FILTRO ADAPTATIVO CON RED ADALINE PARA MEDICION DE SEÑALES

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

La principal aplicación de la red Adaline está en el campo de procesamiento de señales, en

concreto para el diseño y realización de filtros que eliminen el ruido de señales portadoras de
información. Como filtro adaptativo se ha utilizado esta red en numerosas aplicaciones,
destacándose su uso en filtros de ecualización adaptativos en módems de alta velocidad y
canceladores adaptativos del eco para filtrado de señales de comunicaciones telefónicas de
larga distancia y comunicaciones vía satélite. Otro ejemplo es el filtro adaptativo utilizado para
modelar las respuestas de un sistema basándose en las señales de entrada, en este caso las
entradas al filtro son las mismas que las del sistema, ajustando los pesos durante el aprendizaje
en función de la diferencia entre su salida y la del sestea, este será el modelo de filtro
adaptativo utilizado en esta aplicación.

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.

Imagen 1: Diagrama de bloques de un filtro adaptativo.

S: señal de interés, señal que se desea medir.

V: ruido.

M: ruido que afecta realmente la señal original.

T: suma entre la señal de interés y el ruido. Señal contaminada.

A: salida del filtro.

E: diferencia entre señal contaminada y señal que entrega el filtro. Error.

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.

Imagen 2: Representación de un sistema de filtrado en dominio del tiempo y la frecuencia.

Para nuestro caso, v(t) es la entrada al filtro y k*v(t-t0) la respuesta en el dominio de la

frecuencia. Esto equivale a desfasar la función 90º. K se escogió como 0.1. La salida del filtro
deberá ser entonces de la siguiente forma:

En la gráfica siguiente se pueden ver ambas señales:

Imagen 3: Señal original de ruido y señal que afecta el proceso de medición.

Justificación del tipo de red

Cuando no es posible determinar la forma de onda de la señal original, un filtro adaptativo se

hace bastante útil, pues como su nombre lo dice se adapta a cualquier forma de señal que se le
presente, sobrepasando así las limitaciones de los filtros tradicionales. Por esto la red Adaline
es ideal para este caso.

Imagen 4: Estructura de un filtro adaptativo con una red Adaline.

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.

Los valores correspondientes a la entrada y a la salida de la red se obtuvieron evaluando la

ecuación. Se entre no con 5000 iteraciones con las cuales se logro una excelente aproximación
de la función original.

Para entrenar la red se generaron 101 puntos. Algunos pueden verse en a continuación:

Imagen 5: Resultados del proceso de entrenamiento.

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