Intriago Rodríguez , Diego FernandoRodríguez Gutiérrez, Kenneth Sebastián2026-03-112026-03-112025Rodríguez Gutiérrez, Kenneth Sebastián (2025). Algoritmos de filtrado adaptativo basados en caracterización matemática para la reducción de ruido en señales de audio. Quevedo. UTEQ. 115 Paginas460098https://repositorio.uteq.edu.ec/handle/43000/9147This research project focuses on how adaptive filtering algorithms can help reduce noise in audio signals. We are facing a significant problem, both globally and nationally: the decline in sound quality in communications, especially in places where there is a lot of interference. The project proposes to develop and simulate these algorithms, using mathematical principles to find solutions that maintain the clarity of the original signal. We follow a varied methodology: we conduct a literature review, carry out experiments, and apply what we have learned in real-world situations. To design, simulate, and evaluate algorithms, we use analytical, deductive, and experimental methods. To measure the performance of the filters, we use metrics such as Signal-to-Noise Ratio (SNR) and Mean Square Error (MSE). In this work, we describe how we implement and compare different adaptive algorithms, such as LMS (Least Mean Squares), RLS (Recursive Least Squares), and the Kalman filter. In addition, we highlight the importance of the Discrete Fourier Transform (DFT), which is an essential tool for analyzing signals in the frequency domain. The results indicate that the RLS filter and Adaptive Convolution are the most effective when it comes to removing noise and maintaining the fidelity of audio signals, establishing a solid basis for selecting the most appropriate filter according to the type of noise and audio quality requirementsEl presente trabajo de investigación se centra en cómo los algoritmos de filtrado adaptativo pueden ayudar a reducir el ruido en señales de audio. Nos enfrentamos a un problema importante, tanto a nivel global como nacional: la disminución de la calidad del sonido en las comunicaciones, especialmente en lugares donde hay mucha interferencia. El proyecto propone desarrollar y simular estos algoritmos, utilizando fundamentos matemáticos para encontrar soluciones que mantengan la claridad de la señal original. La metodología que seguimos es variada: realizamos una revisión bibliográfica, llevamos a cabo experimentos y aplicamos lo aprendido en situaciones específicas. Para diseñar, simular y evaluar los algoritmos, utilizamos métodos analíticos, deductivos y experimentales. Para medir el rendimiento de los filtros, empleamos métricas como la Relación Señal-Ruido (SNR) y el Error Cuadrático Medio (MSE). En este trabajo, describimos cómo implementamos y comparamos diferentes algoritmos adaptativos, como LMS (Mínimos Cuadrados Mediante Desplazamiento), RLS (Mínimos Cuadrados Recursivos), filtro de Kalman entre otros. Además, destacamos la importancia de la Transformada Discreta de Fourier (DFT), que es una herramienta esencial para analizar las señales en el dominio de la frecuencia. Los resultados nos indican que el filtro de RLS y Convolución Adaptativa son los más efectivos al momento de depurar el ruido y mantener la fidelidad de las señales de audio estableciendo una base firme para seleccionar el filtro más apropiado según la clase de ruido y las exigencias de la calidad del audio.115spaAttribution-NonCommercial-ShareAlike 3.0 United StatesEspectrogramaFidelidadConvergenciaComplejidadMétricasbachelorThesis