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...

Full description

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
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/27620
https://noesis.uis.edu.co
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