Sintonización de Filtros Notch basado en Algoritmos Genéticos
Barra lateral del artículo
Contenido principal del artículo
Resumen
Este trabajo estudia la aplicación de algoritmos genéticos a filtros adaptativos del tipo Notch orientado a la eliminación de interferencias sinusoludales. En primer lugar, se estudia un algoritmo basado en el gradiente para la optimización del filtro y luego se propone la utilización de algoritmos genéticos en la misma estructura. Se presentan las ventajas del uso de este tipo de algoritmos en presencia de mínimos locales y derivadas pequeñas, problemas conocidos en los algoritmos de gradiente. En el artículo se incluyen las simulaciones que demuestra un algoritmo con mayor velocidad de convergencia y significativamente más robusto.
Detalles del artículo
Usted es libre de:
Compartir— copiar y redistribuir el material en cualquier medio o formato para cualquier propósito, incluso comercialmente.
Adaptar— remezclar, transformar y construir a partir del material para cualquier propósito, incluso comercialmente.
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
Atribución— Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Referencias
S. Haykin, Adaptive Filter Theory (2Nd Ed.). Upper Saddle River, NJ, USA: Prentice-Hall, Inc., 1991.
J. F. Chicharo y T. S. Ng, «Gradient-based adaptive IIR notch filtering for frequency estimation», IEEE Trans. Acoust. Speech Signal Process., vol. 38, n.o 5, pp. 769-777, may 1990.
L. Tan y J. Jiang, «Novel adaptive IIR filter for frequency estimation and tracking [DSP Tips Tricks]», IEEE Signal Process. Mag., vol. 26, n.o 6, pp. 186-189, nov. 2009.
D. E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, 1st ed. Boston, MA, USA: Addison-Wesley Longman Publishing Co., Inc., 1989.