Anda di halaman 1dari 3

1

Uso de Redes Adaline como Filtros Adaptativos


Julio C. Montesdeoca, jmontesdeoca@est.ups.edu.ec Patricio Buele,pbuele@est.ups.edu.ec Universidad Politcnica Salesiana, Sede Cuenca. Informtica Industrial.

ResumenEn el presente documento se presenta las caractersticas, importancia, funcionamiento, algoritmo de aprendizaje y aplicaciones de las redes adaline, una de las aplicaciones de estas redes son los ltros adaptativos, concretamente en este documento se estudia la red adaline en canceladores de ruido. Index TermsRed Adaline, Filtro Adaptativo.

a= Salida de la neurona p=Patrones de entrada b= bias R=Tamao de la entrada S=Nmero de neuronas W=Pesos sinapticos.

I. I NTRODUCCIN . La Red Adaline ADAptative LINear Element (Elemento Lineal Adaptativo), fue desarrollada por Bernie Widrow y Ted Hoff. Esta red a diferencia del perceptron, que trabaja como clasicador, por su tipo de funcin de transferencia hardlim, la Red Adaline usa una funcin de transferencia de tipo lineal llamada purelin, la Red Adaline usa el principio de funcionamiento del perceptron, pero sin la funcin de transferencia hardlim en la salida, lo que convierte a esta red en un elemento lineal, cuya aplicacion mas importante es el procesamiento de informacin analgica, tanto de entrada como de salida.[1] Al igual que el perceptron las redes adaline solo pueden resolver eventos linealmente separables. El objetivo de una red adaline es modicar los pesos sinapticos para tratar de reducir la diferencia entre la salida actual y la salida deseada por cada patrn usado.[1] Para el aprendizaje de la red adaline se usa una regla conocida como algoritmo LMS Least Mean Square (Error Medio Cuadratico), que busca minimizar el error de toda la red, esta regla de aprendizaje trata de mover la frontera de decisin tan lejos como sea posible del modelo de entrenamiento. Una red adaline esta la estructura mostrada en la Figura 1.

II.

U SO DE LA R ED A DALINE COMO FILTRO ADAPTATIVO

Dentro de las aplicaciones que se les da a las redes Adaline estn los ltros adaptativos, para ello se usa un concepto llamado retardos de linea, Figura 2, estos retardos sirven como patrones de entrenamiento de la red, cuanto mas patrones existan mas robusta es la red.[1]

Figura 2. Estructura Red Adaline (Neural Network Design, Martin T Hagan, Howard B. Demuth)

Usando el criterio de retardos de linea, las salidas de este, las usamos como entradas de la red Adaline, uniendo estos dos criterios se obtiene la estructura de un ltro adaptativo, cuyo diagrama se puede observar en la Figura 3.[1]

Figura 1. Estructura Red Adaline (Neural Network Design, Martin T Hagan, Howard B. Demuth)

Figura 3. Estructura de ltro adaptativo usando una Red Adaline (Neural Network Design, Martin T Hagan, Howard B. Demuth)

La salida de la red adaline esta dada por:


R

a = purelin
1

W pT + b

(1)

La salida de la red adaline congurada como ltro adaptativo esta dada por:
R

En donde:

a = purelin
i=1

W1,i y (k i + 1) + b

(2)

III. R EGLA DE A PRENDIZAJE Para el aprendizaje de la red se usa el mtodo del gradiente decreciente que junto con el algoritmo del error medio cuadrtico[1] W (k + 1) = W (k ) + 2 lr e (k ) y (k ) b (k + 1) = b (k ) + 2 lr e (k ) e (k ) = En donde: a= Salida de la neurona y=Patrones de entrada b= bias R=Tamao de la entrada W=Pesos sinapticos. IV. C ANCELADOR DE RUIDO Uno de los usos mas importantes que se le ha dado a las Redes Adaline como ltros adaptativos son los canceladores de ruido. Entre la aplicaciones mas sobresalientes estn, la telefona en cancelacin de eco y ruido de la seal, en medicina en la extraccin bioseales como EEG, ECG, ademas en la prediccin de seales de plantas en control. Un cancelador de ruido implementado con una red adaline tiene la estructura mostrada en la Figura 4.[2] 1 L (y (k ) a (k ))
2

IV-A.

Algoritmo implementado en Matlab %Cancelador de ruido usando una Red Adaline %Realizado por: Julio C.Montesdeoca, Patricio Buele clear all; close all; clc;

(3) %=======Lectura de seales======= (4) (5) s=wavread(cancion.wav); sound(senal,20000); s1=decimate(s,3); sound(s1); r=0.5*wavread(ruido.wav); sound(ruido,20000) r1=(0.8*sin(r)); sound(r1,20000) extencion=min(length(r1),length(s1)); s_a=s1(1:extencion); r_a=r(1:extencion); r1_a=r1(1:extencion); sr1=s_a+r1_a; sound(sr1) muestreo=8000; t=(0:(extencion-1))/muestreo; %=======Parmetros para la neurona======= n=3; lr=0.01; W=rand(n,1); R=zeros(n,1); S=zeros(n,1); k=n; for i=n:extencion R(k)=r_a(k); S(k)=sr1(k); Y(k)=sum(R(k-n+1:k).*W); e(k)=S(k)-Y(k); W=W+((2*lr*e(k).*R(k-n+1:k))); k=k+1; end gure(1); subplot(2,1,1) ejes=[0 t(end) -2 2]; plot(t,s_a) title(Seal Original); axis(ejes) subplot(2,1,2); plot(t,e) title(Seal de Error); axis(ejes) gure(2); subplot(2,1,1); plot(t,Y) title(Modelado del Medio); axis(ejes) subplot(2,1,2); plot(t,s_a-e) title(Error Final); axis(ejes) sound(e) V. R ESULTADOS

Figura 4.

Estructura de un cancelador de audio usando una red adaline

Descripcin del cancelador de ruido Al tener una seal, (s), que se contamina con el ruido que ha pasado por un medio, (r), resulta a la salida, (s + r), las cuales no estn relacionadas, esta salida representa la entrada primaria al cancelador de audio, por otra parte, recibe directamente el ruido, (R), el cual no esta relacionado con la seal pero si con la seal de ruido ltrado (r). El objetivo del ltro adaptativo es es modelar el medio por donde se transmite el ruido, de tal manera que la salida del ltro adaptativo sea de la misma forma que el ruido que ha pasado por un medio y de esta forma al realizar la operacin (s + r a) resulte a la salida la seal originale, por lo tanto la funcion del ltro adaptativo es realizar la aproximacin (a = r). La salida del ltro adaptativo a, esta dado por la respuesta de la red adaline (1). Entonces a partir de esta deduccin se realiza la implementacion del programa del cancelador de ruido en Matlab.

La descripcin de la variacin de los parmetros del cancelador de ruido se presenta a continuacin, estas variaciones

se realizaron dentro del programa implementado en Matlab

Figura 5.

Seal con ruido

Figura 9.

Seal de error de la red con un lr=0.01 y 20 retardos de linea.

Figura 6.

Seal a la salida del cancelador de audio.

Figura 10.

Seal de error de la red con un lr=0.01 y 50 retardos de linea.

Al ingresar la seal contaminada, Figura 5, se comprueba el funcionamiento del ltro adaptativo. La seal de salida del cancelador de audio muestra que el ruido se ha disminuido, Figura 6. En la comprobacin de la calidad del cancelador de ruido se ha modicado el coeciente de aprendizaje y el numero de retardos de red y se obtuvo los resultados mostrados en las guras Figura 7, Figura 8, Figura 9, Figura 10, VI. C ONCLUSIONES

Figura 7.

Seal de error de la red con un lr=0.01 y tres retardos de linea.

Para una red adaline congurada como cancelador de ruido se necesita pocos retardos de linea para que tenga el menor error de red en la salida, por ende la seal original sera prcticamente la misma. Aumentando el coeciente de aprendizaje y manteniendo el numero de retardos de linea el error nal de la red se mantiene pero se tarda en alcanzar el mnimo. Aumentando los retardos de linea el error de la red se incrementa y no minimiza al mximo el ruido del medio. Es importante mantener el numero de retardos bajo con el apropiado coeciente de aprendizaje para, obtener un robusto cancelador de ruido. R EFERENCIAS
[1] Neural Network Design, Martin T Hagan, Howard B. Demuth [2] Cancelacin Adaptiva De Ruido Usando Adalines, Nicols Loeff, Juan Cardelino, Facultad de Ingeniera Universidad de la Repblica.

Figura 8.

Seal de error de la red con un lr=0.001 y 3 retardos de linea.