7.

FILTRE ADAPTIVE BAZATE PE METODA CELOR MAI MICI PTRATE

7.1 Metoda recursiv a celor mai mici ptrate (RLS)

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
Funcia cost: eroare ptratic ponderat
J (n ) =
i =1

(RLS)

(n, i ) e(i )

n care
e(i ) = d (i ) y (i ) = d (i ) w H (n )x (i ); x (i ) = [x (i ), x (i 1),, x (i + 1)]T Factorul de pondere (n, i ) = n i , i = 1,, n, 0 < 1
J (n ) =
2 n i ( ) e i n

i =1

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
J ( n ) = n i d ( i ) w H ( n ) x ( i ) d ( i ) x H ( i ) w ( n )
i =1 n

(RLS)

)(
n

J ( n) =
i =1

ni

d (i ) w

( n ) ni x (i )d (i )
i =1
H

i =1

ni x H

(i ) d (i ) w ( n ) + w ( n ) ni x (i )x H (i ) w ( n )
i =1

Notm
(n ) = (n ) =
i =1 n

n i x(i )x H (i ) n i x(i )d * (i )
n 2 i =1

i =1

Ed ( n ) = ni d ( i )

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS

(RLS)

(n ) = (n ) =

i =1 n

n i x(i )x H (i ) n i x(i )d * (i )
n n i i =1

i =1

Ed ( n ) =

d (i )

(n), (n), Ed(n) reprezint estimatori deplasai ai matricei de autocorelaie, vectorului corelaiei ntre semnalul dorit i secvena de intrare i respectiv puterii semnalului dorit. J ( n ) = Ed w H ( n ) ( n ) H ( n ) w ( n ) + w H ( n ) ( n ) w ( n ) Anulnd gradientul funciei cost se obine ecuaia normal.

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS

(RLS)

Ecuaia normal. Minimizarea funciei cost se obine tot pentru

(n )w (n ) = (n )

Presupunnd problema rezolvat pentru n-1, deci cunoscnd:

w (n 1) = 1 (n 1)(n 1) ne propunem s gsim o metod pentru a evalua

w (n ) = 1 (n )(n )

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
Relaii de recuren pentru (n ) i (n ) :
(n ) = n 1 i x (i )x H (i ) + x (n )x H (n ) (n ) = (n 1) + x (n )x H (n ) (n ) = n 1 i x (i )d * (i ) + x (n )d * (n ) (n ) = (n 1) + x (n )d * (n )
i =1 n 1 i =1 n 1

(RLS)

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS

(RLS)

Este necesar o metod de exprimare a inversei matricei (n ) , pornind de la relaia de recuren. Lema inversrii matricei: Fiind date matricele A ( ), B( ), C( L ), D(L L ) , n care A, B, D, sunt nesingulare i satisfac relaia:

A = B + CDC H
inversa matricei A este dat de
1 1 1

A = B B C D + C B C C H B 1 Vom aplica aceast lem pentru: A = (n ), B = (n 1), C = x (n ), D = I = 1

H

1 (n ) = 11 (n 1)
1 1

(n 1)x (n )(1 + x (n )
H

1 1

(n 1)x(n ))

1 H

(n )11 (n 1)

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
1 (n ) = 11 (n 1) 11 (n 1)x (n ) 1 + x H (n )11 (n 1)x (n )

(RLS)

)1x H (n )11(n 1)

(n ) =

1 1 (n 1)x(n )x H (n ) 1 (n 1) (n 1) 2 1 1 + x H (n ) 1 (n 1)x(n )

P(n ) = 1 (n ); 1 P(n 1)x (n ) k (n ) = 1 + 1 x H (n )P(n 1)x (n )

P(n ) =

P(n 1)

k (n )x H (n )P(n 1)

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS

(RLS)

P(n) este o matrice ptrat x ; k(n) este un vector x1, numit vectorul ctig (Kalman). Ecuaia de mai sus este o ecuaie de tip Riccati. 1 1 k (n ) = P(n 1)x (n ) k (n )x H (n )P(n 1)x (n ) = 1 1 = P(n 1) k (n )x H (n )P(n 1)x (n ) deci k (n ) = P(n )x (n ) (n )k (n ) = x (n )

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
Avem acum toate elementele pentru exprimarea lui w(n).

(RLS)

w (n ) = 1 (n )(n ) = P(n )(n ) = P(n )(n 1) + P(n )x (n )d * (n )

w (n ) = P(n 1)(n 1) k (n )x H (n )P(n 1)(n 1) + P(n )x (n )d * (n ) = = 1 (n 1)(n 1) k (n )x H (n )1 (n 1)(n 1) + k (n )d * (n ) w (n ) = w (n 1) + k (n ) d * (n ) x H (n )w (n 1) = w (n 1) + k (n ) * (n ) unde
w ( n ) = w ( n 1) + k ( n ) * ( n )

(n ) = d (n ) w H (n 1)x (n )
reprezint eroarea estimrii obinute utiliznd vechile valori w(n-1) ale coeficienilor pentru noile date, deci eroarea de estimare apriori, numit i inovaie. Ea nu coincide cu eroarea aposteriori e(n ) = d (n ) w H (n )x (n )

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
w ( n ) = w ( n 1) + k ( n ) * ( n )

(RLS)

(n ) = d (n ) w H (n 1)x(n )

x(n)

FILTRU w (n-1)

wH(n-1)x(n)

(n )
ALGORITM DE CONTROL

d(n)

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
w ( n ) = w ( n 1) + k ( n ) * ( n )

(RLS)

(n ) = d (n ) w H (n 1)x(n )

x H (n ) d * (n )

* (n )
k(n)

w(n )

z-1I

w(n-1)

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
Relaiile de ortogonalitate
ni x ( i ) emin (i ) = 0 i =1 ni y0 ( i ) emin (i ) = 0 i =1 n n

(RLS)

Consecin n cazul de fa:

E min (n ) = J min (n ) = E d (n ) E y (n )

E y (n ) =
i =1

n i

* (i ) = yo (i ) yo

i =1

n i w H (n )x(i )x H (i )w(n ) =

= w H (n )(n )w (n ) = H (n )w (n ) aa nct rezult o prim expresie util: J min (n ) = E d (n ) H (n )w (n )

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
E d (n ) =

(RLS)

innd seama i de relaiile de recuren pentru (n ) i w(n), rezult

2

i =1

n i

d (i ) = n 1 i d (i ) + d (n ) =E d (n 1) + d (n )
2 2 2 i =1

n 1

J min (n ) = E d (n 1) + d (n ) H (n 1) + d (n )x H (n ) w (n 1) + k (n ) * (n ) = + d (n ) d * (n ) x H (n )w (n 1) H (n 1) + d (n )x H (n ) k (n ) * (n ) = = J min (n 1) + d (n ) * (n ) H (n )k (n ) * (n ) Ultimul termen al sumei se mai scrie

= E d (n 1) H (n 1)w (n 1) +

)(

)(

H (n )k (n ) * (n ) = H (n )1 (n )x (n ) * (n ) = w H (n )x (n ) * (n ) Revenind la Jmin(n) se obine: J min ( n ) = J min ( n 1) + * ( n ) d ( n ) w H ( n ) x ( n )

* J min ( n) = J min n 1 + ( n ) e ( n )

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
Iniializare
P(0) = 1I, w (n ) = 0 for n=1,2,
z(n ) = x H (n )P(n 1) ( 2 nmuliri i ( -1) adunri) 1 k (n ) = z H (n ) + z(n )x (n ) (2 nmuliri i adunri )

(RLS)

(n ) = d (n ) w H (n 1)x (n )
( nmuliri i adunri )
w (n ) = w (n 1) + k (n ) * (n ) ( nmuliri i adunri ) 1 P(n ) = (P(n 1) k (n )z(n ))

(2

nmuliri i end

adunri)

7.1 Metoda recursiv a celor mai mici ptrate 7.1.1 Algoritmul RLS
Complexitatea aritmetic a algoritmului

(RLS)

Iniializarea algoritmului const n impunerea valorilor P[0] i w[0]. Uzual se ia w[0]=0 i P(0) = 1I unde este o valoare constant mic, astfel nct matricea de autocorelaie s nu rezulte singular.
Complexitatea aritmetic este de 3 2 + 4 nmuliri i 2 2 + 2 adunri, deci numrul de operaii este de forma O( 2), (crete cu 2).