1 INTRODUCERE

1.1. Filtre adaptive caracteristici

generale
1.1. Filtre adaptive caracteristici
generale
Filtru adaptiv=filtru cu parametri
reglabili+algoritm adaptiv recursiv
Util n medii necunoscute sau
nestaionare
Exemplu filtru adaptiv FIR
z
-1
x(n) x(n-1)
( ) n w

1

z
-1
x(n-N+1)
( ) n w
N

2
( ) n w
N

1

( ) n w

0

Algoritm
adaptiv
e(n)
( ) n y
d(n)
_

z
-1

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) n n n d k n x n w n d n y n d n e
N
k
H
k
x w

=
= = =
1
0
*

( ) ( ) ( ) ( ) [ ] ( ) ( ) ( )
( ) ( ) ( ) ( ) [ ]
T
T H T
N
N n x n x n x n
n n n w n w n w n
1 ,..., 1 ,
, ,..., ,
*
1 1 0
+ =
= =

x
w w w


Funcii cost
- eroarea medie ptratic ,
- suma ptratelor erorilor (norma L
2

evaluat pe un suport finit)
( ) { }; E
2
n e
( )

M
N k
k n e
2
Funcii cost
- suma ponderat a ptratelor erorilor
- norma L
1
a erorii evaluat pe un
suport finit
( )

1
0
N
k
k n e
( ) ( ]
2
1
0,1
n
n k
k
e n k

Caracteristici generale
viteza de convergen
dezadaptarea
capacitatea de urmrire a variaiilor
statistice ale semnalelor
robusteea
complexitatea algoritmului
structura
proprieti numerice
Configuraii de sisteme adaptive
1.2.1 Identificarea sistemelor

Filtru adaptiv
Sistem
necunoscut
e
y
d
x
Aplicaii tipice:
Modelarea canalului radio
Modelarea adaptiv n explorrile geofizice
1.2.2 Modelarea invers
Sistem
necunoscut
Filtru
adaptiv
ntrziere
x
y
e
d
Aplicaie tipic - Egalizarea automat
Egalizare automat
Filtru
emisie
Canal
Filtru
recepie
Filtru
adaptiv
Decizie
Semnal
referin
zgomot
nTs
a
n
s(t)
( ) ( ) { } 1 2 , , 3 , 1 ;
0
=

=
M a kT t p a t s
k
k
s k

Egalizare automat
p(t) q(t)
-3T
s
-2T
s
-T
s
0 T
s
2T
s
3T
s
t -3T
s
-2T
s
-T
s
0 T
s
2T
s
3T
s
t
a) b)
( )

=
=
0 , 0
0 , 1
n
n
nT p
s

( )
m s
a mT s =

1.2.3. Predicia

ntrziere
Filtru
adaptiv
x
y
d
2
1
Aplicaii tipice
Codarea predictiv a semnalelor vocale
Suprimarea unei interferene de band ngust suprapus peste un semnal de band larg
Intensificarea semnalului (suprimarea unui zgomot de banda larg)
Suprimarea interferenelor pe baza proprietilor de autocorelaie
( ) X
( ) W
Semnal de
band ngust
puternic corelat

Semnal de band
larg slab
corelat

y(n)=w(n)+x(n)
z
-D Filtru
adaptiv
( ) n x
( ) ( ) n w n e =
Predicia se bazeaz pe existena unei autocorelaii.
Band ngust timp de autocorelaie mare (puternic corelat)
Band larg timp de autocorelaie mic (slab corelat)
1.2.4 Suprimarea interferenelor
semnal
primar
semnal
secundar
Filtru
adaptiv
d
y
e
Semnalul primar = semnal util + semnal perturbator
Semnalul secundar = semnal corelat numai cu semnalul perturbator
Funcioneaz pe baza proprietilor de intercorelaie filtrul adaptiv
funcioneaz dac exist o anumit intercorelaie ntre semnalul de intrare i semnalul dorit.
Aplicaii tipice
Suprimarea ecoului n transmisiunile de date pe canale telefonice
(ecou electric)
Suprimarea ecoului acustic
Reducerea zgomotului n transmisiunile vocale
Reducerea unei interferene prin modificarea caracteristicii de
directivitate a unui sistem de antene
Suprimarea ecoului electric
SD
TERM
.
A

TRNSM.



RECEPT


TERM
.
B
SD SD SD
CENTR. CENTR.
MODEM MODEM
TRANSM.
RECEPTOR
FILTRU
ADAPTIV
S. D.
s
A
(t)
s
RA
(t)
( ) t s
EA

Suprimarea ecoului electric

Suprimarea ecoului electric
TRANSM.
RECEPTOR
FILTRU
ADAPTIV
H.
x(n)
y(n)
d(n)
e(n)
Ecou
electric
Ecou
acustic
Conform G 168 ITU+T
2.1.3 Matricea de autocorelaie a unui proces staionar -
definitie
( ) ( ) ( ) [ ]
T
N n x n x n x n 1 ,..., 1 , ) ( + = x


( ) ( ) { }
( )
( ) ( )
( ) ( )
(
(
(
(
(
(
(

+ +

= =
) 0 ( . . . 2 1
.
.
.
2 . . . ) 0 ( 1
1 . . . ) 1 ( ) 0 (
E
r N r N r
N r r r
N r r r
n n
H
x x R


( ) ( ) ( ) { } ( ) ( ) { } n x k n x k n x n x k r = + =
* *
E E
) ( i j r r
ij
=

2.1.3 Matricea de autocorelaie a unui proces staionar -
proprieti
1. Hermitic: R R =
H


2. Toeplitz

3. Pozitiv semidefinit:
( ) . 0
*
1 1
=

= =
j i
N
i
N
j
H
i j r u u Ru u
( ) ( ) { } ( ) ( ) { } ( ) . 0 E E E
2

)
`

= = = n n n n n
H H H H H H
x u u x x u u x x u Ru u
4. ( ) ( ) ( ) [ ]
T B
n x N n x N n x n ,..., 2 , 1 ) ( + + = x

( ) ( ) { } . E
T BH B
n n R x x =

2.1.3 Matricea de autocorelaie a unui proces staionar -
proprieti
5. Matricea de autocorelaie extins i partiia ei.
Fie R de dimensiune NxN, R
N
i matricea de autocorelaie extins de
dimensiune (N+1)x(N+1), R
N+1
.
( )
( )
(
(

=
(
(

=
+
0
0
*
1
r
r
BT
B
N
N
H
N
r
r R
R r
r
R
unde
( ) ( ) ( ) [ ] N r r r
H
,..., 2 , 1 = r
2.1.3 Matricea de autocorelaie a unui proces staionar -
proprieti
Proprieti legate de valorile/vectorii proprii

Fie
i
valorile proprii ale matricei R, deci rdcinile ecuaiei caracteristice
( ) 0 det = I R

i q
i
vectorii proprii asociai,
. ,..., 1 , N i
i i i
= = q Rq

6. Valorile proprii ale matricei R
k
, Z k , sunt
i
k
, i=1,2,..,N.

7. Dac
i
, i=1,..,N sunt distincte, atunci vectorii q
i
sunt liniar independeni.

2.1.3 Matricea de autocorelaie a unui proces staionar -
proprieti
7. Dac
i
, i=1,..,N sunt distincte, atunci vectorii q
i
sunt liniar independeni.
8. N i
i
, 1 , =
+
R
0 =
i
H
i
i
H
i
i
q q
Rq q

9. = j i N j i
j i
, ,..., 2 , 1 , , q
i
, q
j
ortogonali,
0 =
i
H
j
q q
Demonstraie. Conform definiiei:

j j j i i i
q Rq q Rq = = ,




i
H
j i i
H
j
q q Rq q =
H
j j
H
j
H H
j
q R q R q = =

( ) 0 =
i
H
j j i
q q
Se poate construi un set ortonormat de vectori proprii

=
=
j i
j i
i
H
j
, 0
, 1
q q
2.1.3 Matricea de autocorelaie a unui proces staionar -
proprieti
10. Diagonalizarea matricei R
RQ Q =
H

unde
[ ] ( )
j i N N
= = ,..., , diag , ,..., ,
2 1 2 1
q q q Q
iar q
i
reprezint un set ortonormal de vectori proprii. Matricea Q este unitar:
. sau ,
1 H H
Q Q I Q Q = =


Demonstraie
Q RQ =
i se nmulete la stnga cu Q
H
.
Teorema lui Mercer (teorema spectral):

=
= =
N
i
H
i i i
H
1
. q q Q Q R

2.1.3 Matricea de autocorelaie a unui proces staionar -
proprieti
11. Urma matricei R
( )

=
=
N
i
i
1
tr R
( ) .
1
0
1

=
=
N
i
i
N
r

12. Norma spectral a unei matrice A
( )
2
1
matricei a maxima proprie valoarea A A A
H
s
=
.
max
=
s
R
Numrul condiional
( )
s
s
1
= A A A
( )
min
max
min
1
max
,
1
,

= = =

R R R
s
s


2.1.3 Matricea de autocorelaie a unui proces staionar -
proprieti
13. Ctul Rayleigh asociat unui vector u nenul, de dimensiune Nx1
u u
Ru u
H
H


u u
Ru u
u u
Ru u
H
H
H
H
max , min
max min
= =


14. ( ) ( )

j j
e max e min
xx i xx
P P