una etapa de aprendizaje más larga.
Referencias
http://medicinaycomplejidad.org/pdf/redes/Filtro.pdf