Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Algoritmo conjunto Kalman–Haar aplicado al procesamiento de señales
PDF

Palabras clave

Signal processing
Kalman filter
wavelet denoising
multiresolution analysis
Procesamiento de señales
filtro de Kalman
eliminación de ruido con onditas
análisis de multirresolución

Cómo citar

Viegener, A., Sirne, R. O., Serrano, E. P., Fabio, M., & D’Attellis, C. E. (2012). Algoritmo conjunto Kalman–Haar aplicado al procesamiento de señales. Revista De Matemática: Teoría Y Aplicaciones, 19(1), 37–47. https://doi.org/10.15517/rmta.v19i1.2103

Resumen

En el marco del análisis de señales perturbadas por ruido, en esta presentación proponemos una metodología de trabajo orientada a aprovechar la estimación óptima del filtrado de Kalman, combinándola con la caracterización que se logra aplicando un análisis de multirresoluci´on (AMR) mediante onditas (wavelets). Desde el punto de vista del filtrado de Kalman este procedimiento mixto es cuasi-óptimo, sin embargo la modificación que se introduce permite la aplicación simultánea de un esquema de eliminación de ruido con wavelets; con esto disminuye el costo computacional de aplicar ambos procedimientos por separado. Nuestra propuesta consiste en procesar la señal por intervalos sucesivos no solapados, combinando el proceso de cálculo para el filtrado óptimo con un AMR usando la ondita de Haar. El método aprovecha la utilización conjunta de ambas herramientas (Kalman- Haar) y está exento de problemas de borde relacionados con la segmentación de la señal.

https://doi.org/10.15517/rmta.v19i1.2103
PDF

Citas

D’Attellis, C.E. (1981) Estimadores Óptimos y sus Aplicaciones. CONICET, Argentina.

Hirchoren, G.A.; D’Attellis, C.E. (1998) “Estimation of fractal signals using wavelets and filter banks”, IEEE Trans. on Signal Processing 46(6): 1624–1630.

Hirchoren, G.A.; D’attellis, C.E. (1999) “Estimation of fractional brownian motion with multiresolution Kalman filter banks”, IEEE Trans. on Signal Processing 47(5): 1431–1434.

Kalman, R.E. (1960) “A new approach to linear filtering and prediction problems”, Trans. ASME-Journal of Basic Engineering 82:35–45.

Kalman, R.E.; Bucy, R.S. (1961) “New results in linear filtering and prediction theory”, Trans. ASME-Journal of Basic Engineering: 95– 108.

Postalcioglu, S.; Erkan, K.; Bolat, E.D. (2005) “Comparison of Kalman filter and wavelet filter for denoising”, en: IEEE Conference Proceedings International Conference on Neural Network and Brain, Vol 2, Beijing, China: 951–954.

Renaud, O.; Starck, J.; Murtagh, F. (2005) “Wavelet-based combined signal filtering and prediction”, IEEE Trans. on Sytems, Man, and Cybernetics, Part B: Cybernetics 35(6): 1241–1251.

Walmut, D.F. (2002) An Introduction to Wavelet Analysis. Birkhaüser, Boston.

Zhao, J.; Ma, H.; You, Z.; Umeda, M. (2001) Lecture Notes in Computer Science: Multiscale Kalman filtering of fractal signals using wavelet transform, Springer-Verlag Berlin, Heidelberg: 305–313.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.