Neural fuzzy digital filtering: multivariate identifier filters involving multiple inputs and multiple outputs (mimo) Reportar como inadecuado




Neural fuzzy digital filtering: multivariate identifier filters involving multiple inputs and multiple outputs (mimo) - Descarga este documento en PDF. Documentación en PDF para descargar gratis. Disponible también para leer online.



Multivariate identifier filters multiple inputs and multiple outputs - MIMO are adaptive digital systems having a loop in accordance with an objective function to adjust matrix parameter convergence to observable reference system dynamics. One way of complying with this condition is to use fuzzy logic inference mechanisms which interpret and select the best matrix parameter from a knowledge base. Such selection mechanisms with neural networks can provide a response from the best operational level for each change in state Shannon, 1948. This paper considers the MIMO digital filter model using neuro fuzzy digital filtering to find an adaptive  parameter matrix which is integrated into the Kalman filter by the transition matrix. The filter uses the neural network as back-propagation into the fuzzy mechanism to do this, interpreting its variables and its respective levels and selecting the best values for automatically adjusting transition matrix values. The Matlab simulation describes the neural fuzzy digital filter giving an approximation of exponential convergence seen in functional error., Los filtros identificadores multivariables MIMO son sistemas digitales adaptivos que cuentan con retroalimentación para que, de acuerdo a una función objetivo, ajusten su matriz de parámetros con la que se aproximan a la di-námica observable del sistema de referencia. Una forma de que un identificador cumpla con esas condiciones, es la de la lógica difusa por medio de sus mecanismos de in-ferencia que interpretan y seleccionan en una base de co-nocimiento la mejor matriz de parámetros. Estos mecanismos de selección mediante las redes neuronales permiten encontrar la respuesta con el mejor nivel de operación para cada cambio de estado Shannon, 1948. En este artículo se considera en el modelo MIMO del filtrado digital, el proceso neuronal difuso para la estimación matricial de parámetros adaptiva, que se integra en el filtro de Kalman a través de la matriz de transición. Para ello se utilizó la red neuronal del tipo retropropagación en el mecanismo difuso, interpretando sus variables y sus respectivos niveles, seleccionando los mejores valores para ajustar automáticamente los valores de la matriz de transición. La simulación en Matlab presenta al filtrado digital neuronal difuso dando el seguimiento, observándose un funcional de error decreciente exponencialmente.

Tipo de documento: Artículo - Article

Información adicional: Los autores o titulares del derecho de autor de cada artículo confieren a la revista Ingeniería e Investigación de la Universidad Nacional de Colombia una autorización no exclusiva, limitada y gratuita sobre el artículo que una vez evaluado y aprobado se envía para su posterior publicación ajustándose a las siguientes características: 1.    Se remite la versión corregida de acuerdo con las sugerencias de los evaluadores y se aclara que el artículo mencionado se trata de un documento inédito sobre el que se tienen los derechos que se autorizan y se asume total responsabilidad por el contenido de su obra ante la revista Ingeniería e Investigación, la Universidad Nacional de Colombia y ante terceros. 2.    La autorización conferida a la revista estará vigente a partir de la fecha en que se incluye en el volumen y número respectivo de la revista Ingeniería e Investigación en el Sistema Open Journal Systems y en la página principal de la revista www.revistaingenieria.unal.edu.co, así como en las diferentes bases e índices de datos en que se encuentra indexada la publicación. 3.    Los autores autorizan a la revista Ingeniería e Investigación de la Universidad Nacional de Colombia para publicar el documento en el formato en que sea requerido impreso, digital, electrónico o cualquier otro conocido o por conocer y autorizan a la revista Ingeniería e Investigación para incluir la obra en los índices y buscadores que estimen necesarios para promover su difusión. 4.    Los autores aceptan que la autorización se hace a título gratuito, por lo tanto renuncian a recibir emolumento alguno por la publicación, distribución, comunicación pública y cualquier otro uso que se haga en los términos de la presente autorización.

Palabras clave: filtro digital, control difuso, red neuronal, MIMO, adaptivo., digital filter, fuzzy control, neural network, MIMO, adaptive digital system.





Fuente: http://www.bdigital.unal.edu.co


Introducción



INGENIERÍA E INVESTIGACIÓN VOL.
31 No.
1 APRIL 2011 (184-192) En español In English Filtrado digital neuronal difuso: caso MIMO Neural fuzzy digital filtering: multivariate identifier filters involving multiple inputs and multiple outputs (MIMO) Juan Carlos García Infante1, José de J.
Medel Juárez2, Juan Carlos Sánchez García3 RESUMEN Juan Carlos García Infante4, José de J.
Medel Juárez5, Juan Carlos Sánchez García6 Los filtros identificadores multivariables (MIMO) son sistemas digitales adaptivos que cuentan con retroalimentación para que, de acuerdo a una función objetivo, ajusten su matriz de parámetros con la que se aproximan a la dinámica observable del sistema de referencia.
Una forma de que un identificador cumpla con esas condiciones, es la de la lógica difusa por medio de sus mecanismos de inferencia que interpretan y seleccionan en una base de conocimiento la mejor matriz de parámetros.
Estos mecanismos de selección mediante las redes neuronales permiten encontrar la respuesta con el mejor nivel de operación para cada cambio de estado (Shannon, 1948).
En este artículo se considera en el modelo MIMO del filtrado digital, el proceso neuronal difuso para la estimación matricial de parámetros adaptiva, que se integra en el filtro de Kalman a través de la matriz de transición.
Para ello se utilizó la red neuronal del tipo retropropagación en el mecanismo difuso, interpretando sus variables y sus respectivos niveles, seleccionando los mejores valores para ajustar automáticamente los valores de la matriz de transición.
La simulación en Matlab presenta al filtrado digital neuronal difuso dando el seguimiento, observándose un funcional de error decreciente exponencialmente. Multivariate identifier filters (multiple inputs and multiple outputs - MIMO) are adaptive digital systems having a loop in accordance with an objective function to adjust matrix parameter convergence to observable reference system dynamics.
One way of com...






Documentos relacionados