Lucrarea 2 - Predicia liniar

2.1 Predicia liniar antegrad. Filtrul de eroare a prediciei antegrade

Fie ) (n x un proces aleator staionar. Se dorete estimarea valorii procesului la
momentul n pe baza unui numr finit de M observaii(eantioane) consecutive anterioare. n
cayul general valoarea estimat se noteaz
) (
) (
p n U
x
M
n x

(2.1)
unde 1 )}; ( ),..., 1 ( { ) ( + = p p n x M p n x p n U
x
M
(2.2)
Se spune astfel c s-a realizat predicia antegrad cu p pai de ordinul M, a
eantionului x(n). Prezint o importan deosebit predicia liniar antegrad cu un pas, De
ordinul M, motiv pentru care numai acest caz particular va fi tratat n continuare.Pentru
comoditatea exprimrii, atunci cnd nu usnt posiible confuzii, se va folosi pe scurt numele de
predicie, cellalte caracteristici urmnd a fi subnelese. Astfel, estimatul eantioanului
) (n x este o combinaie liniar a m eantioane consecutive omediat anterioare
) 1 ( ) ( ) ( ) )( ( ) ( ) (
1
*
,
) (
= = = =

=

n i n x w n h x n x n x
fH
M
M
i
f
i M
f
M
p n U
x
M
X W
,(2.3)
unde
T f
M M
f
M
fH
M
w w ] ... [
, 1 ,
= W (2.4)
se numete vectorul coeficienilor de predicie
T
M n x n x n x n )] 1 ( ) 1 ( ) ( [ ) 1 ( + = K X (2.5)
iar

=
=
M
i
f
i M
f
M
i n w h
1
,
) ( (2.6)
este funcia pondere a filtrului de predicie antegrad. Operatorul
H
) (K este echivalent
cu compunerea operaiilor de conjgare i transpunere
) ( matricea A
* *
) ) (( ) ) (( ) (
T T H
A A A = = (2.7)
Pentru a evalua preciyia estimrii se construiete o funcie de cost. Ca i n cayul
filtrrii optimale ea poate fi de tipe medie ptratic (MS). Pentru aceasta definim nti eroarea
de predicie

= = =
M
i
H
M
f
i M M
n
n x
i n x w n x n x n x n f
1
*
,
) 1 (
) (
) ( ) ( ) ( ) ( ) ( ) (
X
a (2.8)

unde

= =
f
M
T
M M M M M
W
a a a
1
] [
, 1 , 0 ,
K a
(2.9)
n care
1
0 ,
=
M
a
(2.10)
i
f
i M M
w a
, 0 ,
=
pentru M i 1 (2.11)
Cu ajutorul ei se formeaz funcia de cost
{ }
2
) (n f E J
f
M
=
. (2.12)
Sistemul care are ca intrare sistemul ) (n x i ca ieire ) (n f se numete filtrul de eroare
a prediciei i poate avea strructura din figura de mai jos:

Fig 2.1 Legtura intre predictorul antegrad i filtrul de eroare a prediciei
n cele mai multe aplicaii utilizatorul este interesat direct de eroarea de predicie, fr
a avea nevoie s cunosc explicit estimatul ) ( n x . Din acest motiv, n continuare accentul va fi
pus pe studiul erorii, ca mrime de ieire a ansamblului de predicie

=
=
M
i
i M M
i n x a n f
1
*
,
) ( ) ( (2.13)
n acest context
M
a poart numele de vectorul coeficienilor filtrului de eroare a
prediciei antegrade.
Predicia este optim n sens MS dac funcia de cost, calculat conform relaiei (2.12)
este minim. Determinarea vectorului optim al coeficienilor de predicie se poate reduce la o
problema de filtrare FIR optimal, dac se fac echivalrile date mai jos n tabel.


Semnificaie Filtrul Wiener Predictor liniar antegrad cu
un pas de ordin M
Semnalul de intrare ) (n X ) 1 ( n X
Semnalul de referin ) (n d ) (n x
Coeficienii filtrului W
f
M
W
Matricea de autocorelaie a
semnalului de intrare
R
M
R
Matricea de intercorelaie ntre
semnalul de intrare i semnalul
de referin
P
f
M
r
Eroarea de estimare ) (n e
) (n f
M

Funcia de cost J
F
M
J
Eroarea minim in sens MS
min
J
M
P

Tabelul 2.1 Corespondee Filtru Wiener Predictor liniar antegrad cu un pas de ordin M
n tabelul de mai sus, n condiii de staionaritate,
{ } { } R X X X X R = = = ) 1 ( 1 ( ) 1 ( 1 ( n ) n E n ) n E
H H
M
(2.14)
Reprezint n continuare matricea de autocorelaie a semnalului de intrare, de data
aceasta ns, specificndu+se explicit prin M, dimensiunea ei
Iar { }
T f
M
M r r n )x n E )] ( ) 1 ( [ ) 1 ( 1 (
*
= = K X r (2.15)
reprezint matricea de intercorelaie ntre semnalele de la intrarea predictorului i
filtrului de eroare a prediciei.
n aceste condiii soluia optim corespunytoare minimului funciei de cos trebuie s
satisfac ecuaia matricial Wiener-Hopf:
f
M
fo
M M
r W R =
(2.16)
n care
T fo
M M
fo
M
fo
M
w w ] ... [
, 1 ,
= W (2.17)
este vectorul coeficienilor optimi de predicie antegrad.
Valoarea minim a funciei de cost, numit i putere de eroare a prediciei devine
fo
M
fH
M
f
M M
fH
M x M
f
M
r P J W r r R r = = =

) 0 (
1 2
min
(2.18)
Aceste dou relaii reunite sub o form matriceal compact, poart numele de sistem
extins Wiener-Hopf pentru predicia antegrad

0
1 ) 0 (
M
fo
M M
f
M
fH
M
P r
W R r
r
(2.19)
Folosind proprietile de partiionare a matricii de autocorelaie relaia de mai sus
devine

=
+
0
0
1
M
M M
P
a R
(2.20)
2.2 Desfurarea lucrrii
1. Folosind funcia wavread, vizualizai semnalul vocale.wav. Luai n considerare
fonemul a i selectai un cadru de analiz de lungime N = 220 eantioane, care s se termine
la eantionul m. Vizualizai cadrul de semnal.
2. Folosind funcia acor1.m, calculai funcia de autocorelaie , pentru domeniul .
Afiai funcia de autocorelaie astfel obinut.
3. Cu ajutorul funciei de autocorelaie acor1.m, determinai coeficienii pondere
pentru filtrul de eroare a prediciei antegrade a rezolvnd direct sistemul de ecuaii Wiener-
Hopf. Considerai M=8.
4. Folosind functia zplane(), afisati structura poli/zerouri a functiei de transfer a filtrului
de eroare a predictiei antegrade. Comentati
5. Implementai filtrul de eroare a prediciei antegrade, pentru M=8. Obinei semnalul ,
considernd stare iniial nul pentru filtrul de eroare a prediciei antegrade. Indicaie utilizai
filter.
6. Reprezentai grafic n aceeai fereastra, dar pe grafice diferite, cadrul de semnal
analizat i eroare de predicie , determinat la punctul anterior. Comentai. (Atenie! Folosii
aceeai scal i acelai domeniu de reprezentare.) Indicaie: folosii subplot, axis i title.
7. Calculai funcia de autocorelaie pentru semnalul de eroare lund utiliznd funcia
acor1.m. Afiai pe acelai grafic autocorelaia obinut pentru cadrul de semnal lund i
autocorelaia pentru semnalul de eroare. Comentai. (Atenie! Folosii aceeai scal i acelai
domeniu de reprezentare.) Indicaie: folosii subplot, axis i title.
8. Implementai sistemul de sinteza (reconstrucia semnalului folosind eroarea de
predicie i coeficienii a. Considerai stare iniial nul. Comparai semnalul original cu
semnalul sintetizat .
9. Calculai i reprezentai grafic n aceeai fereastr, folosind aceeai scal i acelai
domeniu de reprezentare . Pentru ordonat se va folosi scar logaritmic (vezi funcia
semilogy). Comentai. Considerai diverse valori ale ordinului M. Comentai.
10. Calculati puterea semnalului de eroare a predictiei. Comparai cu puterea cadrului de
semnal analizat. Comentai.