Resumen

ZAMBRANO ESCOBAR, Alejandro  y  PINTO MINDIOLA, Lácides. Aplicación de las redes neuronales artificiales en procesadores digitales de señales: caracterización de sensores infrarrojos. uct [online]. 2009, vol.13, n.51, pp.129-136. ISSN 2542-3401.

En este trabajo se propone un método para la caracterización de la respuesta no lineal de un sensor infrarrojo utilizado en la medición de distancias sensor - objeto, mediante un modelo de red neuronal artificial con entrenamiento supervisado. El modelo neuronal es desarrollado y entrenado empleando la herramienta de redes neuronales (NNT: Neural Networks Toolbox®) de MATLAB™, y luego implantado vía lenguaje C, en un Procesador Digital de Señales (DSP), para su posterior aplicación en sistemas embebidos de adquisición de señales. Se comparan tres algoritmos de entrenamiento para verificar la factibilidad de una futura implementación de entrenamiento en línea. El algoritmo Levenberg - Marquardt backpropagation ha permitido obtener los mejores resultados en el modelado de la curva característica del sensor, al obtener a través de su aplicación, un error en el aprendizaje de los datos de entrenamiento de 6x10-5, en el menor número de épocas de entrenamiento registrado comparado con los métodos Resilient backpropagation y quasi - Newton backpropagation. Los resultados del modelo y la implementación confirman un desempeño satisfactorio del método aplicado, que puede ser extendido a la caracterización de otro tipo de sensores.

Palabras clave : Sensor Infrarrojo; Respuesta No Lineal; Red Neuronal Artificial; Backpropagation; Procesador Digital de Señales.