Filtro digital adaptivo integrado

Abstract

Resumen. En este documento se presenta el estudio de algunas técnicas de filtrado digital de señales para determinar cuál ofrece la mayor convergencia aplicada en sistemas lineales invariantes en el tiempo como: el método de mínimos cuadrados y el de gradiente estocástico, usando modelos ARMA (1) (“autoregresive moving average”, modelos de primer orden estocásticos y descritos de manera recursiva). Se enfatiza en el análisis de las técnicas de filtrado adaptivo, desarrollando algoritmos que permiten identificar y estimar parámetros de manera integrada dentro de un sistema visto como caja negra de tal forma que sea posible conceptualizar su nivel de convergencia y mejorar los algoritmos que actualmente se utilizan en esta importante área que interviene tanto en visión artificial, como en sistemas de control complejos en los que se requiere de la predicción, descripción y reconstrucción de información. Los algoritmos presentados aquí se han desarrollado de manera analítica en base a la literatura citada y a las herramientas matemáticas necesarias, todos ellos simulados en Matlab.