Técnicas bayesianas aplicadas al procesado de señal en comunicaciones y genómica

Resumen

En esta Tesis se aplican Técnicas Bayesianas para realizar un proceso de inferencia aproximada con aportaciones a dos campos de investigación de gran relevancia en la acualidad: el procesado de señal en Comunicaciones y el procesado de señal en Genómica, En virtud del campo de aplicación, esta Tesis se divide en dos partes. En la primera se utilizan métodos Monte Carlo que en una formulación Bayesiana dan lugar a los llamados Filtros de Partículas. Los problemas concretos que se han tratado son el de Detección Multiusuario Ciega en canales planos Rayleigh con desvanecimiento rápido y el de Detección, Decodificación y Estimación de fase conjuntas utilizando códigos LDPC y cuando el canal añade ruido de fase. En el problema de la Detección Multiusuario Ciega, esta Tesis propone un nuevo modelo para el sistema que permite la utilización de técnicas de Filtrado de Partículas con complejidad computacional reducida con respecto a otros algoritmos de la misma naturaleza propuestos en la literatura. Además, en esta Tesis se adaptan otros algoritmos a esta formulación del problema. Pero la aportación más importante es la de un Detector basado en un algoritmo M-Estocástico que mantiene las ventajas de los algoritmos clásicos de Filtrado de Particulas pero es más eficiente en el sentido de que mantiene el buen comportamiento y las buenas propiedades de estos algoritmos reduciendo notablemente su complejidad computacional gracias a que mantiene la máxima diversidad en las partículas. En el problema de la Detección, Decodificación y Estimación de fase conjuntas, la Tesis propone un algoritmo de Filtrado de Partículas que posee un mejor comportamiento que un algoritmo basado en la discretización equiespaciada del espacio de fases y además reduce la complejidad computacional de éste. Como ventaja adicional, el algoritmo propuesto propone una forma eficiente para la estimación de la fase introducida por el canal. Además, el algoritmo