Sistema anticausal
Un sistema anticausal es un sistema hipotético con salidas y estados internos que dependen únicamente de los valores de entrada futuros. Algunos libros de texto [1] y literatura de investigación publicada podrían definir un sistema anticausal como uno que no depende de valores de entrada pasados, permitiendo también la dependencia de valores de entrada presentes.
Un sistema causal es un sistema que no es un sistema causal , es decir, que depende de algunos valores de entrada futuros y posiblemente de algunos valores de entrada del pasado o del presente. Esto contrasta con un sistema causal que depende únicamente de los valores de entrada actuales y / o pasados. [2] Este es a menudo un tema de teoría de control y procesamiento de señales digitales (DSP).
Los sistemas anticausal también son acausal, pero lo contrario no siempre es cierto. Un sistema causal que tiene alguna dependencia de valores de entrada pasados no es anticausal.
Un ejemplo de procesamiento de una señal causal es la producción de una señal de salida que se procesa a partir de una señal de entrada que se registró mirando los valores de entrada tanto hacia adelante como hacia atrás en el tiempo (desde un tiempo predefinido designado arbitrariamente como el tiempo "presente"). En realidad, esa entrada de tiempo "presente", así como los valores de entrada de tiempo "futuro", se han registrado en algún momento en el pasado, pero conceptualmente se pueden llamar valores de entrada "presente" o "futuro" en este caso. proceso. Este tipo de procesamiento no se puede realizar en tiempo real ya que aún no se conocen los valores de entrada futuros, pero se realiza después de que la señal de entrada se haya registrado y se haya posprocesado.
La corrección de sala digital en algunos sistemas de reproducción de sonido se basa en filtros causales.
Referencias
- ^ Oppenheim, Alan ; Willsky, Alan; Nawab, S. Hamid (1998). "Capítulo 9: La Transformada de Laplace". Señales y sistemas (2 ed.). Prentice Hall. pag. 695. ISBN 0-13-814757-4.
- ^ Distinguir relaciones temporales causales y acausales, Kamran Karimi y Howard J. Hamilton, La séptima conferencia de Asia Pacífico sobre descubrimiento de conocimientos y minería de datos (PAKDD), 2003.
Ver también
