SciELO - Scientific Electronic Library Online

 
vol.14 número2Segmentación de nódulos mamarios en imágenes ultrasonográficas basado en transformada Watershed controlada por marcadoresMonitoreo remoto de hemorragias internas basado en inducción magnética y tecnología de telefonía celular: una potencial aplicación en regiones pobres de México índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Computación y Sistemas

versión On-line ISSN 2007-9737versión impresa ISSN 1405-5546

Comp. y Sist. vol.14 no.2 Ciudad de México oct./dic. 2010

 

Artículos

 

Comparación e implementación de los algoritmos ECLMS y OAECLMS en un DSP

 

Comparison and Implementation on a DSP of ECLMS and OAECLMS Algorithm

 

José Velázquez López, Juan Gerardo Ávalos Ochoa y Juan Carlos Sánchez García

 

Sección de Estudios de Posgrado e Investigación ESIME Culhuacan, Instituto Politécnico Nacional México D.F. E–mail: jvelazquezl@ipn.mx, gerardo.avalos@ieee.org, jcsanchezgarcia@gmail.com

 

Artículo recibido en Agosto, 2008.
Aceptado en Enero, 2010.

 

Resumen

En este artículo se presenta dos variantes del algoritmo de adaptación de la media de los mínimos cuadrados, los cuales tienen como objetivo reducir la complejidad computacional y aumentar la velocidad de procesamiento, ya que están basados en la codificación del error para reducir las operaciones de punto flotante. Se presentan los resultados tanto de simulación como de implementación en el DSP, demostrando la factibilidad de aplicarse ambos algoritmos en filtros adaptables digitales.

Palabras clave: Error Codificado, Filtros adaptables, Media de los mínimos cuadrados, Predicción lineal, Sobreadaptado.

 

Abstract

In this paper, two variants of the least mean square algorithm are presented, which their objective is to reduce computational complexity and increase the processing speed, due to they are based on error codifying in order to reduce the number of floating point operations. The results are presented both in simulation and implementation on a DSP, they show the factibility to be used in digital adaptive filters.

Keywords: Codified error, Adaptive Filters, Least mean square, Linear prediction, Overadapted.

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

Referencias

1. Avalos J. G. González J. M., Velázquez J., Sánchez J.C. (2007). Implementación del algoritmo LMS en el DSP TMS320C6713. XXIX Congreso Internacional de Ingeniería Electrónica, Chihuahua, México. 169–173.         [ Links ]

2. Avalos J. G. González J. M., Velázquez J., Sánchez J. C. (2007). Implementación del Algoritmo LMS con Error Codificado en el DSP TMS320C6713, Memoria digital del 10° Congreso Nacional de Ingeniería Electromecánica y de Sistemas, D.F., México.         [ Links ]

3. Carusone A. C., Johns D. A. (2003). Digital LMS Adaptation of Analog Filters Without Gradient Information. IEEE Transactions on Circuits and Systems – II: Analog and Digital Signal Processing, 50(9), 539–552.         [ Links ]

4. Carusone A., Johns D. A. (2000). Analogue adaptive filters: past and present. IEE Proceedings. Circuits, Devices and Systems, 147(1), 82–90.         [ Links ]

5. Figueroa Miguel, Bridges Seth, Hsu David, and Diorio Chris (2004). A 19.2 GOPS Mixed–Signal Filter With Floating–Gate Adaptation. IEEE Journal ofSolid State Circuits, 39(7), 1196–1201.         [ Links ]

6. Kehtarnavaz Nasser (2005). Real – Time Digital Signal Processing Based on the TMS320C6000. Amsterdam Elsevier.         [ Links ]

7. Kucic M, Hasler P., Dugger J., Anderson D (2001). Programmable and Adaptive Analog Filters using Arrays of Floating–Gate Circuits. Conference on Advanced Research in VLSI, Salt Lake City, Utah USA. 148–162.         [ Links ]

8. M. Godavarti and C. F. N. Cowan (2005). Partial Update LMS Algorithms. IEEE Transactions on Signal Processing, 53(7), 2382–2389.         [ Links ]

9. Nakano Mariko, Perez Héctor, Niño de Rivera Luis, Casco Fausto y Sánchez Juan Carlos (1995). A Time Varying Step Size NLMS Algorithm For Adaptive Echo Canceller Structures. IEICE Transactions on Fundamentals ofElectronics, Communications and Computer Science, E78(2), 254–258.         [ Links ]

10. Pérez Héctor, Nakano Mariko, Niño de Rivera Luis (2001). Desarrollos recientes en sistemas adaptivos analógicos. Revista Científica, 5(3), 113–129.         [ Links ]

11. Roy S. y Shynk J. J. (1989). Analysis of the Data–Reusing LMS Algorithm. Proceedings of the 32nd Midwest Symposium on Circuits and Systems, Champaign, USA, 1127–1130.         [ Links ]

12. Sayed Ali H (2003). Fundamentals of Adaptive Filtering, New York: John Wiley & Sons 233–238.         [ Links ]

13. Shivaling S. Mahant–Shetti, Hosur S. y Gatherer A. (1997). The Log–Log LMS Algorithm. IEEE International Conference on Acoustics, Speech, and Signal Processing, Munich, Germany,–2357–2360.         [ Links ]

14. Tai–Cheng Lee and Bezhad Razavi (2001). A 125 Mixed–Signal Echo Canceller for Gigabit Ethernet on Copper Wire. IEEE Journal of Solid–State circuits, 36(3), 366–373.         [ Links ]

15. Velázquez J., Sánchez J. C., Ávalos J. G. (2008). Algoritmo LMS con Error Codificado para Filtrado Adaptivo. Información Tecnológica, 19(5). 85–96        [ Links ]

16. Widrow B. (2005). Thinking About Thinking: The Discovery of the LMS Algorithm. IEEE Signal Processing Magazine, 22(1), 100–106.         [ Links ] Comparación e Implementación de los Algoritmos ECLMS y OAECLMS en un DSP 185

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons