Algoritmo LMS

Algoritmo LMS: El algoritmo LMS (del inglés, Least-Mean-Square algorithm) se usa en filtros adaptativos para encontrar los coeficientes del filtro que permiten obtener el valor esperado mínimo del cuadrado de la señal de error, definida como la diferencia entre la señal deseada y la señal producida a la salida del filtro.

Pertenece a la familia de los algoritmos de gradiente estocástico, es decir, el filtro se adapta en base al error en el instante actual únicamente. Fue inventado en 1960 por el profesor de la Universidad de Stanford Bernard Widrow y su primer estudiante de doctorado, Ted Hoff.

Su importancia radica en que es un algoritmo muy simple. No requiere medidas de las funciones de correlación, ni tampoco inversión de la matriz de correlación.

Un filtro es un proceso mediante el cual a una señal cualquiera se le modifica su contenido espectral. El algoritmo LMS es un algoritmo de filtrado lineal adaptativo que, en general, consiste de dos procesos básicos:

Un proceso de filtrado, que involucra:

el cómputo de la salida de un filtro lineal en respuesta a una señal de entrada, y

la generación de una estimación del error mediante la comparación de esta salida con la señal deseada.

Un proceso adaptativo, que involucra el ajuste automático de los parámetros del filtro de acuerdo al error estimado.

Cuando se habla de filtros adaptativos, está implícito que los parámetros que caracterizan al filtro, tales como el ancho de banda y frecuencias de los ceros, entre otros, cambian con el tiempo, esto es, los coeficientes de los filtros adaptativos cambian con el tiempo, en contraposición a los coeficientes de los filtros fijos que son, teóricamente, invariantes con el tiempo.

Resumen del algoritmo LMS

El algoritmo LMS, para un filtro de orden $M$ , puede resumirse de la siguiente manera:

Parámetros: $M =$ orden del filtro

$μ =$ tamaño del paso

Inicialización: Si se dispone de información acerca del vector de coeficientes del filtro $\hat{\mathbf{w}}(n)$ , usarla para elegir un valor apropiado para $\hat{\mathbf{w}}(0)$ . En caso contrario, usar $\hat{\mathbf{w}}(0)=\mathbf{0}$

Datos:

Dados: $\mathbf{u}(n) = \left[u(n), u(n-1), \dots, u(n-M+1)\right]^T$ : señal de entrada en el instante $n$

$d (n)$ : señal deseada a la salida del filtro

A calcular: $\hat{\mathbf{w}}(n+1) = \left[\hat{w}_0(n+1), \hat{w}_1(n+1), \dots, \hat{w}_{M-1}(n+1)\right]^T$ : estimación del vector de coeficientes del filtro en el instante $n + 1$

Cómputo: Para $n = 0, 1, 2, \dots$ , calcular:

$e(n) = d(n)-\hat{\mathbf{w}}^{H}(n)\cdot\mathbf{u}(n)$ : señal de error

$\hat{\mathbf{w}}(n+1) = \hat{\mathbf{w}}(n)+\mu\,e^{*}(n)\mathbf{u}(n)$ : adaptación de los coeficientes del filtro

El superíndice $T$ denota trasposición, el superíndice $H$ denota traspuesta conjugada, el asterisco denota conjugación y $\hat{\mathbf{w}}^{H}(n)\cdot\mathbf{u}(n)$ es la salida del filtro, que se calcula como el producto interno entre el vector de coeficientes del filtro $\hat{\mathbf{w}}(n)$ , cuyos componentes suelen llamarse pesos o weighs, y el vector de datos de entrada al filtro $\mathbf{u}(n)$ .

Véase también

Filtro adaptativo

Algoritmo RLS

Enlaces externos

Filtro Adaptativo

Algoritmo LMS

Categorías:
Algoritmos
Procesamiento digital de señales
Filtros electrónicos

Игры ⚽ Нужна курсовая?

Mira otros diccionarios:

LMS — puede referirse a: Learning management system, un sistema para la gestión del aprendizaje. LMS RTE3, un nivel de certificación para un sistema de gestión de aprendizaje. Algoritmo LMS, un algoritmo usado en filtros adaptativos. LAN Management… … Wikipedia Español
Algoritmo RLS — El algoritmo RLS (del inglés, Recursive Least Squares algorithm) se usa en filtros adaptativos para encontrar los coeficientes del filtro que permiten obtener el mínimo cuadrado de la señal de error (definida como la diferencia entre la señal… … Wikipedia Español
Algoritmo adaptativo — Los algoritmos adaptativos son aquellos que modifican su conducta durante su ejecución, atendiendo a los cambios que se producen en su entorno o en el propio programa. Un ejemplo de ellos es el algoritmo de ordenamiento introsort, que al… … Wikipedia Español
Filtro adaptativo — Saltar a navegación, búsqueda La definición de filtro adaptativo es un dispositivo que intenta modelizar la relación entre señales en tiempo real de forma iterativa. Se diferencia de los filtros digitales comunes tipo IIR o FIR, en que éstos… … Wikipedia Español
Densidad espectral — Saltar a navegación, búsqueda DEP de una señal aleatoria en la banda de 0kHz 20kHz estimada mediante el método de Welch En matemáticas y en física, la Densidad Espectral (Spectral Density) de una señal es una función matemática que nos informa de … Wikipedia Español
Mínimos cuadrados — El resultado del ajuste de un conjunto de datos a una función cuadrática. Mínimos cuadrados es una técnica de análisis numérico encuadrada dentro de la optimización matemática, en la que, dados un conjunto de pares (o ternas, etc), se intenta… … Wikipedia Español
Efecto bloque — Saltar a navegación, búsqueda El efecto bloque o efecto de bloques es una de las consecuencias de los nuevos estándares de codificación y consiste en la estructura en forma de bloques de las imágenes de salida resultantes. Introducción Una de las … Wikipedia Español

Los diccionarios y las enciclopedias sobre el Académico

Algoritmo LMS

Resumen del algoritmo LMS

Véase también

Enlaces externos

Mira otros diccionarios:

Compartir el artículo y extractos

Parámetros:	$M =$ orden del filtro
	$μ =$ tamaño del paso
Inicialización:	Si se dispone de información acerca del vector de coeficientes del filtro $\hat{\mathbf{w}}(n)$ , usarla para elegir un valor apropiado para $\hat{\mathbf{w}}(0)$ . En caso contrario, usar $\hat{\mathbf{w}}(0)=\mathbf{0}$
Datos:
Dados:	$\mathbf{u}(n) = \left[u(n), u(n-1), \dots, u(n-M+1)\right]^T$ : señal de entrada en el instante $n$
	$d (n)$ : señal deseada a la salida del filtro
A calcular:	$\hat{\mathbf{w}}(n+1) = \left[\hat{w}_0(n+1), \hat{w}_1(n+1), \dots, \hat{w}_{M-1}(n+1)\right]^T$ : estimación del vector de coeficientes del filtro en el instante $n + 1$
Cómputo:	Para $n = 0, 1, 2, \dots$ , calcular:
	$e(n) = d(n)-\hat{\mathbf{w}}^{H}(n)\cdot\mathbf{u}(n)$ : señal de error
	$\hat{\mathbf{w}}(n+1) = \hat{\mathbf{w}}(n)+\mu\,e^{*}(n)\mathbf{u}(n)$ : adaptación de los coeficientes del filtro

Los diccionarios y las enciclopedias sobre el Académico

Wikipedia Español

Algoritmo LMS

Resumen del algoritmo LMS

Véase también

Enlaces externos

Mira otros diccionarios:

Compartir el artículo y extractos

Link directo