Aplicación de las redes neuronales artificiales en procesadores digitales de señales: caracterización de sensores infrarrojos

En este trabajo se propone un metodo para la caracterizacion de la respuesta no lineal de un sensor infrarrojo utilizado en la medicion 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 TM, y luego implantado via lenguaje C, en un Procesador Digital de Senales (DSP), para su posterior aplicacion en sistemas embebidos de adquisicion de senales. Se comparan tres algoritmos de entrenamiento para verificar la factibilidad de una futura implementacion de entrenamiento en linea. El algoritmo Levenberg – Marquardt backpropagation ha permitido obtener los mejores resultados en el modelado de la curva caracteristica del sensor, al obtener a traves de su aplicacion, un error en el aprendizaje de los datos de entrenamiento de 6x10-5, en el menor numero de epocas de entrenamiento registrado comparado con los metodos Resilient backpropagation y quasi – Newton backpropagation. Los resultados del modelo y la implementacion confirman un desempeno satisfactorio del metodo aplicado, que puede ser extendido a la caracterizacion de otro tipo de sensores.