Metodología de diseño de filtros digitales basada en estrategias de optimización metaheurística

En el presente documento se exponen los resultados y productos de la tesis de investigación necesaria para la acreditación del título de Magister en Ingeniería – Ingeniería Eléctrica, otorgado por la Universidad Nacional de Colombia. La investigación estuvo dirigida a proponer, desarrollar e implementar un método de diseño de filtros digitales lineales e invariantes en el tiempo, FIR (Finite Impulse Response) e IIR (Infinite Impulse Response), que considere la cuantificación de los coeficientes del filtro desde el comienzo del proceso de diseño, y no al final, como ocurre en otras metodologías, incluidas las metodologías tradicionales, en las cuales, dicha acción puede incrementar el error de aproximación al filtro deseado, hasta la inestabilidad. Las metodologías de diseño propuestas se basan en los algoritmos de optimización metaheurística APBIL (Adaptive Population-Based Incremental Learning), GA (Genetic Algorithm) y TS (Tabu Search), y están orientadas a obtener la combinación de los coeficientes que mejor se aproxime a la respuesta en frecuencia deseada, para las representaciones binarias de punto fijo (complemento a dos) y punto flotante (según el estándar IEEE 754). Los resultados de las simulaciones son prometedores y muestran un buen desempeño de los filtros obtenidos (destacando el uso del algoritmo APBIL), en términos del Error Medio Cuadrático entre las respuestas en frecuencia deseada y la obtenida a partir de filtro optimizado. Como resultado, se construyó un software amigable, capaz de proporcionar diseños competentes, que logran superar en calidad a los diseños tradicionales, especialmente si el número de coeficientes y/o la precisión numérica son limitados.

• Autores: Ramírez Quiroz, Fabio Andrés
• Fecha de publicación: 2017
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/62368
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/62368; http://bdigital.unal.edu.co/61442/
• Palabra clave: 62 Ingeniería y operaciones afines / Engineering; filtros digitales; cuantificación; procesamiento digital de señales; Aprendizaje Incremental Basado en Poblaciones; Algoritmos Genéticos; Búsqueda Tabú; diseño óptimo; Population-Based Incremental Learning; Genetic Algorithm; Tabu Search,; Optimal design; Digital filter; Quantification; Digital processing signal
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional