Implementación de un sistema de Control Activo de Ruido Multicanal usando redes neuronales con entrenamiento on-line basado en la técnica de retro-propagación.

Abstract

[ES] Este TFG pretende desarrollar un sistema de control activo de ruido multicanal empleando una alternativa a los tradicionales algoritmos adaptativos. En lugar de emplear algoritmos adaptativos basados en el algoritmo de filtrado-x LMS, se propone realizar una implementación basada en redes neuronales que permitan actualizar los coeficientes del filtro como si se tratasen de los pesos de una sencilla red neuronal. El enfoque de implementación propuesto redefine y ajusta el algoritmo de filtrado-x LMS a la arquitectura de una red neuronal multi-capa de una única capa oculta con una única neurona, y permitirá la adaptación de los coeficientes (pesos de la red) empleando técnicas de aprendizaje automático basadas en algoritmos de entrenamiento de retro-propagación. Para tal fin, se usarán las herramientas existentes en el paquete matemático MATLAB y su toolbox de Aprendizaje Automático.

[EN] This TFG aims to develop an active multichannel noise control system using an alternative to traditional adaptive algorithms. Instead of using adaptive algorithms based on the LMS x-filtering algorithm, an implementation based on neural networks is proposed to update the filter coefficients as if they were the weights of a simple neural network. The proposed implementation approach redefines and adjusts the LMS x-filtering algorithm to the architecture of a multi-layer neural network of a single hidden layer with a single neuron, and will allow the adaptation of the coefficients (network weights) using machine learning techniques based on back-propagation training algorithms. For this purpose, the existing tools in the MATLAB mathematical package and its Machine Learning toolbox will be used.