Problema estimrii frecvenelor unor semnale sinusoidale n prezena zgomotului

A. Estimarea pe baza subspaiului semnal (metoda componentei principale)

Se pornete de la reinerea numai a informaiei coninute n subspaiul semnalelor, prin utilizarea unei aproximri a matricei de autocorelaie
R = i v i v iH + i v i v iH
i =1 i = P +1 P

obinut reinnd numai

= v vH R i i i
i =1 P

Aceast idee poate fi aplicat n cazul tuturor metodelor care necesit matricea de autocorelaie

B. Estimarea pe baza subspaiului zgomot. Metoda Pisarenko

n acest caz se are n vedere utilizarea relaiei de ortogonalitate
eiH g k = 0 , i, k , i = 1,, P, k = 1,, P

O prim metod bazat pe acest principiu este aceea propus de Pisarenko. In acest caz se ia =P+1 i se determin valorile proprii ale matricei de autocorelaie

1>2>...> . Cea mai mic dintre valorile proprii, i vectorul propriu asociat vor corespunde spaiului zgomot i deci
eiH v

= 0 , i = 1,..., P.

Se definete pseudospectrul Pisarenko prin

PP e

( ) = e H ( )v
j

e( ) = 1, e

, , e

j ( 1) T

Frecvenele i vor putea fi deci deduse ca frecvene la care acesta i atinge maximele (teoretic infinite). Dac se dorete un calcul analitic, se observ c zi = e j i sunt rdcini ale polinomului
A ( z ) = ak z -k , ak = v
k=0 P

,k

, k = 0,...,P

Exemplu Fie un semnal sinusoidal cu amplitudinea A=10 i frecvena normat 0,2, suprapus peste un zgomot alb, cu variana 0,01. Se calculeaz mai nti estimatul funciei de autocrelaie. Pentru o estimare bun este util s se ia un numr ct mai mare de eantioane.

x 10 10 8 6 4 2 0 -2 100

-3

100 50 40 0 20 0 80 60

Estimatul matricei de autocorelaie pentru zgomot alb, N=100

Se va lucra deci cu N=P+1=3. Se calculeaz matricea vectorilor proprii i valorile proprii (procedura eig ). v=

0.6481 0.2828 -0.7071 -0.3999 0.9166 -0.0000 0.6481 0.2828 0.7071 =

0.9425

0 0

0 59.8100 0

0 90.4390

Evident, cea mai mic valoare proprie este 1. Vectorul propriu asociat este v=

0.6481 -0.3999 0.6481 Cu acesta se construiete pseudospectrul. S-a utilizat scar logaritmic, n dB.

Pseudospectru Pisarenko 70 60 50 40 dB 30 20 10 0 -10 -0.5

-0.4

-0.3

-0.2

-0.1 0 0.1 frecventa normata

0.2

0.3

0.4

0.5

Se pot calcula frecvenele, formnd polinomul

P ( z ) = 0.6481 0.3999z 1 + 0.6481z 2

Acesta are dou zerouri pe cercul unitar, ale cror argumente sunt arg ( zi ) = 2 i0, 2

1 0.8 0.6 0.4 Imaginary Part 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -1 -0.5 0 Real Part 0.5 1 2

B. Estimarea pe baza subspaiului zgomot. Metoda MUSIC

Metoda MUSIC (MUltiple SIgnal Classification) poate fi privit ca o extindere a metodei Pisarenko. Vom porni de la ideea c
e H ( )G = 0 pentru = i , i = 1,, P

sau
e
H

( )G

= e H ( )GG H e( ) = 0 pentru = i , i = 1,, P

Lucrnd cu valorile estimate n locul celor reale, norma de mai sus nu va mai fi zero, dar va prezenta minime pronunate.

Se definete estimatorul pseudospectru MUSIC prin:

MUSIC e j = P

( )

1 e ( )G
H 2

1 = H H e ( )GG e( )

1
P

i =1

i eH g

Dac s-ar lucra cu valorile exacte (fr estimri), pentru oricare din frecvenele k , k=1,..P
P MUSIC ( ) pentru = k , k = 1,.., P.

n realitate, din cauza erorilor de estimare, valorile estimatorului sunt finite, dar cu nite maxime foarte pronunate la frecvenele k. O prim posibilitatea de a gsi frecvenele k va consta deci n cutarea maximelor pseudospectrului.

Exist ns i o posibilitate de calcul analitic (metoda Root-MUSIC) Dac se introduc polinoamele

Gi ( z ) = g i,0 + g i,1 z 1 + + g i, 1 z ( 1) , unde gT i = g i ,0 , g i ,1 ,, g i, 1 rezult

e
H

i = 1,, P

( )g i = Gi (e

);

( )g i

= Gi ( z )G i 1 z

( ) z =e

e H ( ) g i

= Gi ( z ) G i (1 z )

z = e j

MUSIC( )= P

1 ( z)G (1 z ) z =e G
i * i i=1 P

= j

1 D ( z ) D (1 z )

z =e

Nulurile lui D (z) sunt poli ai estimatorului. Sunt n total N-1 nuluri, din care P sunt cele cutate, care ar trebui s se afle exact pe cercul de raz unitate. Celelalte nu se afl pe acest cerc i vor fi eliminate. In msura n care ele se apropie de cerc, pot fi confundate cu rdcini utile.

Observaii n toate aceste metode este esenial identificarea corect a celor dou categorii de vectori proprii. Dac ordinul P este cunoscut, lucrul acesta se poate face relativ uor, spaiul semnalelor fiind caracterizat prin vectorii proprii corespunztori valorilor proprii cele mai mari, n numr de P. Celelalte valori proprii vor fi mai mici i aproximativ egale ntre ele. Aceast observaie poate fi utilizat atunci cnd P nu este cunoscut. Separarea devine cu att mai dificil cu ct raportul semnal/zgomot este mai mic. Metoda presupune calculul matricei de autocorelaie, deci calculul unui estimat al funciei de autocorelaie, pe un numr L de eantioane.

Exemplu Vom lua acelai caz ca mai nainte. Alegem N=5. Calculm vectorii i valorile proprii cu procedura eig, care face implicit i ordonarea dup valorile proprii, dar n sens cresctor. v=

0.3261 0.3634 -0.6022 -0.3707 0.5114 -0.3480 0.5844 0.3707 -0.6022 -0.1934 0.7383 0.2299 -0.0000 0.0000 -0.6341 -0.3480 0.5844 -0.3707 0.6022 -0.1934 0.3261 0.3634 0.6022 0.3707 0.5114

0.6358

0 0

0 0 0

0 0 0 0

0 1.3127 0 0 0

0 1.6182 0 0

0 124.5163 0

0 124.7127

Evident, valorile proprii principale sunt ultimele dou.

Pseudospectru MUSIC 50

40

30

20 dB 10 0 -10 -20 -0.5

-0.4

-0.3

-0.2

-0.1 0 0.1 frecventa normata

0.2

0.3

0.4

0.5

Zerourile de pe cercul unitar determin frecvenele cutate.

Imaginary Part

-1

-2

-3 -2 -1 0 1 2 3 Real Part 4 5 6

Metoda ESPRIT
Fie matricele de tip

1) P
A1 = [ I 1 0] A A 2 = [ 0 I 1 ] A

A = [e1 (n ), e 2 (n ),, e P (n )]

Se poate verifica uor c

A 2 = A1D

unde
D = diag e j1 , e j 2 ,, e j P

D = diag e j1 , e j 2 ,, e j P

D este o matrice unitar, aa nct transformarea de mai sus este o rotaie, de aici venind denumirea metodei (Estimation of Signal Parameters by Rotational Invariance Techniques). La fel, definim
S1 = [ I 1 0] S S 2 = [ 0 I 1 ] S

S = [s1 , s 2 ,, s P ]

P)

2 2 RS = S1 = S ( S + w I ) = APA H S + w S

S S = APA H S

unde
S = diag{ S1 ,, SP }

deci
S = AC,
1 C = PA H S S

C este nesingular, deoarece A i S sunt de rang maxim, iar P i S sunt diagonale, cu elemente nenule pe diagonal.

S1 = [ I

0] AC = A1C
1

S 2 = [0 I

] AC = A C
2

sau
S 2 = A 2C = A1DC = S1C 1DC = S1

unde
= C 1DC

Observaii
i D au aceleai valori proprii, Di = e j i , i = 1,, P ;

Datorit structurii Vandermonde a matricei A, matricele A1 , A 2 au rangul i deci de aceeai proprietate se bucur S1 , S 2 ,

aa nct se poate calcula cu ajutorul pseudoinversei

1 H H = S1 S1 S1 S 2

Algorimul ESPRIT

; se estimeaz matricea R
; se deduce matricea S
, S ; din aceasta se deduc S 1 2

HS =S se calculeaz 1 1

1 H S S 1 2;

, i = 1,, P ; se calculeaz valorile proprii i , i = 1,, P i = arg se calculeaz frecvenele i

{ }

Metoda Capon
Se pornete de la ideea utilizrii unui filtru trece band, de band ct mai ngust, centrat pe frecvena . Acesta va selecta deci din spectrul semnalului componenta respectiv. Variind aceast frecven se pot gsi componentele spectrale ale semnalului. Fie funcia pondere
h H = [h0 , h1,, h 1 ]

Intrarea filtrului este deci

y (n ) = Ai e j i e j i n + w(n )
i =1 P

iar ieirea este

y F (n ) = h H y

(n ),

(n ) = [ y(n ),, y(n

+ 1)]

Vom pune dou condiii: Filtrul s aib ctig unitar la frecvena :

h H e( ) = 1 Puterea semnalului la ieire s fie minim. Aceasta presupune minimizarea cantitii

E y F (n )

}= E{y

H H H } { } ( ) ( ) ( ) ( ) n y n = E h y n y n h = h Rh F F

Problema se reduce deci la gsirea coeficienilor h care satisfac

min h H Rh ,
h

cu conditia h H e( ) = 1

Pentru rezolvarea problemei de extrem condiionat se utilizeaz metoda multiplicatorilor Lagrange, conducnd la minimizarea expresiei reale
L(h ) = h H Rh + 2 Re h H e( ) 1 = h H Rh + h H e( ) 1 + e H ( )h 1

{(

)}

) (

L(h ) = h H Rh + 2 Re h H e( ) 1 = h H Rh + h H e( ) 1 + e H ( )h 1 Punnd condiia

h L ( h ) = 0 Rh + e ( ) = 0 h = R 1e ( )

{(

)}

) (

se determin din condiia de ctig unitar la frecvena :

=
Rezult
h=

1 e H ( )R 1e( )

R 1e( ) e H ( )R 1e( )

Puterea semnalului la ieire este

E y F (n )

}= e

1
H

( )R 1e( )

n cazul zgomotului alb,

R = I, E y F (n )
2

}= e

2
H

( )e( )

Relaia aceasta sugereaz c se poate obine un estimator pentru densitatea spectral de putere prin nmulire cu :

PMV ( ) =

e H ( )R 1e( )

n realitate se lucreaz cu estimatori ai corelaiei, aa nct estimatorul de varian minim al densitii spectrale de putere devine
MV ( ) = P

1e( ) e H ( )R

n cazul zgomotului alb, funcia de pondere devine

h= 1 e(n ); hk = 1 jk e , k = 0,, 1

i
y F (n ) = 1

y(n k )e jk
k =0