Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario
En este trabajo se realizan algunas aplicaciones para la deconvolución y estimación de señales aleatorias aplicando un Filtro de Wiener Fraccionario. El filtro es diseñado a partir de la definición planteada en [20] basado en la transformación de Fourier fraccionaria y la convolución fraccionaria. D...
- Autores:
-
Triana Galvis, Johan Fabian
- Tipo de recurso:
- http://purl.org/coar/version/c_b1a7d7d4d402bcce
- Fecha de publicación:
- 2012
- Institución:
- Universidad Industrial de Santander
- Repositorio:
- Repositorio UIS
- Idioma:
- spa
- OAI Identifier:
- oai:noesis.uis.edu.co:20.500.14071/27620
- Palabra clave:
- Filtro de Wiener Fraccionario
Convolución fraccionaria
Estimación
Deconvolución
Representación tiempo-frecuencia.
Fractional Wiener Filter
Fractional convolution
Estimation
Deconvolution
Time–frequency representation.
- Rights
- License
- Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id |
UISANTADR2_7b95823c0883683fe67f99cf12c0122d |
---|---|
oai_identifier_str |
oai:noesis.uis.edu.co:20.500.14071/27620 |
network_acronym_str |
UISANTADR2 |
network_name_str |
Repositorio UIS |
repository_id_str |
|
dc.title.none.fl_str_mv |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario |
dc.title.english.none.fl_str_mv |
Deconvolution and signal estimation applying a optimal fractional wiener filter. |
title |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario |
spellingShingle |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario Filtro de Wiener Fraccionario Convolución fraccionaria Estimación Deconvolución Representación tiempo-frecuencia. Fractional Wiener Filter Fractional convolution Estimation Deconvolution Time–frequency representation. |
title_short |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario |
title_full |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario |
title_fullStr |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario |
title_full_unstemmed |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario |
title_sort |
Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionario |
dc.creator.fl_str_mv |
Triana Galvis, Johan Fabian |
dc.contributor.advisor.none.fl_str_mv |
Torres Amarís, Rafael Ángel González Álvarez, Herling |
dc.contributor.author.none.fl_str_mv |
Triana Galvis, Johan Fabian |
dc.subject.none.fl_str_mv |
Filtro de Wiener Fraccionario Convolución fraccionaria Estimación Deconvolución Representación tiempo-frecuencia. |
topic |
Filtro de Wiener Fraccionario Convolución fraccionaria Estimación Deconvolución Representación tiempo-frecuencia. Fractional Wiener Filter Fractional convolution Estimation Deconvolution Time–frequency representation. |
dc.subject.keyword.none.fl_str_mv |
Fractional Wiener Filter Fractional convolution Estimation Deconvolution Time–frequency representation. |
description |
En este trabajo se realizan algunas aplicaciones para la deconvolución y estimación de señales aleatorias aplicando un Filtro de Wiener Fraccionario. El filtro es diseñado a partir de la definición planteada en [20] basado en la transformación de Fourier fraccionaria y la convolución fraccionaria. Debido a que la transformación de Fourier fraccionaria está basada en la distribución de Wigner-Ville (representación tiempo-frecuencia), hace que la extensión del Filtro de Wiener estándar a un Filtro de Wiener Fraccionario lo hagan más eficaz en el tratamiento de señales, en especial, para señales no estacionarias. Inicialmente se formulan las herramientas teóricas utilizadas en el trabajo, para así llegar a una definición del Filtro de Wiener Fraccionario. Debido al tipo de señales con las cuales se trabaja, se implementan algunos elementos para el análisis de procesos aleatorios, entre los cuales se destaca el teorema de Wiener-Kinchine fraccionario, que nos da la relación existente entre la densidad espectral de potencia y la correlación. Luego, se plantean los algoritmos para aplicarlos en señales distorsionadas por algún efecto y por un ruido gaussiano aleatorio. Después, se muestran los resultados obtenidos tanto con el filtro de Wiener fraccionario como con el filtro de Wiener estándar (en nuestro filtro existe como un caso particular) para comparar y dar veracidad a nuestro trabajo. Finalmente, se presentan los resultados principales de nuestro trabajo, las conclusiones y posibles fenómenos en los cuales se podría realizar este tipo de filtrado. |
publishDate |
2012 |
dc.date.available.none.fl_str_mv |
2012 2024-03-03T19:38:08Z |
dc.date.created.none.fl_str_mv |
2012 |
dc.date.issued.none.fl_str_mv |
2012 |
dc.date.accessioned.none.fl_str_mv |
2024-03-03T19:38:08Z |
dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
dc.type.hasversion.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
format |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
dc.identifier.uri.none.fl_str_mv |
https://noesis.uis.edu.co/handle/20.500.14071/27620 |
dc.identifier.instname.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.reponame.none.fl_str_mv |
Universidad Industrial de Santander |
dc.identifier.repourl.none.fl_str_mv |
https://noesis.uis.edu.co |
url |
https://noesis.uis.edu.co/handle/20.500.14071/27620 https://noesis.uis.edu.co |
identifier_str_mv |
Universidad Industrial de Santander |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.license.none.fl_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) |
dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0 |
dc.rights.creativecommons.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
rights_invalid_str_mv |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) http://creativecommons.org/licenses/by/4.0/ http://creativecommons.org/licenses/by-nc/4.0 Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Industrial de Santander |
dc.publisher.faculty.none.fl_str_mv |
Facultad de Ciencias |
dc.publisher.program.none.fl_str_mv |
Física |
dc.publisher.school.none.fl_str_mv |
Escuela de Física |
publisher.none.fl_str_mv |
Universidad Industrial de Santander |
institution |
Universidad Industrial de Santander |
bitstream.url.fl_str_mv |
https://noesis.uis.edu.co/bitstreams/77e5ac81-33fb-4377-bff8-06e22173b6ac/download https://noesis.uis.edu.co/bitstreams/1f43c432-d64e-45e7-9607-99050c715a87/download https://noesis.uis.edu.co/bitstreams/1397f990-f8e1-41c2-96e8-e46f39848956/download |
bitstream.checksum.fl_str_mv |
86858cedb8e10e0996275909581da947 a928e7b3634e14117fcc91a7e2900fc7 f553dc451e5f6cf5a1b662f3b500ded3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
DSpace at UIS |
repository.mail.fl_str_mv |
noesis@uis.edu.co |
_version_ |
1814095172893409280 |
spelling |
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)http://creativecommons.org/licenses/by/4.0/http://creativecommons.org/licenses/by-nc/4.0Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Torres Amarís, Rafael ÁngelGonzález Álvarez, HerlingTriana Galvis, Johan Fabian2024-03-03T19:38:08Z20122024-03-03T19:38:08Z20122012https://noesis.uis.edu.co/handle/20.500.14071/27620Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEn este trabajo se realizan algunas aplicaciones para la deconvolución y estimación de señales aleatorias aplicando un Filtro de Wiener Fraccionario. El filtro es diseñado a partir de la definición planteada en [20] basado en la transformación de Fourier fraccionaria y la convolución fraccionaria. Debido a que la transformación de Fourier fraccionaria está basada en la distribución de Wigner-Ville (representación tiempo-frecuencia), hace que la extensión del Filtro de Wiener estándar a un Filtro de Wiener Fraccionario lo hagan más eficaz en el tratamiento de señales, en especial, para señales no estacionarias. Inicialmente se formulan las herramientas teóricas utilizadas en el trabajo, para así llegar a una definición del Filtro de Wiener Fraccionario. Debido al tipo de señales con las cuales se trabaja, se implementan algunos elementos para el análisis de procesos aleatorios, entre los cuales se destaca el teorema de Wiener-Kinchine fraccionario, que nos da la relación existente entre la densidad espectral de potencia y la correlación. Luego, se plantean los algoritmos para aplicarlos en señales distorsionadas por algún efecto y por un ruido gaussiano aleatorio. Después, se muestran los resultados obtenidos tanto con el filtro de Wiener fraccionario como con el filtro de Wiener estándar (en nuestro filtro existe como un caso particular) para comparar y dar veracidad a nuestro trabajo. Finalmente, se presentan los resultados principales de nuestro trabajo, las conclusiones y posibles fenómenos en los cuales se podría realizar este tipo de filtrado.PregradoFísicoIn our job, we made some applications for deconcolution and random signals estmations appling a Fractional Wiener Filter. Filter was designed from the definition showed in [20] based on the Fractional Fourier Transform and fractional convolution. Due that tha Fractional Fourier Transform is based in the Wigner-Ville distribution (time-frequency representation), this made that extension of Wiener Filter to Fractional Wiener Filter will be more effective in signal processing, specially in non-stacionary signals. Firstly, we formlated the theorical tools to be used in our job, to be able of defined the Fractional Wiener Filter. Due the type of signals we worked, we implemented some elements for random proccesess analisys. For example, the Fractional Wiener-Kinchine Theorem that it represented the rate between the power spectral density and correlation. Then, we used the algoritms to apply in modified signals for some phenomenon physical and for a non-stacionary noise. After, we show results obtain it with both Filters, Standard Wiener Filter and Fractional Wiener Filter to compare and give more information. Finally, we submited principla results of our job, conclusions and possible phenomenon in which anybody could implement this methodology.application/pdfspaUniversidad Industrial de SantanderFacultad de CienciasFísicaEscuela de FísicaFiltro de Wiener FraccionarioConvolución fraccionariaEstimaciónDeconvoluciónRepresentación tiempo-frecuencia.Fractional Wiener FilterFractional convolutionEstimationDeconvolutionTime–frequency representation.Deconvolución y estimación de señales aplicando un filtro óptimo de Wiener fraccionarioDeconvolution and signal estimation applying a optimal fractional wiener filter.Tesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf1144862https://noesis.uis.edu.co/bitstreams/77e5ac81-33fb-4377-bff8-06e22173b6ac/download86858cedb8e10e0996275909581da947MD51Documento.pdfapplication/pdf3074374https://noesis.uis.edu.co/bitstreams/1f43c432-d64e-45e7-9607-99050c715a87/downloada928e7b3634e14117fcc91a7e2900fc7MD52Nota de proyecto.pdfapplication/pdf486921https://noesis.uis.edu.co/bitstreams/1397f990-f8e1-41c2-96e8-e46f39848956/downloadf553dc451e5f6cf5a1b662f3b500ded3MD5320.500.14071/27620oai:noesis.uis.edu.co:20.500.14071/276202024-03-03 14:38:08.658http://creativecommons.org/licenses/by-nc/4.0http://creativecommons.org/licenses/by/4.0/open.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co |