Implementación digital de filtros FIR para la minimización del ruido óptico y optoelectrónico de un sistema de barrido óptico

Abstract

<p>Existen distintos dispositivos capaces de discriminar el ruido óptico y optoelectrónico, sin embargo, el costo de su implementación y mantenimiento resulta costoso. Este trabajo examina la posibilidad de integrar digitalmente filtros de respuesta finita al impulso (en inglés, FIR; Finite Impulse Response) al transductor de un sistema OSS para obtener un mejor rendimiento en un ambiente real de operación. En este trabajo se propone la evaluación de la implementación de distintos filtros FIR en diferentes transductores fotosensores como lo son el resistor dependiente de luz (en inglés, LDR; Light-Dependent Resistor) y el diodo emisor de luz (en inglés, LED; Light-Emitting Diode).</p>

A structural health monitoring method proposal based on optical scanning and computational models

“…41 After a comparison of the different kind of photoelectric sensors such as photodiodes, phototransistors, light-emitting diode (LED) as a receiver, infrared LED's as a receiver, and inclusive the light-dependent resistor (LDR), it has been observed that the use of an LED as a photoelectric sensor, in special those working at the wavelength range of blue light (;427-476 nm), 39,42 it is possible to discriminate the sunlight noise with the support of digital filters, such as finite impulse response (FIR), and the Savitzky-Golay filter, enabling the system to work in hostile environments with lighting contamination. 43 Besides the use of computational techniques based on pattern classification, like linear discriminant analysis (LDA) and linear regression (LR), it is possible to classify the different light sources detected to discriminate those that are not of interest. 44 In a difference to the TVS, this OSS is structured with two optical scanning apertures, instead of one laser positioning and one optical scanning aperture.…”

“…All this development provides a potentially useful tool that can automate bridge load classification. 43,45–47 Neuronal network is a mathematical model inspired by the neurophysiological patterns that describe human brain functions through billions of neurons arranged into a hierarchical structure of six different layers in the human cortex, connected with other neurons transmitting, processing, and storage by synapse connections in constant neuron plasticity processes for learning. The coding of synapse and neuron plasticity oversimplified processes are the base for the formulation of the mathematical model of the neuronal network, as expressed by equations (6) and (7) for each neuron, where x i = 1 : 1 : n is each of the n neuron inputs, w i = 1 : 1 : n is their corresponding synaptic weights, and ξ is the weighted sum of the neuron inputs.…”

Reconocimiento de patrones aplicando LDA y LR a señales optoelectrónicas de sistemas de barrido óptico

“…Además, de las fuentes naturales, también existen otras fuentes como el ruido que se genera por actividades de origen humano como: la contaminación del medio, la iluminación pública, la iluminación que es generada por los automóviles, la reflexión de espejos de edificios, parabrisas de los automóviles, entre otros ejemplos.El sistema OSS en operación en ambiente real siempre está expuesto a la energía radiante de distintas longitudes de onda, y estas interfirieren con los sensores optoelectrónicos del sistema. En(Miranda-Vega et al, 2019) se realizó un estudio sobre la aplicación de filtros digitales al LED azul con el objetivo de suavizar y atenuar la señal con ruido que es generado durante la etapa de amplificación. En este trabajo los filtros digitales FIR (en inglés, Finite Impulse Response) como Savitzky-Golay y filtros c on v entanas H amming p ermitieron r educir l a problemática del ruido eléctrico.…”