¿Cuáles son los diferentes modelos de filtros adaptativos? ¿Dónde se usan estos modelos en la vida real?

Answer 1

En cuanto a la estructura, existen dos tipos clásicos de filtros adaptativos:

1. IIR: filtro de respuesta de impulso infinito: la estructura es de naturaleza recursiva y, por lo tanto, la respuesta de impulso tiene una duración infinita.
2. FIR: filtro de respuesta de impulso finito: la estructura no es recursiva y, por lo tanto, la respuesta de impulso tiene una duración finita.

En cuanto al modelo de aprendizaje, hay muchos (principalmente para la estructura FIR):
1. Método de descenso más empinado
2. Filtro adaptativo de mínimos cuadrados medios (LMS)
3. Filtro adaptativo LMS normalizado
4. Dominio de frecuencia / filtro adaptativo de sub-banda
5. Filtro de mínimo cuadrado (LS)
6. Filtro LS recursivo
7. filtro de Kalman
9. Filtro adaptativo de raíz cuadrada
10. Filtro recursivo de pedidos
11. Filtros de partículas
12. Redes neuronales artificiales (ANN)
13. Modelos ocultos de Markov (HMM)
14. Campos aleatorios condicionales (CRF)

El primero es el método clásico, mientras que 10. y 11. son relativamente nuevos y mucho más avanzados. Los últimos tres generalmente se clasifican como algoritmos de aprendizaje automático (ML), pero la base subyacente se basa en la operación de filtro adaptativo. Las aplicaciones típicas incluyen:
1. Seguimiento de procesos y monitoreo del sistema que varían en el tiempo
2. Sistemas de seguimiento de misiles (por ejemplo, filtro Kalman)
3. Estimación del sistema (en plantas de energía moderada y alta, estimación de canales, etc.)
4. Análisis cognitivo (procesamiento del lenguaje natural, procesamiento del habla, etc.)

Answer 2

Esa es una respuesta bastante completa ya. Para el filtro adaptativo IIR, existe el algoritmo SHARF de Larimore, Treichler y Johnson.

En cuanto a la aplicación, he usado / visto estos filtros en la ecualización de canales variables en el tiempo, receptores Rake en CDMA y también en cancelación de interferencia de polarización cruzada (XPIC) en la línea de microondas digital de radio de visión (DMR). Los sucesivos canceladores de interferencia en los receptores de estación base CDMA también usan estos algoritmos (ver Duel-Hallen).

En esta aplicación DMR, hay dos flujos de datos independientes enviados en un único soporte de microondas, utilizando, por ejemplo, 64QAM o superior. Un flujo se envía a través de la polarización H del operador y el otro a través del operador V-pol. Las antenas típicas de Tx y Rx proporcionan entre 30-40dBs de supresión de polinización cruzada, por lo que las cosas normalmente están bien, ambos flujos de datos se pueden demodular de forma independiente. Pero con el desvanecimiento por trayectos múltiples y especialmente el reflejo del suelo / superficies como el agua, hay una interferencia cruzada sustancial (suficiente para cerrar el ojo 64QAM) y uno necesita cruzar los dos demoduladores y usar LMS para cancelar la interferencia, cada uno de los otro. Por lo tanto, las decisiones de datos tomadas por un ecualizador en la secuencia n. ° 1 se utilizan para ajustar LMS los coeficientes de derivación de filtro de una estructura de ecualizador de respuesta de decisión para la secuencia n. ° 2 y viceversa.