Filtrado Digital Difuso en Tiempo Real
Real–Time Fuzzy Digital Filtering
Graduado: Juan Carlos García Infante
Centro de Investigación en Ciencia Aplicada y Tecnología Avanzada – IPN
Legaria # 694 Col. Irrigación México D.F., C.P. 11500
e–mail: jcnet21@yahoo.com
Co–director de Tesis: Pedro Guevara López
Centro de Investigación en Ciencia Aplicada y Tecnología Avanzada – IPN
Legaria # 694 Col. Irrigación México D.F., C.P. 11500
e–mail: pguevara@ipn.mx
]]> Graduado en Diciembre 14, 2007
Resumen
Una de las herramientas tecnológicas empleadas para interactuar con procesos dinámicos son los filtros digitales, los cuales tienen diferentes utilidades como: la eliminación de errores de un sistema, extracción de información específica, reconstrucción y predicción del comportamiento de un sistema a describir. Los filtros digitales tienen distintas aplicaciones y pueden emplearse en diversos tipos de sistemas: control, medicina, instrumentación, electrónica, computación, comunicaciones, entre otras.
Los sistemas tecnológicos de filtrado van encaminados a ser desarrollados con capacidades que les permitan dar un seguimiento a los procesos de forma natural. En la vida real podemos encontrar procesos con dinámicas de operación que requieren de aplicaciones tecnológicas que tengan mecanismos expertos en su construcción interna para que puedan dar respuestas de una forma adecuada con respecto a las variaciones de los diferentes estados de operación del proceso, teniendo una caracterización del mismo en la estructura interna del filtro y por medio de un mecanismo de inferencia, realizar una selección de la respuesta más adecuada que permita llevar al sistema de filtrado de una condición previa hacia un estado de equilibrio con el proceso con el cual interactúa y de manera natural.
En la actualidad los sistemas de filtrado digital tienen diversas áreas de desarrollo, por lo cual el estudio de este tipo de tecnología es importante. La caracterización de sus respuestas y un mecanismo de inferencia que pueda determinar cuál es la acción más correcta en cada instante de tiempo es una de las necesidades que se deben resolver para que el filtrado digital en un futuro sea aplicado a sistemas con propiedades más avanzadas relacionadas con movilidad, velocidad, interoperabilidad, integración, etc.
Basado en lo anterior, en este proyecto se realizó un estudio de los sistemas de filtrado digital, considerando emplear un filtro digital adaptivo ya que cuenta con elementos que aportaran ventajas como: la posibilidad de ajustarse automáticamente, la capacidad de tener altos niveles de convergencia. De forma paralela se ha estudiado sobre otras áreas como control difuso y sistemas en tiempo real, las cuales serán de utilidad para desarrollar la teoría del tema de este proyecto titulado "filtro difuso en tiempo real".
Palabras clave: Filtrado digital, filtrado adaptivo, lógica difusa, tiempo real.
Abstract
]]> One of the technological tools most used to interact with dynamical processes are the digital filters, which work for different utilities as: the error elimination of a system, get specific data, reconstruct and predict the system operation. Digital filters have many applications to use in many systems: control, medicine, instrumentation, electronics, computation and communications.The filter technological systems are designed to be developed with capacities as the ability to follow a process in a natural way. In the real life we can find systems with dynamical operation that requires technological applications with expert mechanisms into its internal construction in order to give answers dynamically to the different operation states of a system, moreover, having a characterization of it into its own filter structure and using an inference mechanism to select the correct response to perform a system trajectory from a previous condition to a balance state with the interaction process.
Actually, the digital filters systems have many developing topic areas; therefore the study about this topic is important. The characterization of a filter responses and the inference mechanism in order to allow us to find a correct action at each time is one of the requirements to solve in order to apply the digital filters in the future into systems with more advanced properties related with mobility, velocity, interoperability, integration.
Based in the previous paragraphs this project is a study of digital filters systems, considering to apply an adaptive filtering techniques, because it has important elements that will give advantages as: the possibility to adjust its parameters automatically, the capacity to have high convergence levels. Meanwhile, in a parallel way this study contains topics as fuzzy logic and real time systems, which will be useful to develop the theory of this project titled: "real–time fuzzy digital filter".
Keywords: Digital filtering, adaptive filtering, fuzzy logic, real time.
DESCARGAR ARTÍCULO EN FORMATO PDF
Referencias
1. Abdul, S., Fuzzy Logic and its uses, http://www.doc.ic.ac.uk, (2006). [ Links ]
2. Ali, H. S., Fundamentals of Adaptive Filters, Complex systems, (2003). [ Links ]
3. Amble, T., Logic Programming and Knowledge Engineering, Addison Wesley, (1987). [ Links ]
4. Ash, R., Real Analysis and Probability, Ed. Academic Press, USA, (1970). [ Links ]
5. Astrom, K., & Henmark, B., Adaptive Control 2nd edition, Addison Wesley, USA (1995). [ Links ]
6. Buttazo G., Hard Real–Time Computing System predictible scheduling algorithms and applications", Kuluwer Academic Publishers, USA. [ Links ]
7. Burns, R., Advanced Control Engeenering, Butterworth, Oxford (2001). [ Links ]
8. García, J., Medel, J., Guevara, L., Propiedades del Filtrado Digital Difuso en Tiempo Real, IEEE Congreso Internacional en Innovación y Desarrollo, Morelos, (2007). [ Links ]
9. García, J., Medel, J., Guevara, L., "Características de un Filtrado Digital Adaptivo", Revista de Divulgación Aleph Zero, Num. 43 (2007). [ Links ]
10. García, J., Medel, J., Guevara, L., "Interacción de Sistemas por un Filtro Digital Difuso en Tiempo Real", ISBN: 970–36–03769–9, Congreso Nacional Estudiantil Querétaro (2006). [ Links ]
11. García, J., Medel, J., Guevara, L., "Real–Time Fuzzy Digital Filter: Basic Concepts". Congreso internacional de control, instrumentación virtual, y sistemas digitales. CIC–INDI, México DF (2006). [ Links ]
12. García, J., Medel, J., Guevara, L., "RTFDF Description for ARMA Systems", ISSN: 1790–5109, ISBN: 978–960–8457–81–2, WSEAS International Conferences, Canada (2007). [ Links ]
13. Guevara López, P., Medel, J., Introducción a los sistemas en tiempo real, México, IPN (2003). [ Links ]
14. Gustafsson, F.: Adaptive Filtering and Change Detection, John Wiley & Sons, Ltd, (2000). [ Links ]
15. Haykin, S.: Adaptive Filtering, Prentice Hall, (2001). [ Links ]
16. Huang, G., Zhu, K., Siew, C.: Real–Time Learning Capability of Neural Networks, IEEE Transactions on Neural Networks, (2006), Vol. 17, 863–878. [ Links ]
17. Jantzen, J., A tutorial on Adaptive Fuzzy Control, Technical University of Denmark, Dinamarca, (2002). [ Links ]
18. Jane, W., Liu, S., Real–Time Systems, Prentice Hall, New York (2000). [ Links ]
19. Kacprzyk, J., Multistage Fuzzy Control, Wiley, Inglaterra (1997). [ Links ]
20. Kuo, B., Sistemas de Control Automático, Prentice Hall, México (1996). [ Links ]
21. Laplante, P., Real–Time Systems Design and Análisis, IEEE Pres, New York (1997). [ Links ]
22. Lau, C., Neural Networks, IEEE Pres., New York (1991). [ Links ]
23. Leydesdorff, L., Canadian Journal of Communication, vol. 28, 267–289, (2003). [ Links ]
24. MacRoy, S., & Ali, S., Building Intelligent Dialog Systems, University of Wiscounsin, Milwaukee. [ Links ]
25. Mamdani, E.: Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant, Proc. IEEE, (1974), Vol. 121, 1585–1588. [ Links ]
26. Manuel, L.: Teoría de la Medida e Integral de Lebesgue, Universidad Nacional del Rosario (2003). [ Links ]
27. Marcek, D.: Stock Price Forecasting: Statistical, Classical and Fuzzy Neural Networks, Modeling Decisions for Artificial Intelligence, Springer Verlag, (2004), 41–48. [ Links ]
28. Margaliot, M., & Langhoz, G., Fuzzy Lyapunov based approach to the design of fuzzy controllers, IEEE Trans. On Sys., Man Cybern. [ Links ]
29. Margaliot, M., and Langholz, G.: New Approaches to Fuzzy Modeling and Control Design and Analysis, World Scientific (2000). [ Links ]
30. Medel, J., Garcia, J. C., Guevara, P.: Real–time Fuzzy Digital Filters (RTFDF) Properties for SISO Systems, Automatic Control and Computer Sciences AVT, (2008). [ Links ]
31. Medel, J., and Guevara, P.: Caracterización de Filtros Digitales en Tiempo–real para Computadoras Digitales, Computación y Sistemas, (2004), Vol. VII, No. 3. [ Links ]
32. Medel, J., Poznyak, A., Guevara, P.: Real–time Multivariable Digital Filter using Matrix Forgetting Factor and Instrumental Variable. Automatic Control and Computer Sciences AVT, (2004), Vol. 38, No. 1, 40–53. [ Links ]
33. Montejo, M.: Lógica Difusa y Control Difuso, http://www.redeya.com (2006). [ Links ]
34. Morales, G.: Introducción a la Lógica Difusa, Cinvestav–IPN (2002). [ Links ]
35. Nikola, K.: Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering, the MIT Press (1996). [ Links ]
36. Ogata, K., Ingeniería de Control Moderna, Prentice Hall, México (1980). [ Links ]
37. Passino, K. M., Fuzzy Control, Addison Wesley (1998). [ Links ]
38. Peter, B., and N. Stephan, A brief course: Fuzzy logic and Fuzzy Control, Johannes Kepler Universitat Linz, Alemania (2006). [ Links ]
39. Pedrycz, W., Fuzzy Sets Engineering, CRC, Florida (2000). [ Links ]
40. Principe, J., Euliano, N., & Lefebvre, W., Neural and Adaptive Systems, Wiley, USA (200). [ Links ]
41. Pugachev, V., Introducción a la Teoría de Probabilidades, Editorial MIR, Moscú (1973). [ Links ]
42. Rajen, B., and Gopal, M.: Neuro–Fuzzy Decision Trees, International Journal of Neural Filters, (2006), Vol. 16, 63–68. [ Links ]
43. Sánchez, C., Integral de Lebesgue – Stieltjes, Marchena, España (1998). [ Links ]
44. Shannon, M.: A Mathematical Theory of Communication, Bell Systems Technical Journal, (1948), Vol. 27, 379–423 and 623–656. [ Links ]
45. Schneider, M., and Kandel, A.: Fuzzy expert systems tools, Wiley (1996). [ Links ]
46. Stubberud, D., Retroalimentación y Sistemas de control, McGraw Hill, México (1981) [ Links ]
47. Takagi, T., and Sugeno, M.: Fuzzy Identification of Systems and its Applications to Modelling and control, IEEE Transactions and Systems, man, and cybernetics, (1986), Vol. 15, 116–132. [ Links ]
48. Terano, T., Asay, K., & Sugeno, M., Applied Fuzzy Systems, AP Professional, Cambridge (1989). [ Links ]
49. Von, C., Fuzzy Logic & Neurofuzzy Applications Explained, Prentice Hall, New York (1995). [ Links ]
50. Wang, L., Adaptive Fuzzy Systems and Control, Prentice Hall (1994). [ Links ]
51. Yamakawa, F.: Fuzzy Neurons and Fuzzy Neural Networks, (1989). [ Links ]
52. Zadeh, L.: Fuzzy Sets, Information and control, (1965), Vol. 8, 338–353. [ Links ] ]]>