Resumen:
En el presente proyecto se realizó el estudio del filtraje adaptativo donde se explica en qué consiste el filtro de Wiener y las utilidades del algoritmo Steepest-Descent, se revisaron las diferentes aplicaciones tales como la identificación de sistemas, ecualización del canal y la mejora de la señal, se analizó las características de los filtros LMS, RLS y AP. Posteriormente se comparó su desempeño y respuesta con la implementación de un cancelador de eco donde se verificó que el algoritmo RLS presenta mayor velocidad de convergencia y menor desajuste frente a los algoritmos LMS y AP, sin embargo presenta problemas de estabilidad y el costo computacional es mayor.
Realizado este análisis previo se estudiaron los algoritmos SM, se obtuvo la complejidad computacional de cada uno de los filtros pertenecientes a esta familia y para el desarrollo del cancelador de eco que propone este proyecto se partió de las características del filtro adaptativo Simplified Set-Membership Affine Projectionya que el filtro propuesto es una mejora en cuanto a velocidad de convergencia y desajuste. Se realizó la comparación de los filtros SM-NLMS, SIM SM AP, SM AP y SIM SM PUAP analizando sus características y las variaciones que sufren al aumentar el valor del factor de reutilización.
Finalmente se realizó el estudio del filtro adaptativo Robust Set-Membership Affine-Projection y el análisis tanto con umbral fijo (RSMAP1), como con umbral variable (RSMAP2), se estudiaron sus características, su desempeño y el costo computacional que representa su implementación. Se diseñó el cancelador de eco aplicando el filtro RSMAP1 y el filtro RSMAP2 y se analizaron los resultados en comparación con el filtro Simplified Set-Membership demostrando que el algoritmo RSMAP conserva sus características de estabilidad y convergencia incluso cuando el canal es variable en el tiempo.
