Documentos de Académico
Documentos de Profesional
Documentos de Cultura
OBJETIVOS
Hallar las ecuaciones de los filtros adaptativos para analizar múltiples señales exponenciales
superpuestas con parámetros que varían en el tiempo
Estimar los parámetros de frecuencia de las señales mono-componentes y multi-
componentes.
Número de palabras: 31
MÉTODOS
Se realiza el cálculo de los parámetros instantáneos de una señal compleja de un solo componente.
Con el fin de estimar los parámetros de esta señal podemos utilizar un filtro predictor variable en el
tiempo para el cual podemos definir la señal del filtro
Y su asociado cero-track
Ahora se realizan los cálculos de los parámetros instantáneos de una señal compleja de multiples
componentes.
Con el fin de estimar los parámetros de los componentes K, un filtro del mismo orden puede ser
utilizado definido por el super-cero
Análisis de convergencia
Complejidad computacional
Separación de señal
Una vez que se ha estimado la trayectoria de los parámetros de la señal, un filtro de muesca variable
en el tiempo de la forma:
En este artículo se realizaron varias simulaciones con el fin de mostrar el rendimiento del algoritmo
propuesto, el cual permite la separación de la amortiguación y la información relacionada con la
frecuencia, primero se hizo el análisis en señales sintéticas para luego hacerlo en una señal de voz
real.
En el primer caso se utilizo el algoritmo de seguimiento de crestas, el cual detecta y une los picos de
una representación tiempo-frecuencia. Se observó que el rendimiento del algoritmo no se ve afectado
severamente por la elección de los valores iniciales.
En el tercer caso se nos muestra la flexibilidad del algoritmo propuesto y su capacidad para rastrear
las señales que se solapan en el plano tiempo-frecuencia. El algoritmo de seguimiento de crestas
aplicado a este caso no pudo separar las pistas de frecuencia instantánea.
Fig 3. Trayectorias estimadas de frecuencia instantánea Fig. 4 Chirp recuperado después de filtrar la muesca de
(líneas blancas) de dos chirps superpuesta en el plano la señal de la Fig. 5.
tiempo-frecuencia.
En el último caso se pretendió verificar la aplicabilidad del algoritmo al analizar señales multi-
componente con amplitud y frecuencia moduladas. Se observó que una vez aislado el componente, se
podría obtener una estimación de la amplitud instantánea a partir de medidas localizadas de la
energía de la señal.
Además se realizó el análisis del algoritmo en una señal real, en la cual utilizó un segmento de
habla. Al superponer las pistas de frecuencias en el espectrograma del segmento de voz, se
observó que las pistas siguen las concentraciones de energía de banda estrecha conocidas
como formantes.
Asimismo, la señal residual mostrada en la Fig. 7 demuestra que el filtro ha cancelado las
componentes resonantes de la señal.
Se escogió este artículo para observar la diferencia en el uso que se les brindan a los
filtros predictores en cascada para obtener las resonancias del tracto vocal a
comparación del análisis de las señales superpuestas con parámetros variables en el
tiempo.
En este artículo, los autores proponen una técnica simple y confiable para el
seguimiento de las resonancias del tracto vocal en el habla continua. El enfoque se basa
en el uso de filtros predictores en cascada con ceros adaptativos cuyas trayectorias
limitadas garantizan el seguimiento exitoso de la frecuencia y el amortiguamiento de
cada resonancia. Los ceros se adaptan usando un algoritmo basado en gradiente para
minimizar un residuo de predicción instantánea de acuerdo con el principio de
perturbación mínima produciendo una estructura adaptativa capaz de rastrear
parámetros de resonancia de rápido cambio. En artículo se observa que se hace un uso
similar de las ecuaciones utilizadas anteriormente para el análisis de los parámetros de
las señales exponenciales pero en este caso se realiza enfocado en obtener las
frecuencias y el amortiguamiento de las resonancias de un tracto vocal.
Se escogió este articulo para observar el uso que se les brindan a los filtro predictores en
cascada para obtener una estructura hacia delante y hacia atrás, para que este nos brinde
una optimización del filtro.
En el artículo, los autores desarrollaron la idea de una estructura en cascada para la
predicción lineal adaptativa con adaptación independiente de etapas de orden bajo, se
desarrolló una nueva implementación donde las etapas individuales utilizan el algoritmo
de predicción lineal hacia adelante y hacia atrás. La combinación de las ventajas de la
estructura en cascada, que se ve menos afectada por la propagación del valor propio y el
acoplamiento de modo, con el desajuste reducido del predictor hacia atrás, ofrece una
nueva estructura con un rendimiento mejorado. Esta nueva estructura es capaz de un
seguimiento más rápido y más preciso de los insumos no estacionarios en la primera
etapa de la adaptación
Número de palabras:150