Resumen:
Actualmente existen implementaciones en matlab de algunos algoritmos adaptativos como son el algoritmo mínimo cuadrado (LMS) y algoritmo mínimo cuadrado recursivo (RLS), pero no hay disponibles implementaciones para los algoritmos de módulo constante (CMA) y el algoritmo de matriz inversa (DMI), sabiendo esto nos planteamos realizar aplicaciones en CMA y DMI, tanto para señales gaussianas como para señales senosoidales para antenas, para esto nos planteamos algunas interrogantes ¿Qué tanto variara la velocidad de convergencia y la potencia de estas antenas aplicando los mismos valores de entrada en estos algoritmos?, ¿Qué sucederá si variamos el número de antenas?, ¿Qué resultados obtendríamos en el comportamiento de los gráficos de curvas de error, curvas de pesos estimados, curvas de la señal a la salida del filtro vs la señal de referencia del sistema?, ¿Qué problemas podrían ocurrir al implementar los algoritmos CMA y DMI?. (Algunos programadores ingresan valores de ruido a la entrada del sistema para simular señales reales) y otros lo colocan a la salida del filtro en los algoritmos adaptativos, ¿podríamos comparar los resultados obtenidos de ingresar el ruido a la entrada del sistema con el ruido ingresado a al salida del filtro?, ¿ que sucederá si cambiamos la señal de referencia con una señal parecida a la original?, ¿Qué tanto aumenta el error con este cambio?. En este trabajo respondemos estas interrogantes y analizamos los resultados obtenidos con estos cuatro algoritmos adaptativos, LMS, RLS, CMA y DMI.
