Filtrado Digital Adaptable usando Niveles de Entropía
Se presenta el estudio de diversas técnicas de estimación dentro del filtrado de señales para determinar cuál ofrece la mayor convergencia en sistemas lineales invariantes en el tiempo como son el método de la parábola, filtro de Kalman, mínimos cuadrados y gradiente estocástico.[1-4] Usando para to...
| Autores: | , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2008 |
| País: | México |
| Institución: | Instituto Politécnico Nacional |
| Repositorio: | Repositorio Digital del IPN |
| OAI Identifier: | oai:www.repositoriodigital.ipn.mx:123456789/11071 |
| Acceso en línea: | http://hdl.handle.net/123456789/579 http://www.repositoriodigital.ipn.mx/handle/123456789/11071 |
| Access Level: | acceso abierto |
| Palabra clave: | filtrado digital |
| Sumario: | Se presenta el estudio de diversas técnicas de estimación dentro del filtrado de señales para determinar cuál ofrece la mayor convergencia en sistemas lineales invariantes en el tiempo como son el método de la parábola, filtro de Kalman, mínimos cuadrados y gradiente estocástico.[1-4] Usando para todos ellos a los modelos ARMA (“autoregresive moving average” los cuales son modelos estocásticos de primer orden expresados de manera discreta en forma regresiva) para de esta manera encontrar el parámetro o parámetros internos del modelando propuesto. De tal forma que basados en estas técnicas se pueda diseñar un algoritmo de filtrado adaptable óptimo. |
|---|