UNIVERSIDAD TÉCNICA DE AMBATO

FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICO E INDUSTRIAL

INGENIERÍA ELECTRÓNICA Y COMUNICACIONES

NOMBRE: Sánchez Luis

SEMESTRE: Noveno” Electrónica”
MODULO: Codificación Digital de señales

RESUMEN
CÓMO DETECTAR Y CORREGIR ERRORES parte I
¿Cuál es el método más eficiente para comunicarse a través de un canal ruidoso?
La transmisión de información mediante mensajes esta propenso a que ocurran errores,
para una mejor comprensión de expondrá un ejemplo
Que consta en que se está atendiendo a los invitados con la opción de ofrecerles té o café.
¿Por otro lado, otra persona se encuentra en la cocina preparando todo, como se
transmitirá el mensaje de saber que va a tomar cada persona?
Se asignará una secuencia de ceros y unos si se cuenta con 4 personas se obtendrá 0101
como secuencia.
Para este ejemplo los ceros indicaran que las personas en esas posiciones tomaran té y los
unos tomaran café.
Pero el sistema empleado no es tan confiable, supongamos que en la información se
presenta ruido y el mensaje no llega de forma correcta lo que ocasiona que los pedidos de
té y café no sean los correctos
Pero que ocurriría si se distorsionara el mansaje llegando a ser 1101, pero como se sabrá si
el mensaje recibido es el correcto, ¿Cómo detectar el mensaje correcto?
¿Pero cómo saber si el mensaje recibido es el original y como saber si el mensaje presenta
errores?
Dos ejemplos sencillos
Los errores como mínimo ocurren en un solo bit con lo cual un método es enviar tres veces
el mensaje original con lo cual se pueda recuperar la información
010101010101
Para esto solo se debe comparar los dígitos en la posición correcta o en tramos separados
0101 0101 0101
Con esto si hubiese un error en algún bit los demás mensajes permitirán reconstruir la
información
Otra forma de ver si ha ocurrido un error es añadiendo un bit más a la secuencia a esto se
lo denomina bit de paridad teniendo dos variantes (paridad par) y (paridad impar) esto
permite saber si ha ocurrido un error en el mensaje, pero no nos da la ubicación del error.
Este procedimiento cuenta con la ventaja de que requiere el envió de mensajes cortos y con
esto se sabrá si se ha producido un error en el mensaje siempre y cuando el fallo se produzca
en los primeros bits del mensaje
01010
En cambio, si se presentara un error no se sabrá cuál fue la secuencia original
01011
Con esto se ve un error en la secuencia, pero es difícil identificar en cuál de los bits se
produjo el fallo ya que las combinaciones de error podrían ser las siguientes 11011, 00011,
01111, 01001, 01010.
LONGITUDES OPTIMAS
Los métodos utilizados presentan diferentes características
1.- Cada secuencia corta tiene una traducción.
2.- Solo se transmitirá secuencias limpias.
3.- Ninguna secuencia limpia es vecina de otra.
Estas propiedades garantizan reconocer si hubo error en la transmisión
Con todo el primer método no es muy eficiente ya que existen un sinnúmero de
secuencias que no serán recibidas ya que hay un número mucho menor de secuencias
limpias generadas.
 CÓMO DETECTAR Y CORREGIR ERRORES parte II
Códigos eficientes y el problema del empaquetamiento de esferas
Empaquetamiento de esferas
Para esto tendremos dos secuencias diferentes y de longitud k, estas serian d (s, s') al
número de posiciones en las que s y s' difieren. Por ejemplo, para el caso k = 7, se puede
ver que:
d(0100111 ,0100110) = 2 y d(0000000, 1111111) = 7 .
dependiendo de esto cualquier función que cumple estas condiciones seria llamada
función de distancia y pensemos en el conjunto de secuencia de longitud k como en un
espacio con un número finito de puntos.
Se debe evitar el envio de dos secuencias limpias tales que las bolas de radio 1 centradas
en ellas posean elementos en común. De lo contrario se recivira una secuencia de 7 bits
cuya distancia a dos secuencias limpias diferentes fuese 1, en cuyo caso le sería imposible
determinar cuál fue la secuencia enviada.
interesante. En 1611, Johannes Kepler conjeturó que la manera más eficiente de disponer
esferas en el espacio euclídeo tridimensional vendría dada, en esencia, por el método que
usan los fruteros para apilar naranjas.
El código de Hamming
Se basa en emplear de forma ingeniosa la noción de paridad asociada a una secuencia de
dígitos. Recordemos que la paridad de una secuencia binaria es 0 si y solo si contiene un
número par de unos; en caso contrario, es 1. (La paridad de una secuencia s también
puede verse como la suma módulo 2 de los elementos de s.) Como vimos en la columna
anterior, si a una secuencia dada le añadimos un dígito correspondiente a su paridad,
siempre será posible detectar si hubo un error en la transmisión. Para encontrar nuestro
conjunto C, generalizaremos este método.
Por construcción, sabemos que deben diferenciarse en al menos uno de los bits de datos.
Sin pérdida de generalidad, supongamos que difieren en la primera posición: x1 ≠ x'1.
Veamos ahora qué sucede con p123, p134, p'123 y p'134, los bits de paridad de las
secuencias que contienen a x1 y a x'1, respectivamente.
Si p123 ≠ p'123 y p134 ≠ p'134, habremos terminado: nuestras secuencias difieren en al
menos 3 dígitos, por lo que su distancia será mayor o igual que 3. Si no ocurre así,
entonces ambas secuencias han de coincidir en al menos uno de los dos bits de paridad.
Supongamos que se trata solo del primero; es decir, p123 = p'123 y p134 ≠ p'134 (si
coincidiesen solo en el segundo, podríamos usar un razonamiento análogo).
Dado que x1≠ x'1, podemos concluir que la paridad de (x2,x3) ha de ser distinta de la de
(x'2,x'3). Y esto implica que, o bien x4≠ x'4, o bien la paridad de (x2,x3,x4), que se ve
reflejada en p234, ha de ser distinta de la de (x'2,x'3,x'4), que se ve reflejada en p'234. En
ambos casos, tenemos que nuestras secuencias difieren en al menos tres posiciones.

TEMA II
ALGORITMO RLS
El algoritmo RLS sonconocidos por su rápida convergencia cuando la difucion de valores
propios de la matriz de correlacion de la señal de entrada es grande.
Estos algoritmos tienen buen rendimiento cuando se trabajan en diferentes entornos de
tiempo. Todas estas ventajas vienen con el coste de un aumento de la complejidad
computacional y algunos problemas de estabilidad.
El algoritmo adaptativo RLS es una extensión del algoritmo mínimos cuadrados (LM), que
tiene un filtro de Kalman, quien minimiza el error cuadrático. Este filtro es uno de los más
utilizados para el tratamiento de convergencia, desajuste y sobre todo para la depuración
de señales, permitiendo el paso de señales deseadas y elimina el ruido.

En el algoritmo RLS los coeficientes del filtro son 𝑏𝑀(𝑛), M es la longitud del filtro y la
señal de error se define de la siguiente ecuación.
Al modificar el método de mínimos cuadrados mediante la inclusión de una exponencial
"factor de olvido" 𝜆𝑛−1,(0 < 𝜆 ≤ 1) a cada término de error, se obtendrá las siguientes
ecuaciones.

Donde El propósito del factor de olvido o factor

de ponderación λ es ponderar los puntos de datos más recientes y permite a los
coeficientes del filtro adaptarse a las características estadísticas variantes en el tiempo.
La salida del filtro FIR está dada por la suma de convolución.

Las características que presentan el algoritmo RLS

 El algoritmo adaptativo mínimo cuadrado recursivo es una extensión de el

algoritmo mínimo cuadrado.

 Disminuye el número de interacciones para llegar a su convergencia. Permite

utilizar los valores obtenidos anteriormente en la convergencia para hallar el
próximo valor y no solamente la diferencia de error como hace el mínimo
cuadrado.

 Utilizar la estimación, esto se aparta de los métodos de gradiente que utilizan los
algoritmos LMS.

 El algoritmo RLS utiliza el filtro de Kalman para hallar su solución. El algoritmo RLS
necesita de los valores de landa y de P para evaluar los valores de los pesos.
  Su desajuste se minimiza con valores de la longitud de onda próximos a la unidad.

 La formación de algoritmos híbridos que posean características más deseables

según el tipo de problema que se tenga que resolver.

BIBLIOGRAFIA

 Investigación y Ciencia – Junio 2017 - Alejandro Pérez Carballo es profesor de

filosofía en la Universidad de Massachusetts en Amherst. Pag 88-89.
 Haykin, Adaptive Filter Theory, 4ta edición, 2002. Capítulo 9: “Recursive Least
Squares Adaptive Filters".
 Apolo Castillo, H. N., & Córdova Medina, A. E. (2010). Universidad Politecnica
Salesiana. Recuperado el 31 de Marzo de 2016, de
http://dspace.ups.edu.ec/bitstream/123456789/418/15/UPS-CT001878.pdf