171

CAPITOLUL 3





PREDICIE LINIAR I FILTRARE LINIAR
OPTIMAL

Proiectarea filtrelor pentru estimarea semnalelor este o
problem ce apare frecvent in proiectarea sistemelor de comunicaii,
de control i alte aplicaii.
n acest capitol problema proiectrii filtrelor optimale va fi
abordat din punct de vedere statistic. Pentru simplitatea tratrii,
filtrele se impun a fi liniare iar criteriul de optimizare se bazeaz pe
minimizarea erorii ptratice medii. Drept consecin, n
determinarea filtrelor optimale este necesar numai statistica de
ordinul doi (funciile de autocorelaie i corelaie) ale procesului
presupus staionar. De asemenea, se va urmri proiectarea filtrelor
optimale pentru predicia liniar care este un domeniu important n
procesarea de semnal cu aplicaii n domenii diverse ca:
-procesarea semnalului vocal;
-procesarea de imagini;
-suprimarea zgomotului in sistemele de comunicaii etc.

3.1. Predicie nainte (forward)

Fie [ ] x n un proces aleator staionar. Se dorete estimarea
valorii procesului la un moment dat, pe baza unui numr finit p de
172
observaii (eantioane) consecutive anterioare.
n cazul general, valoarea estimat se noteaz
[ ]
[ ]
x
p
M n r
x n

,
unde [ ] { [ 1],..., [ ]}
x
p
M n r x n r p x n r = + , 1 r > , reprezint
vectorul format din p eantioane consecutive anterioare momentului
n-r, inclusiv. n acest caz, se spune c s-a realizat predicia nainte
cu r pai de ordinul p a eantionului [ ] x n .
Un interes special prezint predictorul liniar nainte cu un
pas (r=1), care determin valoarea estimat
[ ]
x n ca o combinaie
liniar ponderat a ultimelor p valori:
[ ]
1 x n ,
[ ]
2 x n ,..,
[ ]
x n p .
Valoarea estimat se determin cu relaia

[ ] [ ] [ ]
1

p
p
k
x n a k x n k
=
=

(3.1)
unde
[ ] { }
p
a k reprezint ponderile combinaiei liniare, numite
coeficieni de predicie ai predictorului nainte cu un pas, de ordin
p .
Conform relaiei (3.1), schema predictorului liniar cu un pas,
de ordinul p este dat n figura 3.1.

Fig. 3.1. Predictor liniar cu un pas, de ordin p

Diferena dintre valoarea
[ ]
x n i cea predictat
[ ]
x n se
numete eroare de predicie nainte i se noteaz
[ ]
p
f n .
[ ] [ ] [ ] [ ] [ ] [ ]
1

p
p p
k
f n x n x n x n a k x n k
=
= = +

(3.2)
173
Pe baza relaiei (3.2), eroarea de predicie rezult conform
schemei din figura 3.2.


Fig. 3.2. Legtura dintre predictorul liniar nainte i filtrul erorii de predicie

Structura din figura 3.2 se mai numete filtrul erorii de
predicie, cu intrarea
[ ]
x n i ieirea
[ ]
p
f n . O realizare echivalent
pentru filtrul erorii de predicie este prezentat n figura 3.3, care
reprezint o realizare n form direct a unui filtru FIR cu funcia
de sistem:
( ) [ ]
0
p
k
p p
k
A z a k z

=
=

(3.3)
unde
[ ]
0 1
p
a = .

Figura 3.3. Filtrul erorii de predicie

Eoarea ptratic medie de predicie liniar nainte este
[ ] [ ] [ ] [ ] [ ]
2
0 0
p p
f
p p i p i p i
k l
E f n E a k x n k a l x n l
= =

= = =





[ ] [ ] [ ] [ ] [ ] [ ]
... ...
i p i i p i
E x n a p x n p x n a p x n p = + + + + =


174
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ] [ ]
2
1
1 1
1 1 1
2
0 2
p
i p i i
k
p p
p p i i
k l
p p p
xx p xx p p xx
k k l
E x n a k x n x n k
a k a l x n k x n l
a k k a k a l l k
=
= =
= = =

= + +

+ =

= + +

(3.4)
Eroarea ptratic medie este o funcie ptratic de
coeficienii filtrului predictor i prezint un extrem pentru valorile
coeficienilor pentru care
( )
[ ]
0
[ ]
f
p p
p
a k
a k

=

(3.5)
nlocuind (3.4) n (3.5), rezult
( )
[ ]
[ ]
f
p p
p
a k
a k

=

[ ] [ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ]
1 1 1
1
0 2
[ ]
( 0 2
[ ]
[1] [1] [0] ... [1] [ ] [ 1] ... [1] [ ] [ 1]
[ ] [1] [1 ] ... [ ] [ ] [0] ... [ ] [
p p p
xx p xx p p xx
k k l
p
p
xx p xx
k
p
p p xx p p xx p p xx
p p xx p p xx p p
a k k a k a l l k
a k
a k k
a k
a a a a k k a a p p
a k a k a k a k a k a




= = =
=

= + + =

= + +

+ + + + +
+ + + +

1
] [ ]
[ ] [1] [1 ] ... [ ] [ ] [ ] ... [ ] [ ] [0])
2 [ ] 2 [ ] [ ] 0
xx
p p xx p p xx p p xx
p
xx p xx
l
p p k
a p a p a p a k k p a p a p
k a l k l

=
+
+ + + +
= + =

(3.6)
sau, echivalent,
175

[ ] [ ] [ ]
1
, 1,...,
p
xx p xx
l
k a l k l k p
=
= =

(3.7)
Extremul erorii ptratice medii care se atinge pentru valorile
coeficienilor care rezult din relaia (3.7), este un minim, deoarece

( )
( )
2
2
[ ]
[0] 0
[ ]
f
p p
xx
p
a k
a k

= >

.
Relaiile (3.7) se numesc ecuaiile normale i stabilesc
legtura ntre coeficienii predictorului liniar i valorile funciei de
autocorelaie. nlocuind (3.7) n (3.4) se obine eroarea ptratic
medie minim de predicie, de forma

[ ] [ ] [ ]
.
1
min 0
p
not
f f
p p xx p xx
k
E a k k
=
= = +


(3.8)

3.2. Predicie liniar napoi (backward)

Estimarea eantionului [ 1] x n p r + pe baza observaiilor
[ ]
x
p
M n se numete predicie napoi cu r pai, de ordin p. n
continuare se trateaz predicia napoi de ordinul p, cu un pas (r=1),
cnd se presupune c se cunoate secvena de date
[ ] [ ] [ ]
, 1 ,..., 1 x n x n x n p + i se dorete a se estima valoarea
[ ]
x n p , adic

[ ] [ ] [ ]
1
0

p
p
k
x n p b k x n k

=
=

(3.9)
Predictorul descris de relaia (3.9) este reprezentat n figura
3.4.
Diferena dintre valoarea
[ ]
x n p i estimatul
[ ]
x n p se
numete eroare de predicie napoi, i este notat cu
[ ]
p
g n .
176


Fig. 3.4. Predictor napoi cu un pas, de ordinul p

[ ] [ ] [ ] [ ]
[ ] [ ] [ ]
1
0
0
, 1
p
p p
k
p
p p
k
g n x n p b k x n k
b k x n k b p

=
=
= + =
= =

(3.10)
Implementarea filtrului erorii de predicie napoi de ordinul p
este prezentat n figura 3.5, care reprezint o realizare n forma
direct a unui filtru FIR cu funcia de sistem:
( ) [ ]
0
p
k
p p
k
B z b k z

=
=

(3.11)
unde
[ ]
1
p
b p = .

Fig. 3.5. Filtrul erorii de predicie napoi
Eroarea de predicie napoi este
[ ] [ ] [ ] [ ]
[ ] [ ] [ ]
1
0
1
p
p p
k
p
p
m
g n x n p b k x n k
x n p b p m x n p m

=
=
= + =
= + +

(3.12)
Valoarea sa ptratic medie este
177
[ ] { }
2
not
b
p i p
E g n = (3.13)
[ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
2
1
1 1
1
1 1
[ ] 2 [ ]
[ ]
0 2
p
b
p i i p i
m
p p
p p i i
k l
p
xx p xx
m
p p
p p xx
m l
E x n p x n p b p m x n p m
b p m b p l x n p m x n p l
b p m m
b p m b p l l m

=
= =
=
= =

= + + +

+ + + =

= + +
+

(3.14)
La fel ca n cazul prediciei nainte, eroarea ptratic medie
de predicie napoi este o funcie ptratic de coeficienii filtrului
predictor. Valorile coeficienilor pentru care aceasta prezint un
extrem, se obin prin egalarea cu zero a derivatei sale n raport cu
coeficienii filtrului, adic

( )
[ ]
0
[ ]
b
p p
p
b p m
b p m

=

(3.15)
nlocuind (3.14) n (3.15), dup prelucrri similare celor din
cazul prediciei nainte, rezult sistemul de ecuaii

[ ] [ ] [ ]
1
, 1,...,
p
xx p xx
l
m b p l l m m p
=
= =

(3.16)
Extremul obinut este un minim, deoarece

( )
( )
2
2
[ ]
[0] 0
[ ]
b
p p
xx
p
b p m
b p m

= >


nlocuind (3.16) n (3.14) se obine acelai minim ca n cazul
prediciei nainte, adic
min
b b f
p p p
E E = =

.
178
3.3. Structuri lattice pentru implementarea filtrelor
FIR de eroare a prediciei

Din cele prezentate pn aici, s-a observat c erorile de
predicie nainte i napoi se obin ca ieiri ale unor filtre FIR cu
funciile de sistem ( )
p
A z , respectiv ( )
p
B z , date de (3.3), respectiv
(3.11). Cum un filtru FIR implementat n forma direct este
echivalent cu un filtru FIR lattice, filtrele erorii de predicie n
forma direct, reprezentate n figurile 3.3 i 3.5, pot fi implementate
n form lattice. Pentru a stabili legtura dintre coeficienii filtrului
de predicie i coeficienii structurii lattice, se consider o familie de
filtre FIR cu funciile de transfer
( ) ( )
m m
H z A z = m = 0, 1, 2, ..., p (3.17)
unde ( )
m
A z este un polinom de forma

1
( ) 1 [ ] 1
m
k
m m
k
A z a k z m

=
= +

, (3.18)
i ( )
0
1. A z = Rspunsul la impuls al filtrului de ordin m este
[0] 1
m
h = i [ ] [ ]
m m
h k a k = , k = 1, 2, .,m. Se definete [0] 1
m
a = .
Dac [ ] x n este secvena de intrare n filtrul cu funcia de
sistem ( )
m
A z i [ ] y n , secvena de ieire, se poate scrie
1
[ ] [ ] [ ] [ ]
m
m
k
y n x n a k x n k
=
= +

(3.19)
innd cont c

1
[ ] [ ] [ ]
m
m
k
x n a k x n k
=
=

(3.20)
este valoarea estimat a lui x[n] pe baza a m intrri anterioare,
x[n-1], x[n-2], , x[n-m], din (3.19) i (3.20) rezult c [ ] y n
reprezint eroarea de predicie. Astfel, ieirea filtrului FIR dat de
179
relaia (3.19) poate fi vzut ca eroarea ntre valoarea adevrat a
semnalului x[n] i valoarea estimat [ ]. x n
Pentru a stabili legtura ntre un filtru FIR n forma direct i
un filtru lattice, se consider un filtru de ordinul m = 1. Ieirea unui
astfel de filtru este

1
[ ] [ ] [1] [ 1] y n x n a x n = + (3.21)
n figura 3.6 se prezint un filtru lattice de ordinul nti sau
un filtru lattice cu o singur treapt.

Figura 3.6. Filtru lattice cu o treapta

Dac n aceast structur se aplic la ambele intrri x[n] i se
selecteaz ieirea de pe ramura de sus, se obine exact semnalul dat
de relaia (3.21), dac se alege K
1
=a
1
[1]. Parametrul K
1
din structura
lattice este denumit coeficient de reflexie.
Pentru aceast structur se pot scrie relaiile:

0 0
1 0 1 0 1
1 1 0 0 1
[ ] [ ] [ ]
[ ] [ ] [ 1] [ ] [ 1]
[ ] [ ] [ 1] [ ] [ 1]
f n g n x n
f n f n K g n x n K x n
g n K f n g n K x n x n
= =
= + = +
= + = +
(3.22)
n continuare, se consider filtrul FIR care se obine pentru
m = 2. n acest caz ieirea structurii n form direct este

2 2
[ ] [ ] [1] [ 1] [2] [ 2] y n x n a x n a x n = + + (3.23)
Conectnd n cascad dou trepte de structuri lattice ca n
figura 3.7, este posibil a se obine ieirea ca n relaia (3.23).
180

Figura 3.7. Filtru lattice cu dou trepte

ntr-adevr, ieirea din prima treapt este dat de relaiile
(3.22), iar ieirea din treapta a doua este

2 1 2 1
2 2 1 1
[ ] [ ] [ 1]
[ ] [ ] [ 1]
f n f n K g n
g n K f n g n
= +
= +
(3.24)
nlocuind f
1
[n] i g
1
[n] din (3.22) n relaia (3.24), se obine

[ ]
2 1 2 1
1 2 2
[ ] [ ] [ 1] [ 1] [ 2]
[ ] (1 ) [ 1] [ 2]
f n x n K x n K K x n x n
x n K K x n K x n
= + + +
= + + +
(3.25)
Relaia (3.25) este identic cu ieirea filtrului FIR n forma
direct dat de (3.23), dac ntre coeficieni exist relaiile:

2 2 2 1 2
[2] [1] (1 ) a K a K K = = + (3.26)
sau, echivalent

2
2 2 1
2
[1]
[2]
1 [2]
a
K a K
a
= =
+
(3.27)
Astfel, coeficienii de reflexie ai structurii lattice, K
1
i K
2
,
pot fi obinui din coeficienii { } [ ]
m
a k ai formei directe de
implementare.
Continund procedeul de cascadare a structurilor lattice, se
poate demonstra prin inducie echivalena dintre filtrul FIR de ordin
m implementat n forma direct i filtrul lattice de ordin m sau cu m
trepte. Filtrul lattice este descris, n general, de urmtorul sistem de
ecuaii recursive:

0 0
[ ] [ ] [ ] f n g n x n = = (3.28)
181

1 1
[ ] [ ] [ 1] 1, 2,...,
m m m m
f n f n K g n m p

= + = (3.29)

1 1
[ ] [ ] [ 1] 1, 2,...,
m m m m
g n K f n g n m p

= + = (3.30)
Ieirea filtrului cu p trepte corespunde ieirii filtrului FIR de
ordin p. Prin urmare
[ ] [ ]
p
y n f n = (3.31)
innd cont de relaiile (3.28) (3.30), n figura 3.8 s-a
reprezentat un filtru lattice cu p trepte ntr-o diagram bloc,
mpreun cu structura unei trepte.


Figura 3.8. (a) Filtru lattice cu p trepte, (b) Structura treptei m

Ca urmare a echivalenei ntre un filtru FIR n form direct
i un filtru lattice, ieirea f
m
[n] a unui filtru lattice de ordin m poate
fi exprimat sub forma

0
[ ] [ ] [ ] [0] 1
m
m m m
k
f n a k x n k a
=
= =

(3.32)
Deoarece relaia (3.32) este o sum de convoluie,
transformata sa Z este
( ) ( ) ( )
m m
F z A z X z = (3.33)
sau, echivalent
182

0
( ) ( )
( )
( ) ( )
m m
m
F z F z
A z
X z F z
= = (3.33)
unde ( )
m
A z reprezint funcia de sistem a filtrului FIR cu
coeficienii { } [ ]
m
a k .
Cealalt ieire a structurii lattice, [ ]
m
g n , ar putea fi, de
asemenea, exprimat sub forma unei sume de convoluie, utiliznd
un alt set de coeficieni, notai { } [ ] .
m
b k Din relaia (3.22) se observ
cum coeficienii filtrului care produce ieirea
1
[ ] f n sunt
{ } { }
1 1
1, 1, [1] K a = , n timp ce coeficienii filtrului cu ieirea
1
[ ] g n ,
sunt { } { }
1 1
, 1 [1], 1 . K a = Se observ c aceste dou seturi de
coeficieni sunt n ordine invers. Dac se consider filtrul cu dou
trepte, cu ieirea dat de relaia (3.25), atunci
2
[ ] g n se determin cu
relaia

[ ]
2 2 1 1
2 1 1
2 1 2
2 2
[ ] [ ] [ 1]
[ ] [ 1] [ 1] [ 2]
[ ] (1 ) [ 1] [ 2]
[2] [ ] [1] [ 1] [ 2]
g n K f n g n
K x n K x n K x n x n
K x n K K x n x n
a x n a x n x n
= +
= + + +
= + + +
= + +
(3.34)
n consecin, coeficienii filtrului sunt { }
2 2
[2], [1], 1 a a , n
timp ce pentru filtrul ce produce ieirea
2
[ ] f n sunt { }
2 2
1, [1], [2] a a .
Raionnd n mod analog, se poate conchide c ieirea [ ]
m
g n
a filtrului lattice de ordin m poate fi exprimat cu ajutorul sumei de
convoluie

0
[ ] [ ] [ ]
m
m m
k
g n b k x n k
=
=

(3.35)
unde coeficienii filtrului, { } [ ]
m
b k , sunt asociai cu cei ai filtrului
care produce ieirea [ ] [ ]
m
f n y n = , dar care opereaz n ordine
183
invers.
Dac valorile x[n], x[n-1], . . . ,x[n-m+1], sunt utilizate pentru
predicia liniar a eantionului de semnal x[n-m], valoarea estimat
[ ] x n m se determin cu relaia

1
0
[ ] [ ] [ ]
m
m
k
x n m b k x n k

=
=

(3.36)
unde coeficienii [ ]
m
b k ai filtrului predictor sunt chiar coeficienii
{ } [ ]
m
a k luai n ordine invers, prin urmare
[ ] [ ]
m m
b k a m k = k = 0, 1, . . . ,m (3.37)
n domeniul Z, relaia (3.35) devine
( ) ( ) ( )
m m
G z B z X z = (3.38)
Rezult atunci

( )
( )
( )
m
m
G z
B z
X z
= (3.39)
unde ( )
m
B z reprezint funcia de sistem a filtrului FIR cu
coeficienii { } [ ]
m
b k , care se poate scrie sub forma

0
( ) [ ]
m
k
m m
k
B z b k z

=
=

(3.40)
nlocuind (3.37) n (3.40) se obine

0
1
0 0
( ) [ ]
[ ] [ ] ( )
m
k
m m
k
m m
l m m l m
m m m
l l
B z a m k z
a l z z a l z z A z

=

= =
= =
= = =

(3.41)
Din relaia (3.41) rezult c zerourile filtrului FIR cu funcia
de transfer ( )
m
B z sunt reciprocele zerourilor lui ( )
m
A z . Din acest
motiv ( )
m
B z este numit polinom reciproc sau invers al lui ( )
m
A z .
184
Aplicnd transformata Z relaiilor recursive (3.28) (3.30), se
obine

0 0
( ) ( ) ( ) F z G z X z = = (3.42)

1
1 1
( ) ( ) ( )
m m m m
F z F z K z G z

= + m = 1, 2, . . . , p (3.43)

1
1 1
( ) ( ) ( )
m m m m
G z K F z z G z

= + m = 1, 2, . . . , p (3.44)
mprind fiecare ecuaie prin ( ) X z , se obin urmtoarele
relaii:

0 0
( ) ( ) 1 A z B z = = (3.45)

1
1 1
( ) ( ) ( )
m m m m
A z A z K z B z

= + m = 1, 2, . . ., p (3.46)

1
1 1
( ) ( ) ( )
m m m m
B z K A z z B z

= + m = 1, 2, . . . , p (3.47)
Astfel, o treapt lattice, este descris n domeniul Z de o
ecuaie matriceal de forma

1
1
1
( ) 1 ( )
1 ( ) ( )
m m m
m m m
A z K A z
K z B z B z

=


(3.48)

3.3.1. Conversia coeficienilor structurii lattice n
coeficieni ai filtrului FIR n form direct

Coeficienii filtrului FIR realizat n form direct { } [ ]
m
a k pot
fi obinui din coeficienii { }
m
K ai structurii lattice, folosind
urmtoarele relaii:

0 0
( ) ( ) 1 A z B z = = (3.49)

1
1 1
( ) ( ) ( )
m m m m
A z A z K z B z

= + , m = 1, 2, . . . , p (3.50)

1
( ) ( )
m
m m
B z z A z

= , m = 1, 2, . . . , p (3.51)
Soluia se obine recursiv, ncepnd cu rangul m = 1. Astfel se
obine o familie de (p) filtre FIR, fiecare din ele pentru o valoare a
lui m.
185
Pentru fixarea ideilor, se consider urmtorul exemplu.
Se d un filtru lattice cu trei trepte avnd coeficienii
K
1
= , K
2
= ,
1
3 3
K = .
S se determine coeficienii filtrului FIR n form direct.
Soluie. Problema se rezolv recursiv, utiliznd relaia (3.50)
ncepnd cu m = 1.
Astfel,
1 1 1
1 0 1 0 1
1
( ) ( ) ( ) 1 1
4
A z A z K z B z K z z

= + = + = + .
Prin urmare, coeficienii filtrului FIR corespunztori structurii
lattice cu o singur treapt, sunt
1 1 1
[0] 1, [1] 1/ 4. a a K = = =
Deoarece ( )
m
B z este reciprocul lui ( )
m
A z , rezult
1
1
1
( )
4
B z z

= + .
Pentru m=2, din (3.50) rezult

1 1 2
2 1 2 1
3 1
( ) ( ) ( ) 1
8 2
A z A z K z B z z z

= + = + +
Parametrii filtrului FIR corespunztori structurii lattice cu
dou trepte sunt
2 2 2
[0] 1, [1] 3/ 8, [2] 1/ 2. a a a = = = Din (3.51) rezult
atunci

1 2
2
1 3
( )
2 8
B z z z

= + +
n final, prin adugarea celei de-a treia trepte n structura
lattice, rezult polinomul

1 1 2 3
3 2 3 2
13 5 1
( ) ( ) ( ) 1
24 8 3
A z A z K z B z z z z

= + = + + +
i, ca urmare, filtrul FIR n form direct este caracterizat de
coeficienii

3 3 3 3
13 5 1
[0] 1, [1] , [2] , [3]
24 8 3
a a a a = = = =
186
n general, structura lattice cu parametrii
1 2
, , ..., ,
p
K K K
corespunde unei clase de p filtre FIR n forma direct cu funciile de
sistem
1 2
( ), ( ),..., ( ).
p
A z A z A z Este interesant de observat c o
caracterizare a acestei clase de filtre FIR n form direct necesit
p(p+1)/2 coeficieni, n timp ce o caracterizare lattice necesit doar p
coeficieni de reflexie { }
m
K . Motivul pentru care structura lattice
produce o reprezentare mult mai compact pentru clasa de filtre FIR
de ordin p se datorez faptului c adugarea treptelor la structura
lattice nu modific parametrii treptelor anterioare, n timp ce
coeficienii funciei de sistem ( )
m
A z sunt total diferii de coeficienii
filtrului FIR de ordin inferior, cu funcia de sistem
1
( ).
m
A z

O relaie pentru determinarea recursiv a coeficienilor
{ } [ ]
m
a k ai filtrului poate fi obinut din polinoamele date n relaiile
(4.49)(4.51). Din relaia (4.50) se obine

1
1 1
1 1
( 1)
1 1
0 0 0
( ) ( ) ( )
[ ] [ ] [ 1 ]
m m m m
m m m
k k k
m m m m
k k k
A z A z K z B z
a k z a k z K a m k z

+

= = =
= +
= +

(3.52)
Prin egalarea coeficienilor puterilor egale ale lui
1
z

i innd
cont c [0] 1
m
a = , rezult ecuaiile recursive pentru coeficienii
filtrului FIR, sub forma:
[0] 1
m
a = (3.53)
[ ]
m m
a m K = (3.54)
1 1 1 1
[ ] [ ] [ ] [ ] [ ] [ ]
1 1, 1, 2,..., .
m m m m m m m
a k a k K a m k a k a m a m k
k m m p

= + = +
=
(3.55)



187
3.3.2. Conversia coeficienilor filtrului FIR din forma
direct n coeficieni ai structurii lattice

Dac se cunosc coeficienii filtrului FIR pentru
implementarea n form direct sau, echivalent, polinomul ( )
m
A z i
se dorete determinarea coeficienilor corespunztori structurii
lattice, de ordin m, atunci [ ].
m m
K a m = Pentru a obine coeficientul
1 m
K

sunt necesare polinoamele
1
( )
m
A z

deoarece, n general,
m
K
este obinut din polinomul ( )
m
A z pentru m=p, p-1,..,1. Prin urmare,
trebuie calculate succesiv polinoamele ( )
m
A z , ncepnd de la
m = p pn la m = 1.
Relaia recursiv dorit pentru polinoame se determin uor
din (3.46) i (3.47).

[ ]
1
1 1
1 1
( ) ( ) ( )
( ) ( ) ( )
m m m m
m m m m m
A z A z K z B z
A z K B z K A z

= +
= +

de unde rezult
1 2
( ) ( )
( ) , , 1,...,1.
1
m m m
m
m
A z K B z
A z m p p
K

= =

(3.56)
Astfel se calculeaz toate polinoamele de grad inferior ( )
m
A z
ncepnd cu ( )
p
A z i se obin coeficienii dorii ai structurii lattice
din relaia [ ].
m m
K a m = Se observ c procedura prezentat este
operaional att timp ct | | 1
m
K pentru m = 1, 2, ...,p.
Din ecuaia recursiv (3.56), se poate obine o relaie pentru
calculul recursiv al coeficienilor
m
K , ncepnd cu m = p pn la
m=1. Pentru m = p, p-1,...,1 se obine
1
[ ] [0] 1
m m m
K a m a

= = (3.57)
188
1 2 2
[ ] [ ] [ ] [ ] [ ]
[ ] , 1 1
1 1 [ ]
m m m m m m
m
m m
a k K b k a k a m a m k
a k k m
K a m

= =


(3.58)
Ecuaia recursiv (3.58) nu poate fi folosit dac 1.
m
K =
Pentru fixarea ideilor, se consider urmtorul exemplu.
S se determine coeficienii structurii lattice corespunztoare
filtrului FIR cu funcia de sistem

1 2 3
3
13 5 1
( ) ( ) 1
24 8 3
H z A z z z z

= = + + +
Soluie. Mai nti se observ c
3 3
1
[3] .
3
K a = = Apoi se
construiete polinomul

1 2 3
3
1 5 13
( )
3 8 24
B z z z z

= + + +
Relaia de decrementare din (3.56), cu m =3, conduce la

1 2 3 3 3
2 2
3
( ) ( ) 3 1
( ) 1
1 8 2
A z K B z
A z z z
K

= = + +

Prin urmare,
2 2
[2] 1/ 2 K a = = i
1 1
2
( ) 1/ 2 (3/ 8) B z z z

= + + .
Repetnd decrementarea recursiv, se obine

1
2 2 2
1 2
2
( ) ( ) 1
( ) 1
1 4
A z K B z
A z z
K

= = +

Astfel,
1 1
1
[1] .
4
K a = =

3.4. Coeficienii de reflexie optimi ai predictorului
lattice nainte i napoi

n paragrafele anterioare s-a obinut un set de ecuaii din care
se pot obine coeficienii predictorului care minimizeaz valoarea
189
ptratic medie a erorii de predicie. n continuare se va considera
problema optimizrii coeficienilor de reflexie ai predictorului
lattice i exprimarea lor n funcie de erorile de predicie nainte i
napoi.
Conform figurii 3.8, eroarea de predicie nainte n treapta m
a predictorului este

[ ] [ ] [ ]
1 1
1
m m m m
f n f n K g n

= + (3.59)
Minimizarea erorii ptratice medii
[ ]
{ }
2
m i
E f n

n raport cu
coeficienii de reflexie impune calculul derivatei
[ ]
{ }
[ ] [ ] [ ] [ ]
{ }
[ ] [ ] [ ] { }
2
2 2 2
1 1 1 1
2
1 1 1
2 1 1
2 1 2 1
m i
m
m i m m i m i m m i
m
m i m i m m i
E f n
K
E f n K f n g n K g n
K
E f n g n K g n




=

+ +

=

+
(3.60)
Prin egalarea cu zero a acesteia, rezult
[ ] [ ]
[ ]
[ ] [ ]
1 1 1 1
2
1
1 1
1 1
1
m i m i m i m i
m
f b
m i
m m
E f n g n E f n g n
K
E g n
E E

= =


(3.61)
unde
1 1
f b
m m
E E

= =
[ ] [ ]
2 2
1 1
1
m i m i
E g n E f n

=

(3.62)
Se observ c valorile optime ale coeficienilor de reflexie ai
predictorului lattice sunt egale cu coeficienii de corelaie
normalizai dintre erorile nainte i napoi din lattice, cu semnul
minus. Din acest motiv, coeficienii
m
K se mai numesc coeficieni
de corelaie parial (PARCOR).
Valoarea ptratic medie a erorii de predicie poate fi
exprimat n forma
190
[ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ]
2 2 2 2
1 1 1 1
2 2 2
1 1 1 1
2 1 1
2 1 1
m i m i m m i m i m m i
m i m m i m i m m i
E f n E f n K f n g n K g n
E f n K E f n g n K E g n


= + + =

+ +

(3.63)
nlocuind (3.61) i (3.62) n (3.63), se obine eroarea ptratic medie
minim n form recursiv
( )
2
1
1
f f
m m m
E K E

= (3.64)
Deoarece din relaia (3.61) rezult c 1
m
K , eroarea
ptratic medie minim dat de relaia (3.64) este o secven
monoton descresctoare.

3.5. Relaia dintre un proces AR i predicia liniar

Parametrii unui proces AR de ordin p sunt strns legai de
parametrii unui predictor de ordin p pentru acelai proces. Se
reamintete c pentru un proces AR( ) p secvena de autocorelaie
[ ]
xx
m este legat de parametrii { }
k
a ai procesului prin ecuaiile
Yule-Walker.
[ ]
[ ]
[ ]
1
2
1
*
, 0
, 0
[ ], 0
p
k xx
k
p
xx k xx w
k
xx
a m k m
m a m k m
m m

=
=

>

= + =

<

(3.65)
Ecuaiile corespunztoare predictorului de ordin p sunt date
n relaiile (3.7).

[ ] [ ] [ ]
0
, 1...
p
xx p xx
k
l a k l k l p
=
= =

191
Comparnd aceste relaii se observ o relaie de egalitate
ntre parametrii { }
k
a ai procesului AR( ) p i coeficienii
predictorului
[ ] { }
p
a k de ordin p . Mai mult, comparnd (3.65) cu
(3.8), se observ c eroarea ptratic medie minim a predictorului
de ordinul p ,
f
p
E , este egal cu
2
w
, dispersia zgomotului alb, caz
n care filtrul erorii de predicie este un filtru de albire, care produce
secvena de zgomot alb
[ ]
w n .

3.6. Soluia ecuaiilor normale

Anterior s-a artat c minimizarea valorii ptratice medii a
erorii de predicie nainte conduce la un sistem de ecuaii numite
ecuaiile normale (3.7). Acestea pot fi scrise compact n forma

[ ] [ ] [ ]
0
0, 1... , 0 1
p
p xx p
k
a k l k l p a
=
= = =

(3.66)
Eroarea ptratic medie minim (EPMM) este dat de relaia
(3.8). Adugnd (3.8) la (3.66) se obin ecuaiile normale extinse

[ ] [ ]
0
, 0
0, 1,...,
f
p
p
p xx
k
E l
a k l k
l p

=
=
=

(3.67)
Pentru un proces aleator AR( ) p , EPMM,
2 f
p w
E = . Exist
doi algoritmi eficieni de calcul pentru ecuaiile normale. Unul se
datoreaz lui Levison [29] modificat ulterior de Durbin [62], numit
algoritmul Levison-Durbin, care este potrivit prelucrrii seriale. Al
doilea algoritm, datorat lui Schur [61] calculeaz, de asemenea,
coeficienii de reflexie i se preteaz prelucrrii paralele. Cei doi
algoritmi folosesc proprietile de simetrie Toeplitz ale matricei de
autocorelaie.
192
3.6.1. Algoritmul Levison-Durbin

Algoritmul Levison Durbin este un algoritm eficient pentru
rezolvarea ecuaiilor normale (3.66) n raport cu coeficienii
predictorului. Acestea pot fi scrise matriceal, sub forma
[ ][ ] [ ]
p p p
A = (3.66)

unde

[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
* *
*
.
0 1 ... 1
1 0 ... 2
[ ]
.. .. ... ..
1 2 ... 0
xx xx xx
not
xx xx xx
p p
xx xx xx
p
p
p p

= =





(3.68)
este numit matricea de autocorelaie, iar [ ] [1] ... [ ]
T
p p p
A a a p =


este un vector coloan ale crui elemente sunt coeficienii
predictorului, [ ], 1
p
a k k p , iar
[ ]
[ ] [1] ... [ ]
T
p xx xx
p = este un
vector coloan ale crui elemente sunt valorile funciei de
autocorelaie [ ], 1
p
l l p .
Sistemul (3.67) poate fi scrise matriceal, sub forma

1 1
0
[ ][ ]
0
f
p
p p
E
A
+ +



=

(3.67)
unde
1
[ ] 1 [1] ... [ ]
T
p p p
A a a p
+
=

, iar
1
[ ]
p+
este matricea de
autocorelaie de ordinul p+1.
193
Dac semnalul de intrare este real, operaia de cojugare (*)
dispare din
xx
. Se observ c elementele ( ) ,
p
i j ale matricei [ ]
p

au proprietatea c ( ) , [ ]
p xx
i j i j = . Dac ( ) ,
p
i j = ( )
*
,
p
j i
matricea este i hermitic. Metoda de obinere a soluiei prin
algoritmul Levison-Durbin utilizeaz proprietile matricei Toeplitz
i se aplic recursiv ncepnd cu un predictor de ordinul 1 m = .
Soluia predictorului de ordinul nti se obine din (3.66),
pentru 1 p = , adic

[ ]
[ ]
[ ]
1 1
1
1 , [0] 1
0
xx
xx
a a

= = (3.69)
EPMM este
[ ] [ ] [ ] [ ] [ ]
( )
2
1 1 1
0 1 1 0 1 1
f
xx xx xx
E a a = + = (3.70)
Se reamintete c
[ ]
1
1 a =
1
K este primul coeficient de reflexie
al filtrului lattice.
Al doilea pas const n obinerea coeficienilor
[ ] [ ] { }
2 2
1 , 2 a a
ai predictorului de ordinul al doilea i exprimarea soluiei n funcie
de
[ ]
1
1 a . Cele dou ecuaii obinute din relaia (3.66) sunt

[ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ]
*
2 2
2 2
1 0 2 1 1
1 1 2 0 2
xx xx xx
xx xx xx
a a
a a


+ =
+ =
(3.71)
unde
[ ] [ ]
*
1 1
xx xx
= .
innd cont de (3.69) soluia sistemului de ecuaii (3.71) devine

[ ]
[ ] [ ] [ ]
[ ] [ ]
( )
[ ] [ ] [ ]
1 1
2
2
1
1
2 1 1 2 1 1
2
0 1 1
xx xx xx xx
f
xx
a a
a
E
a

+ +
= =

[ ] [ ] [ ] [ ]
*
2 1 2 1
1 1 2 1 a a a a = + (3.72)
194
expresii care reprezint coeficienii predictorului de ordinul al
doilea. Se reamintete c
[ ]
2 2
2 a K = este cel de-al doilea coeficient
de reflexie al filtrului lattice.
Procednd n acelai mod se pot exprima coeficienii
predictorului de ordin m n funcie de coeficienii predictorului de
ordin ( ) 1 m .
Vectorul coeficienilor, notat cu
[ ]
m
a , poate fi scris ca sum
a doi vectori
[ ]
[ ]
[ ]
[ ]
[ ]
1 1
1
2 [ ]
.. 0
m
m m m
m
m
m
a
a a d
a
K
a m





= = +






(3.73)
unde
[ ]
1 m
a

reprezint vectorul coeficienilor predictorului de ordin
( ) 1 m , iar vectorul
[ ]
1 m
d

i scalarul
m
K urmeaz a fi determinai.
Matricea de autocorelaie de ordin m m se partiioneaz n
forma

[ ]
[ ]
*
1 1
1
[ ]
[ ] 0
b
m m
m
bt
m xx

=



(3.74)
unde
[ ] [ ] [ ]
1 1
[ ] 1 2 ... 1
t
bt b
m xx xx xx m
m m

= =

,
n relaia (3.74),
*
( ) i - nseamn conjugarea complex, ( )
t
i -
nseamn transpunere, iar indicele b al vectorului
1
[ ]
m

semnific
faptul c elementele vectorului se consider n ordine invers.
Cu ajutorul relaiilor (3.73) i (3.74), soluia ecuaiei
[ ][ ] [ ]
m m m
a = poate fi exprimat astfel:
195

[ ]
[ ]
[ ]
*
1
1 1 1 1
1
[ ]
[ ] [ ] [ ]
0 [ ] 0
b
m
m m m m
bt
xx m m xx
a d
m K

+ =


(3.75)
Din (3.75) rezult dou ecuaii
[ ] [ ][ ] [ ]
*
1 1 1 1 1 1
[ ]
b
m m m m m m m
a d K


+ + =

(3.76)
[ ] [ ] [ ]
1 1 1 1
[ ] 0
bt bt
m m m m m xx xx
a d K m

+ + =

(3.77)
Deoarece
[ ]
1 1 1
[ ] [ ]
m m m
a

= , din relaia (3.76) rezult

[ ] [ ]
*
1
1 1 1
b
m m m m
d K

=

(3.78)
dar
*
1
b
m

este chiar
1 m

cu elementele scrise n ordine
invers i conjugate, ceea ce permite obinerea soluiei ecuaiei
(3.78) sub forma

[ ]
[ ]
[ ]
[ ]
*
*
1
*
1
1 1
*
1
1
2
..
1
m
m b
m m m m
m
a m
a m
d K a K
a

= =




(3.79)
nlocuind relaia (3.79) n (3.77), se poate obine coeficientul
de reflexie
m
K .

[ ] [ ] [ ]
*
1 1 1 1
0
bt bt b
m m m xx m m xx
a K a m



+ + =



(3.80)
de unde

[ ] [ ]
[ ]
*
1 1
1 1
0
bt
xx m m
m
bt b
xx m m
m a
K
a




+

=

+


(3.80')
nlocuind soluiile pentru
[ ]
1 m
d

i
m
K n relaia (3.73) se obin
relaiile recursive pentru coeficienii predictorului
196
[ ]
[ ] [ ]
[ ]
[ ] [ ]
*
1 1 1 1
1 1
0
bt bt
xx m m xx m m
m m f
bt b
m
xx m m
m a m a
a m K
E
a




+ +

= = =

+



(3.81)
[ ] [ ] [ ] [ ] [ ] [ ]
* *
1 1 1 1
1,..., 1, 1,...,
m m m m m m m
a k a k K a m k a k a m a m k
k m m p

= + = +
= =
(3.82)
Se observ c relaiile recursive (3.82) sunt identice cu cele
care dau coeficienii predictorului pe baza polinoamelor ( )
m
A z i
( )
m
B z ca n relaiile (3.53) (3.55). Mai mult,
m
K este coeficientul
de reflexie pentru a m a treapt a predictorului lattice, deci
algoritmul Levison-Durbin calculeaz coeficienii de reflexie pentru
predicia lattice optimal, precum i coeficienii predictorului
optimal FIR n forma direct.
Pentru predictorul de ordinul m, EPMM este
[ ] [ ] [ ]
[ ] [ ] [ ] [ ] ( ) [ ]
[ ]
( )
1
*
1 1
1
2
2
1 1
0
0
1 1 , 1,...,
m
f
m xx m xx
k
m
xx m m m xx
k
f f
m m m m
E a k k
a k a m a m k k
E a m E K m p


=

=

= + =
= + + =

= = =

(3.83)
unde
[ ]
0
0
f
xx
E = . Deoarece coeficienii de reflexie satisfac
proprietatea c 1
m
K , EPMM satisface condiia

0 1 2
.....
f f f f
p
E E E E (3.84)
n scopul aprecierii eficienei sau complexitii unui
algoritm, se folosete simbolismul din teoria complexitii
calculelor. Notaia O() se folosete n analiza eficienei algoritmilor
i definete limita superioar a unei funcii, reflectnd efortul de
calcul necesar obinerii rezultatului, n funcie de mrimea intrrii,
197
de obicei, numrul de bii. Complexitatea (temporal) a unei
probleme (sau a unui algoritm) reprezint numrul de pai (sau
echivalentul lor temporal) ce trebuie parcuri pentru a o rezolva,
exprimat, n general, n funcie de mrimea intrrii. De exemplu, se
presupune c timpul (sau numrul de pai) necesari rezolvrii unei
probleme a crei intrare are dimensiunea n este de forma
0
( )
N
i
i
i
T n a n
=
=

, unde coeficienii
i
a sunt constante independente de
intrare. Cu creterea lui n, termenul dominant este
N
n , ceilali
putndu-se neglija. Coeficienii
i
a depind de detaliile
implementrii. Notaia O(n
N
) reflect factorul dominant, evideniind
o complexitate de n
N
.
Ecuaia recursiv (3.82) a algoritmului Levison Durbin
necesit O(m) operaii de multiplicare i sumare pentru a trece de la
treapta m la treapta m+1. Prin urmare, pentru p trepte sunt necesare
1+2+3+...+p=p(p+1)/2 operaii pentru a determina coeficienii
filtrului predictor sau coeficienii de reflexie, adic o complexitate
O(p
2
). Dac nu s-ar fi folosit proprietile matricei de corelaie i
sistemul (3.66) s-ar fi rezolvat prin metoda eliminrilor a lui Gauss,
gradul de complexitate ar fi O(p
3
). Prin folosirea procesrii
paralele, complexitatea algoritmului poate fi sczut suplimentar.

3.6.2. Algoritmul Schur

Algoritmul Schur este strns legat de un test recursiv pentru a
determina faptul c matricea de corelaie este pozitiv definit. n
particular, fie matricea de autocorelaie
1 p+
asociat cu ecuaiile
normale extinse date de relaia (3.67). Din elementele acestei
matrice se formeaz funcia
198
( )
[ ] [ ] [ ]
[ ] [ ] [ ] [ ]
1 2
0 1 2
1 2 ...
0 1 2 ...
p
xx xx xx
p
xx xx xx xx
z z p z
R z
z z p z




+ + +
=
+ + + +
(3.85)
i familia de funcii ( )
m
R z definit recursiv prin
( )
( ) ( )
( ) ( )
1 1
1 *
1 1
, 1,...,
1
m m
m
m m
R z R
R z m p
z R R z

= =


(3.86)
Conform teoremei lui Schur [56], o condiie necesar i
suficient pentru ca matricea de corelaie s fie pozitiv definit este
ca ( ) 1
m
R < pentru 1,..., m p = . Se demonstreaz mai nti c
matricea de autocorelaie este pozitiv definit dac coeficienii de
reflexie ai filtrului lattice corespunztor sunt subunitari, adic
1, 1,...,
m
K m p < = .
Din (3.85) rezult c ( )
0
0 R = . nseamn atunci, conform
relaiei (3.86), c
( )
[ ] [ ] [ ]
[ ] [ ] [ ] [ ]
1 1
1 1 2
1 2 ...
0 1 2 ...
p
xx xx xx
p
xx xx xx xx
z p z
R z
z z p z


+

+ + +
=
+ + + +
(3.87)
i, deci ( )
[ ]
[ ]
1
1
0
xx
xx
R

= . Comparnd cu (3.69), se observ c

( )
1 1
R K = , adic
[ ] [ ]
1
1 0
xx xx
K = .
n mod analog, rezult
( )
( ) ( )
( ) ( ) ( )
[ ] [ ] [ ]
[ ] [ ] [ ] [ ]
[ ]
[ ]
[ ]
[ ]
[ ] [ ] [ ]
[ ] [ ] [ ] [ ]
1 1
2
1 *
1 1
1 1
1 2
1 1
1
1 2
1
1 2 ... 1
0 1 2 ... 0
1 1 2 ...
1 .
0 0 1 2 ...
p
xx xx xx xx
p
xx xx xx xx xx
p
xx xx xx xx
p
xx xx xx xx xx
R z R
R z
z R R z
z p z
z z p z
z p z
z
z z p z

+

+

= =

+ + +

+ + + +
= =
+ + +

+ + + +


199
[ ] [ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] ( ) [ ] [ ] [ ]
2 1
1 1
0 ( 2 ... ) 1 ( 1 ... )
0 0 1 ... 1 ( 1 ... )
p p
xx xx xx xx xx xx
p p
xx xx xx xx xx xx xx
p z p z
z p z p z


+ +
+
+ + + +
=
+ + + + +
i, deci
( )
[ ] [ ] [ ]
[ ] [ ]
[ ] [ ]
[ ]
2
1
2 2 2 2
1
0 2 1 2 1
0 1
0 (1 )
xx xx xx xx xx
xx xx
xx
K
R
K



+
= =

(3.88)
adic ( )
2 2
R K = . n general, rezult ( ) , 1,...,
m m
R K m p = = .
nseamn, deci, c dac ( ) 1, 1,...,
m
R m p < = , atunci
1, 1,...,
m
K m p < = , ceea ce asigur c matricea
1 p+
este pozitiv
definit. Deoarece coeficienii de reflexie pot fi obinui din familia
de funcii ( ), 1,...,
m
R z m p = , rezult o metod alternativ pentru
rezolvarea ecuaiilor normale, cunoscut sub denumirea de
algoritmul lui Schur.
Fie ( )
m
R z exprimat sub forma
( )
( )
( )
, 0,...,
m
m
m
P z
R z m p
Q z
= = (3.89)
unde
( ) [ ] [ ] [ ]
1 2
0
1 2 ...
p
xx xx xx
P z z z p z

= + + +
( ) [ ] [ ] [ ] [ ]
1 2
0
0 1 2 ...
p
xx xx xx xx
Q z z z p z

= + + + + (3.90)
Deoarece
0
0 K = i ( ), 1,...,
m m
K R m p = = ecuaia
recursiv (3.86) implic urmtoarele ecuaii recursive pentru
polinoamele ( )
m
P z i ( )
m
Q z .

( )
( )
( )
( )
1
1
* 1 1
1
1
1
, 1,...,
m m
m
m
m m
P z P z
K
m p
K z z
Q z Q z

= =




(3.91)
Astfel, se poate scrie
( ) ( ) [ ] [ ] [ ]
1 2
1 0
1 2 ...
p
xx xx xx
P z P z z z p z

= = + + +
200

( ) ( ) [ ] [ ] [ ]
[ ]
1 1 2
1 0
1
0 1 ... 1
p
xx xx xx
p
xx
Q z z Q z z z p z
p z

= = + + + +
+
(3.92)
i

( )
( )
[ ]
[ ]
1
1
1
1
0
xx
xx
z
P z
K
Q z

=

= =



(3.93)
Analog, rezult
( ) ( ) ( ) [ ] [ ] [ ]
[ ]
[ ]
[ ]
[ ] [ ]
[ ]
[ ] [ ]
[ ]
[ ] [ ] ( ) [ ] [ ] ( )
[ ]
1 2
2 1 1 1
2 2 3 1
1
2
1 1
1
1
1 2 ...
1 1 2 1
1 ...
0 0 0
2 1 ... 1
p
xx xx xx
p
xx xx xx xx xx
xx
xx xx xx
p
xx xx xx xx
p
xx
P z P z K Q z z z p z
z z p z
z
K z p K p z
K p z

= + = + + +
=
= + + + + +
+

(3.94)

( ) ( ) ( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ] ( )
[ ] [ ] [ ] ( )
[ ] [ ] ( ) [ ] [ ] ( )
[ ] [ ] ( ) [ ]
1 * 1 1 *
2 1 1 1 1 1 1
1 1 2 1
* 1 * 2 *
1 1 1
* 2 * 3
1 1
* 1 2
1
[ 0 1 ... 1
1 2 ... ]
0 1 1 2 ....
1
p p
xx xx xx xx
p
xx xx xx
xx xx xx xx
p p
xx xx xx
Q z z K P z z Q z z Q z K P z
z z z p z p z
K z K z K p z
K z K z
p K p z p z









= + = + =
= + + + + +
+ + + + =
+ + + +
+ + +

(3.95)
1
1 2
2
2
[2] [1] ( )
( ) [0] [1]
xx xx
xx xx
z
K P z
K
Q z K

=
+
= =
+
(3.96)
Pe baza acestor relaii, algoritmul Schur este descris de
urmtoarea procedur recursiv:
1. Se formeaz matricea generatoare cu dou linii i p+1
coloane, de forma:
201

[ ]
[ ] [ ] [ ]
[ ] [ ] [ ] [ ]
0
0 1 2 ...
0 1 2 ...
xx xx xx
xx xx xx xx
p
G
p



=


(3.97)
unde elementele primei linii sunt coeficienii lui ( )
0
P z , iar cele de
pe a doua linie, coeficienii lui ( )
0
Q z .
2. Se deplaseaz a doua linie a matricei generatoare spre
dreapta cu o poziie i se renun la ultimul element al liniei. n
locul rmas liber se plaseaz un zero. Astfel se obine o nou
matrice generatoare

[ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
1
0 1 2 ...
0 0 1 ... 1
xx xx xx
xx xx xx
p
G
p



=

(3.98)
Raportul, cu semnul minus, al elementelor din a doua coloan
reprezint coeficientul de reflexie
[ ]
[ ]
1
1
0
xx
xx
K

= .
3. Se nmulete la stnga matricea generatoare
[ ]
1
G cu
matricea
[ ]
1
1 *
1
1
1
K
V
K

=


(3.99)
obinndu-se
[ ][ ]
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ]
1 1
1 1
* *
1 1
0 0 2 1 ... 1
0 2 1 ... ... 1
xx xx xx xx
xx xx xx xx
V G
K p K p
K p K p


=
+ +
=

+ +

(3.100)
4. Se deplaseaz a doua linie a matricei
[ ][ ]
1 1
V G cu o poziie
spre dreapta, obinndu-se o nou matrice generatoare
[ ]
[ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ]
1 1
2 * *
1 1
0 0 2 1 ... 1
0 0 0 1 ... 2 1
xx xx xx xx
xx xx xx xx
K p K p
G
K p K p


+ +
=

+ +

(3.101)
202
Raportul, cu semnul -, al elementelor din coloana a treia
reprezint coeficientul de reflexie
2
K . Paii 3 i 4 se repet pn se
obin toi cei p coeficieni de reflexie. n general, matricea
[ ]
m
V
este de forma

[ ]
*
1
1
m
m
m
K
V
K

=


(3.102)
Multiplicarea lui
[ ]
m
V cu
[ ]
m
G are ca rezultat o matrice din care,
prin deplasarea celei de-a doua linii cu o poziie rezult noua
matrice generatoare
1
[ ]
m
G
+
. Se observ c operaia de deplasare a
celei de-a doua linii la fiecare iteraie echivaleaz cu nmulirea cu
1
z

din a doua ecuaie recursiv (3.91). De asemenea, se observ c

mprirea polinomului ( )
m
P z la ( )
m
Q z i evaluarea ctului la
z = echivaleaz cu mprirea elementelor din coloana ( 1 m+ ) a
matricei
[ ]
m
G .
Pentru a demonstra legtura dintre algoritmul Schur,
algoritmul Levison Durbin i predictorul lattice corespunztor, se
determin ieirea filtrului lattice cnd secvena de intrare este
secvena de autocorelaie [ ], 0,1,...
xx
m m = , adic prima intrare n
lattice este [0]
xx
, a doua, [1]
xx
i aa mai departe. Corespunztor
figurii 3.8,
0
[ ] [ ]
xx
f n n = . Dup ntrzierea din prima treapt,
0
[ 1] [ 1]
xx
g n n = , adic, pentru 1 n = , raportul
0 0
[1]/ [0] [1]/ [0]
xx xx
f g = , care este coeficientul de reflexie
1
K , cu
semnul -. Aceast expresie se poate exprima i n forma

0 1 0 1
[1] [0] [1] [0] 0
xx xx
f K g K + = + = (3.103)
Mai mult,
0 0
[0] [0]
f
xx
g E = = .
La momentul 2 n = , conform relaiei (3.43), intrarea n a
doua treapt este
203

1 0 1 0 1
[2] [2] [1] [2] [1]
xx xx
f f K g K = + = + (3.104)
i, dup ntrzierea din a doua treapt,

1 1 0 0 1
[1] [1] [0] [1] [0]
xx xx
g K f g K = + = + (3.105)
Raportul
1 1
[2]/ [1] f g este

1 1 1
2
1 1 1
[2] [1] [2] [1] [2]
[1] [0] [1]
xx xx xx xx
f
xx xx
K K f
K
g K E


+ +
= = =
+
(3.106)
deci,

1 2 1 1 1
[2] [1] 0, [1]
f
f K g g E + = = (3.107)
Continund n acelai mod, rezult

1 1 1 1
[ ]/ [ 1] [ 1]
f
m m m m m
f m g m K i g m E

= = (3.108)
n consecin, coeficienii filtrului lattice obinui cu
algoritmul Levison Durbin sunt identici cu coeficienii obinui cu
algoritmul Schur.

3.7. Proprieti ale filtrelor erorii de predicie

3.7.1. Proprietatea de faz minim a filtrului erorii de
predicie nainte

Se reamintete c un filtru are faz minim, dac zerourile
funciei sale de sistem sunt n interiorul cercului unitate sau pe
acesta. S-a artat anterior c n cazul implementrii lattice a filtrului
erorii de predicie, 1
m
K < pentru toi m. Aceast condiie
mpreun cu relaia:
( )
2
1
1
f f
m m m
E K E

= poate fi folosit pentru a
arta c zerourile funciei de sistem a filtrului erorii de predicie sunt
fie toate n interiorul cercului unitate, fie pe cerc.
204
Se va arta c, dac 0
f
p
E > , zerourile 1
i
z < pentru orice i ,
unde
i
z sunt zerourile funciei de sistem.
ntr-adevr, pentru 1 p = funcia de sistem filtrului erorii de
predicie este
( )
1
1 1
1 A z K z

= + (3.109)
ceea ce nseamn
1 1
z K = i
( )
2
1 1 0
1 0
f f
E K E = > .
Se presupune ipoteza adevrat pentru 1 p , adic
1
0
f
p
E

> .
Dac
i
z este o rdcin a lui ( )
p
A z , din relaiile (3.41) i (3.46) se
obine
( ) ( ) ( )
( )
1
1 1
*
1 1
1
0
p i p i p i p i
p
p i p i p
i
A z A z K z B z
A z K z A
z

= + =

= + =


(3.110)
Din relaia precedent se poate scrie expresia

( )
( )
*
1
1
1
1
p
i p
i
i
p p i
z A
z
Q z
K A z

= = (3.111)
care este de tip trece tot.
Pe de alt parte, se tie c o funcie trece tot, de forma
( )
*
1
1
, 1
N
k
k
k k
zz
P z z
z z
=
+
= <
+

(3.112)
se bucur de proprietile:
( ) 1 P z > pentru 1 z < ,
( ) 1 P z = pentru 1 z = i
( ) 1 P z < pentru 1 z > .
Prelucrnd relaia (3.112), rezult
205
( )
( )
( )
* 1
1 *
1
1
1
N
N
N
N
k
k
k N
z A z
z z
P z z
z z A z

=
+
= =
+

(3.113)
Din relaiile (3.111) i (3.113) rezult c ( )
( ) P z
Q z
z
=
pentru N=p-1. Cum 0
f
p
E > i
1
0
f
p
E

> din
( )
2
1
1 0
f f
p p p
E K E

= >
rezult 1
p
K < i, deci, ( )
1
1
i
p
Q z
K
= > . Conform proprietilor
funciei de tip trece tot, rezult 1
i
z < .
Dac se presupune c
1
0
f
p
E

> i 0
f
p
E = , atunci 1
p
K = i
( ) 1
i
Q z = . Procesul aleator
[ ]
x n pentru care EPMM este zero
( 0
f
p
E = ) se numete predictibil sau determinist.
Fie, de exemplu, procesul aleator sinusoidal de forma

[ ]
( )
1
k k
M
j n
k
k
x n e

+
=
=

(3.114)
unde fazele { }
k
sunt statistic independente i distribuite uniform n
intervalul ( ) 0, 2 . Funcia de autocorelaie este atunci

[ ]
2
1
k
M
jm
xx k
k
m e


=
=

(3.115)
iar densitatea spectral de putere
( ) ( )
2
1
,
2
M
k
xx k k k
k
f f f f

=
= =

(3.116)
Se poate arta c acest proces este predictibil cu un predictor
de ordin p M . ntr-adevr, fie
[ ]
x n de forma (3.114) care se
aplic la intrarea unui filtru al erorii de predicie de ordin p M .
Eroarea ptratic medie la ieirea acestui filtru este
206
( ) ( ) ( ) ( )
( )
1 1
2 2
2 2
2
1 1 1
2 2
2
2
1
M
f
p xx p k k p
k
M
k p k
k
f A f df f f A f df
A f

=

=

= =


=

(3.117)
Alegnd M din cele p zerouri ale filtrului erorii de predicie
s coincid cu frecvenele { }
k
f , eroarea ptratic medie poate fi
forat s fie zero. Celelalte p M zerouri pot fi plasate arbitrar,
oriunde n interiorul cercului unitate.

3.7.2. Proprietatea de faz maxim a filtrului erorii de
predicie napoi
Un filtru se spune c este de faz maxim, dac zerourile
funciei sale de sistem sunt n exteriorul cercului unitate sau pe
acesta. Funcia de sistem pentru filtrul erorii de predicie napoi de
ordin p este
( ) ( )
1 p
p p
B z z A z

= (3.118)
n consecin, rdcinile lui ( )
p
B z sunt inversele rdcinilor
filtrului erorii de predicie nainte cu funcia de sistem ( )
p
A z .
Aceasta nseamn c, dac ( )
p
A z este de faz minim atunci
( )
p
B z este de faz maxim. Dac procesul
[ ]
x n este predictibil
atunci toate rdcinile lui ( )
p
B z sunt pe cercul unitate.

3.7.3. Proprietatea de albire
Se presupune c procesul aleator
[ ]
x n este de tip AR(p),
adic este generat prin trecerea zgomotului alb, staionar, de
207
dispersie
2
w
printr-un filtru numai cu poli, care are funcia de
sistem
( )
1
1
1
1
p
k
k
H z
a z

=
=
+

(3.119)
Pe de alt parte, filtrul erorii de predicie nainte de ordin p
are funcia de sistem:
( )
1
1
1 [ ]
( )
p
k
p p
k
A z a k z
H z

=
= + =

(3.120)
dac coeficienii predictorului sunt [ ]
p k
a k a = . Rspunsul acestui
filtru la semnalul [ ] x n este, evident, zgomot alb de dispersie
2
w
.
Din acest motiv, acest filtru al erorii de predicie se numete filtru
de albire.

3.7.4. Proprietatea de ortogonalitate

Erorile de predicie napoi
[ ] { }
m
g k n diferite trepte ale
filtrului FIR lattice sunt ortogonale, adic
[ ] [ ]
*
0, pentru 1 ;1 ;
,
m i l i
b
m
m p l p m l
E g n g n
E l m

=


=

(3.121)
ntr-adevr,
[ ] [ ] [ ] [ ] [ ]
* * *
0 0
m l
m i l i m l i i
k j
E g n g n b k b E x n k x n j
= =
= =




[ ] [ ]
*
0 0
[ ]
l m
l m xx
j k
b j b k j k
= =
=

(3.122)
Ecuaiile normale ale predictorului liniar napoi sunt
208

[ ] [ ]
0
0, 1, 2,..., 1
,
m
m xx
b
k
m
j m
b k j k
E j m

=
=

=

=

(3.123)
care, nlocuite n (3.122) conduc la (3.121).

3.8. Filtre lattice pentru procese AR i ARMA

n paragraful 3.3 s-a artat relaia dintre un filtru lattice FIR
i predicia liniar. Predictorul liniar cu funcia de sistem
( ) [ ]
1
1
p
k
p p
k
A z a k z

=
= +

, (3.124)
cnd este excitat cu procesul aleator
[ ]
x n , produce o ieire care
aproximeaz zgomotul alb cnd p . Pe de alt parte, dac
procesul de intrare este autoregresiv de ordin p , ieirea
predictorului cu funcia de sistem ( )
p
A z este un zgomot alb.
Deoarece predictorul cu funcia de sistem ( )
p
A z genereaz un
proces MA( ) p cnd este excitat cu o secven de zgomot alb,
structurile lattice numai cu zerouri se mai numesc lattice cu medie
alunectoare sau mobil. n continuare se prezint structurile lattice
pentru filtrul invers, numai cu poli, ( ) 1/
p
A z , numite structuri
lattice AR i structurile lattice cu poli i zerouri pentru un proces
ARMA.

3.8.1. Structura lattice AR

Fie un sistem numai cu poli, cu funcia de sistem
( )
[ ]
1
1
1
p
k
p
k
H z
a k z

=
=
+

(3.125)
209
Ecuaia cu diferene corespunztoare este:

[ ] [ ] [ ] [ ]
1
p
p
k
y n a k y n k x n
=
= +

(3.126)
Schimbnd rolul intrrii cu ieirea, adic nlocuind n relaia
(3.126) [ ] x n cu [ ] y n , i invers, se obine ecuaia cu diferene:

[ ] [ ] [ ] [ ]
1
p
p
k
x n a k x n k y n
=
= +

(3.127)
sau, echivalent

[ ] [ ] [ ] [ ]
1
p
p
k
y n x n a k x n k
=
= +

(3.128)
care reprezint ecuaia cu diferene pentru un sistem FIR cu funcia
de sistem ( )
p
A z . Aadar, un sistem IIR numai cu poli poate fi
transformat n unul FIR prin interschimbarea rolului intrrii cu
ieirea. Pe baza acestei observaii se poate obine structura unei
lattice AR( ) p dintr-o lattice MA(p) prin interschimbarea semnalat
anterior. Dac structura lattice MA( ) p are ieirea
[ ] [ ]
p
y n f n = , i
intrarea
[ ] [ ]
0
x n f n = , se va impune

[ ] [ ]
[ ] [ ]
0
p
x n f n
y n f n
=

(3.129)
Aceste definiii impun calculul mrimilor
[ ] { }
m
f n n ordine invers,
lucru care poate fi efectuat prin rearanjarea ecuaiei recursive (3.29)
pentru
[ ]
m
f n i aflarea lui
[ ]
1 m
f n

n funcie de
[ ]
m
f n . Astfel

[ ] [ ] [ ]
1
1 , , 1,...,1.
m m m m
f n f n K g n m p p

= = (3.130)
Ecuaia pentru
[ ]
m
g n rmne neschimbat. Se obin n final
relaiile:
210

[ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
1 1
1 1
0 0
1
1
p
m m m m
m m m m
x n f n
f n f n K g n
g n K f n g n
y n f n g n


=
=
= +
= =
(3.131)
mplementarea corespunztoare pentru structura lattice
AR(p) este prezentat n figura 3.9.

Figura 3.9. Structura corespunztoare pentru lattice AR( ) p

Se observ c structura lattice numai cu poli are o cale
numai cu zerouri cu intrarea
[ ]
0
g n i ieirea
[ ]
p
g n , care este
identic cu calea numai cu zerouri din structura lattice MA( ) p . Se
observ, de asemenea, c cele dou structuri lattice AR( ) p i
MA( ) p sunt caracterizate de aceiai parametri, i anume,
coeficienii de reflexie { }
i
K , fapt ce permite aplicarea acelorai
relaii de conversie (3.53) (3.55) i (3.57), (3.58) a parametrilor
[ ] { }
p
a k ai realizrii n form direct a sistemului numai cu
zerouri ( )
p
A z n parametrii lattice { }
i
K ai structurii MA( ) p i
pentru structurile numai cu poli.

211
3.8.2. Procese ARMA i filtre lattice cu poli i zerouri

O structur lattice numai cu poli furnizeaz blocul
constructiv de baz pentru structurile de tip lattice care
implementeaz sisteme IIR ce conin att poli ct i zerouri. Fie un
sistem IIR cu funcia de sistem
( )
[ ]
[ ]
( )
( )
0
1
1
q
k
q
q
k
p
k
p
p
k
c k z
C z
H z
A z
a k z

=
= =
+

(3.132)
Fr a se pierde din generalitate, se presupune p q . Acest
sistem este caracterizat de ecuaiile cu diferene

[ ] [ ] [ ] [ ]
[ ] [ ] [ ]
1
0
p
p
k
q
q
k
v n a k v n k x n
y n c k v n k
=
=
= +
=

(3.133)
obinute prin considerarea sistemului IIR ca o cascad format dintr-
un sistem numai cu poli care precede un sistem numai cu zerouri.
Ieirea
[ ]
y n este o combinaie liniar a ieirilor ntrziate din
sistemul numai cu poli.
Funcia de sistem
( )
( )
( )
( )
m
b m
G z
H z B z
Y z
= = (3.134)
unde ( )
m
G z este transformata Z a ieirii
[ ]
m
g n din treapta a m-a,
iar ( ) Y z , intrarea n calea numai cu zerouri, caracterizeaz un
sistem numai cu zerouri. Prin urmare, orice combinaie de
[ ] { }
m
g n
este, de asemenea, un filtru numai cu zerouri.
212
Fie un filtru lattice numai cu poli, cu coeficienii
m
K , cruia i
se adaug o structur, numit scar, prin considerarea ieirii ca o
combinaie liniar de
[ ] { }
m
g n . Se obine un filtru lattice cu poli i
zerouri ca n figura 3.10, a crui ieire este

[ ] [ ]
0
q
k k
k
y n g n
=
=

(3.135)
unde { }
k
sunt parametrii care caracterizeaz sistemul numai cu
zerouri.


Figura 3.10. a) Structur lattice pentru un sistem cu poli i zerouri, b) treapta
m a latticei

Cu ajutorul relaiei (3.135), funcia de sistem
corespunztoare sistemului cu poli i zerouri este
( )
( )
( )
( )
( )
0
q
k
k
k
Y z G z
H z
X z X z

=
= =

(3.136)
Deoarece ( ) ( )
P
X z F z = i ( ) ( )
0 0
F z G z = , relaia (3.136) se poate
scrie
213
( )
( )
( )
( )
( ) ( )
( )
0
0 0
0
1
q q
k
k k k
k k
p p
G z F z
H z B z
G z F z A z

= =
= =

(3.137)
Prin identificarea cu relaia (3.132), rezult
( ) ( )
0
q
q k k
k
C z B z
=
=

(3.138)
Aceast relaie poate fi folosit pentru determinarea
coeficienilor { }
k
. Fiind date polinoamele ( )
q
C z i ( )
p
A z cu
p q , se determin nti coeficienii de reflexie { }
m
K din
coeficienii
[ ]
p
a k . Cu ajutorul relaiilor recursive date de (3.56) se
obin polinoamele ( ), 1,...,
k
B z k p = . Parametrii scrii se pot obtine
din relaia (3.138), care se mai scrie sub forma
( ) ( ) ( ) ( ) ( )
1
1
0
m
m k k m m m m m
k
C z B z B z C z B z

=
= + = +

(3.139)
sau, echivalent
( ) ( ) ( )
1
, , 1,...,1
m m m m
C z C z B z m p p

= = (3.140)
ceea ce permite determinarea polinoamelor de ordin inferior.
Deoarece
[ ]
1
m
b m = , parametrul
m
se determin din relaia (3.140)
impunnd
[ ]
, ,...,1
m m
c m m p = = .
Dac o structur lattice cu poli i zerouri este excitat cu o
secven de zgomot alb, se genereaz un proces ARMA( ) , p q , a
crui densitate spectral de putere este
( )
( )
( )
2
2
2
q
xx w
p
C f
f
A f
= , (11.141)
unde
2
w
este dispersia secvenei de zgomot alb de la intrare.
214
3.9. Filtre Wiener pentru filtrare i predicie

n multe situaii practice semnalele utile sunt afectate de
perturbaii cu caracter aditiv, motiv pentru care se pune problema
proiectrii unui filtru care s suprime componenta nedorit de
zgomot, pstrnd, n acelai timp, caracteristicile semnalului dorit.
Se impune ca filtrul, caracterizat de rspunsul la impuls
[ ]
h n , s fie
liniar, iar ieirea sa s aproximeze un semnal dorit. Situaia este
ilustrat n figura 3.11.



Figura 3.11. Model pentru estimarea liniar a unui semnal

unde
[ ]
s n -semnalul util

[ ]
w n -zgomot aditiv

[ ]
d n -semnal dorit

[ ] [ ] [ ]
x n s n w n = + -semnalul de intrare n filtru

[ ]
y n -ieirea filtrului

[ ] [ ] [ ]
e n d n y n = -secvena de eroare
Se disting trei cazuri
1)
[ ] [ ]
d n s n = , situaie cunoscut sub numele de filtrare;
2)
[ ] [ ]
, 0 d n s n D D = + > , situaie cunoscut sub numele de
predicie, filtrare cu anticipare sau extrapolare;
215
3)
[ ] [ ]
, 0, d n s n D D = > situaie cunoscut sub numele de
netezire, filtrare cu ntrziere sau interpolare.
Criteriul ales pentru optimizarea rspunsului la impuls al
filtrului este cel de minimizare a erorii ptratice medii. Secvenele
[ ] { } [ ] { } [ ] { }
, , s n w n d n se presupun de medie zero i staionare n
sens larg. Filtrul liniar optimal care minimizeaz eroarea ptratic
medie se numete filtru Wiener i poate fi cu rspuns finit sau
infinit la impuls.

3.9.1. Filtru Wiener cu rspuns finit la impuls

Se presupune c filtrul cu rspuns finit la impuls are
lungimea M i coeficienii
[ ] { }
, 0 1 h k k M , caz n care ieirea
sa este

[ ] [ ] [ ]
1
0
M
k
y n h k x n k

=
=

(3.142)
Valoarea ptratic medie a erorii dintre ieirea dorit
[ ]
d n i
ieirea filtrului, [ ] y n , este
[ ] { } [ ] [ ] [ ]
2
1
2
0
( )
M
M i i i
k
E e n E d n h k x n k

=


= =

(3.143)
Condiia necesar din care se obine valoarea de extrem a
erorii este:
[ ] { }
[ ]
2
( )
0, 0 1
i
E e n
k M
h k

(3.144)
nlocuind (3.143) n (3.144), rezult
216

[ ] { }
[ ] [ ]
[ ] [ ] [ ]
2 2
1
0
( )
M
i
i i
k
E e n
E d n h k x n k
h k h k

=


= =

[ ]
[ ] [ ] [ ]
[ ] [ ] [ ] [ ] ( )
[ ] [ ]
2
1
0
1
0
1
0
2
2 [ ] 0, 0 1
M
i i
k
M
i i i
k
M
xd xx
k
E d n h k x n k
h k
E d n h k x n k x n m
m h k k m m M

=


= =

= =





= =

(3.145)
sau, echivalent
[ ] [ ]
1
0
[ ], 0 1
M
o xx xd
k
h k k m m m M

=
=

(3.146)

Relaiile (3.146) pentru 0 1 m M sunt cunoscute ca
ecuaiile Wiener Hopf din care se deduc coeficienii filtrului optimal
FIR care asigur o eroare ptratic minim.

Extremul erorii ptratice medii este un minim, deoarece

[ ] { }
[ ] [ ]
2 2
( )
0, pentru
i
E e n
m k
h m h k

=

i
[ ] { }
[ ]
2 2
2
( )
[0] 0, 0 1
i
xx
E e n
m M
h m

= >

(3.147)
Ecuaiile (3.146) poate fi exprimate n form matriceal
astfel:

[ ][ ] [ ]
M o d
h = (3.148)
unde
217

[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
x
0 1 ... 1
1 0 ... 2
[ ]
.. .. ... ..
1 2 ... 0
xx xx xx
xx xx xx
M M M
xx xx xx
M
M
M M

=






este matricea de autocorelaie, cu elementele
[ ]
lk xx
l k = ,
[ ] [ ]
1
[0] [1] ... [ 1]
T
d xd xd xd
M
M

= este un vector coloan cu

elementele
[ ]
, 0,1,..., 1
xd
l l M = , iar

[ ] [ ]
1
[0] [1] ... [ 1]
T
o
M
h h h h M

= este un vector coloan ale

crui componente sunt valorile rspunsului la impuls al filtrului
optimal.
Soluia pentru coeficienii filtrului optimal este

[ ] [ ] [ ]
1
0 M d
h

= . (3.149)
Deoarece matricea de corelaie
[ ]
M
este de tip Toplitz, se poate
folosi algoritmul Levison Durbin pentru aflarea coeficienilor
filtrului optimal (vezi paragraful 3.6.1).
Eroarea ptratic medie minim a filtrului Wiener se obine
nlocuind relaiile (3.146) n (3.143), adic
[ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ] [ ]
[ ] [ ] [ ] [ ] [ ]
[ ] [ ]
2
1
0
1 1
0 0
1 1 1
0 0 0
1
0
min
[0] 2
[0]
M
M i o i
k
M M
i o i i o i
k m
M M M
dd o xd o o xx
m m k
M
dd o xd
m
E d n h k x n k
E d n h k x n k d n h m x n m
h m m h m h k m k
h m m

=

= =

= = =

=


= =







=




+ =

(3.150)
218
innd cont de (3.149), relaia (3.150) se scrie, echivalent,
sub forma
1
min [0] [ ] [ ] [ ]
T
M dd d M d

= (3.151)
Se consider n continuare cazul cnd semnalul dorit a fi
estimat este de forma

[ ] [ ]
, cu D ntreg, fixat d n s n D = + (3.152)
Filtrul liniar optimal opereaz asupra semnalului observat
afectat de zgomot aditiv

[ ] [ ] [ ]
x n s n w n = + (3.153)
pentru a elimina zgomotul, producnd un rspuns
[ ]
y n care s
aproximeze
[ ]
s n D + . Filtrul optimal va fi de ntrziere, dac 0 D <
i de anticipare, dac 0 D > .
Dac semnalul
[ ]
s n i zgomotul
[ ]
w n sunt necorelate, cum
este de obicei cazul n practic, atunci

[ ] [ ]
[ ] [ ]
[ ]
xx ss ww
xd ss
k k k
m m D


= +
= +
(3.154)
iar ecuaiile Wiener Hopf sunt de forma

[ ] [ ] [ ]
[ ]
1
0
, 0,..., 1
M
o ss ww
k
ss
h k m k m k
m D m M

=
+ =

= + =

(3.155)

3.9.2. Proprietatea de ortogonalitate a filtrului optimal

Filtrul liniar optimal ce satisface ecuaia Wiener-Hopf
(3.146) are o proprietate statistic important, i anume, aceea c
eroarea ptratic medie este minim, dac coeficienii filtrului
219
{ } [ ] h n au fost alei astfel nct eroarea de estimare i datele
[ ]
x n
sunt ortogonale, adic:

[ ] [ ] { }
0, 0 1
i i
E x n m e n m M = (3.156)
unde

[ ] [ ] [ ] [ ] [ ] [ ]
1
0
M
m
e n d n y n d n h m x n m

=
= =

(3.157)
ntr-adevr, egalnd cu zero derivata erorii ptratice medii n
raport cu
[ ]
h m , rezult

[ ]
[ ]
[ ]
[ ]
[ ]
2
2 0
i
i
i
E e n
e n
E e n
h m h m



= =




(3.158)
n (3.158) ordinea operaiilor de mediere i derivare a fost
interschimbat.
Din (3.157) se observ c

[ ]
[ ] [ ]
[ ] [ ] [ ]
1
0
M
m
e n
h m x n m x n m
h m h m

= =


(3.159)
nlocuind (3.159) n (3.158) rezult
[ ] [ ] { }
0
i i
E x n m e n = ,
0,..., 1 m M = , adic (3.156).

3.9.3. Determinarea funciei pondere a filtrelor Wiener cu
rspuns infinit la impuls (IIR) la recepionarea secvenei de
zgomot alb

n paragraful precedent s-a impus constrngerea ca filtrul s
fie de lungime finit, obinndu-se un sistem de M ecuaii liniare din
care s rezulte coeficienii optimi ai filtrului. In paragraful de fa,
filtrele, ca i datele se consider infinite ca durat. Ieirea filtrului
IIR se calculeaz cu relaia
220

[ ] [ ] [ ]
0 k
y n h k x n k

=
=

(3.160)
Coeficienii filtrului rezult din minimizarea erorii ptratice medii
dintre semnalul de ieire dorit
[ ]
d n i
[ ]
y n , adic

[ ] { } [ ] [ ] [ ]
2 2
0
( ) ( )
i i i
k
E e n E d n h k x n k

=

= =

(3.161)
Aplicnd principiul ortogonalitii, se obin ecuaiile Wiener-Hopf

[ ] [ ] [ ]
0
, 0
o xx xd
k
h k m k m m

=
=

(3.162)
Eroarea ptratic medie minim se obine din relaia (3.150)
pentru M , adic
[ ] [ ]
0
min [0]
dd o xd
h
m
EPMM h m m

=
= =

(3.163)
Ecuaiile Wiener-Hopf (3.162) nu pot fi rezolvate direct cu
ajutorul tehnicilor oferite de transformata Z, deoarece ecuaiile sunt
valabile numai pentru 0 m . Filtrul optimal Wiener-Hopf IIR va fi
determinat cu ajutorul unui filtru de albire cruia i se aplic procesul
stationar
[ ] { }
x n .
n cazul filtrelor discrete optimale IIR cauzale, ecuaia Wiener-
Hopf este dat de relaia (3.162). n cazul recepionrii unei secvene
de zgomot alb, notat cu
[ ]
w n , fie
[ ]
ww
m funcia de autocorelaie a
acesteia,
[ ]
wd
m funcia de corelaie dintre secvena recepionat
[ ]
w n i secvena dorit a fi estimat
[ ]
d n i
[ ]
ow
h k funcia pondere a
unui filtru optimal IIR ce satisface ecuaia Wiener-Hopf la
recepionarea secvenei
[ ]
w n . n cazul secvenei recepionate de tip
zgomot alb, ecuaia (3.162) devine:
221
0
[ ] [ ] = [ ] , 0
oa
ww wd
k=
k m- k m m
h

(3.164)
Dar
2
[ ] = [ ]
w ww
m- k m- k (3.165)
innd cont de (3.165), ecuaia (3.164) devine:
2
[ ] = [ ] , 0
w ow wd
h m m m (3.166)
Fie
[ ]
wd
m
+
partea lui
[ ]
wd
m pentru m0 i
[ ]
wd
m

pentru m<0.
Rezult atunci:
2
[ ]
, pentru 0
[ ] =
0, pentru 0
+
wd
ow w
m
m
h m
m<

(3.167)
Aplicnd transformata Z relaiei (3.167), rezult:
{ } [ ] ( )
( )
2 2
0
[ ] =
1 1
[ ]
m
ow ow ow
m=-
-m
wd wd
m
w w
Z h m h m z H z
m z
z

+ +
=
= =
= =

(3.168)

3.9.4. Filtru Wiener cauzal cu rspuns infinit la impuls
(IIR)

Se reamintete c un proces aleator stationar
[ ]
x n , cu funcia
de autocorelaie
[ ]
xx
k i densitatea spectral de putere ( )
xx
f
poate fi obinut la ieirea unui filtru cu funcia de sistem ( ) G z i
rspunsul la impuls [ ] g n , la intrarea cruia se aplic zgomot alb
[ ] w n . Procesul
[ ]
x n este albit de filtrul cu funcia de sistem
( )
1
G z
.
222
Funcia ( ) G z este partea de faz minim obinut din factorizarea
spectral a lui ( )
xx
z
( ) ( ) ( )
2 1
xx i
z G z G z

= , (3.169)
regiunea de convergen pentru ( ) G z fiind
1
z r > cu
1
1 r < .
Pentru a putea folosi rezultatul din paragraful precedent,
filtrul optimal Wiener ( )
o
H z se consider a fi o cascad format
dintr-un filtru de albire caracterizat de funcia de sistem
( )
1
G z
i un
alt filtru caracterizat de funcia de sistem ( )
ow
H z , a crui ieire
[ ]
y n este identic cu ieirea filtrului Wiener optimal.

Figura 3.12. Filtru optimal Wiener

Deoarece

[ ] [ ] [ ]
0
ow
k
y n h k w n k

=
=

(3.170)
i
[ ] [ ] [ ]
e n d n y n = , aplicarea principiului ortogonalitii
determin urmtoarele ecuaii Wiener-Hopf pentru filtrul ( )
ow
H z

[ ] [ ] [ ]
0
, 0
ow ww wd
k
h k m k m m

=
=

(3.171)
Optimalitatea filtrului ( )
ow
H z asigur i optimalitatea
filtrului ( )
o
H z , deoarece
223
{ }
0 0
0 0
0 0
[ ] [ ]
[ ] [ ] [ ] [ ] [ ]
[ ] ( [ ] [ ]) [ ] [ ][ [ ]
[ ] [ ] [ ] [ ] 0
i i
i i ow i
p k
i i ow i i
p k
wd ow ww
p k
E x n e n m
E g p w n p d n m h k w n m k
g p E w n p d n m h k w n p w n m k
g p m p h k m p k

= =

= =

= =
+ =


= + + =






+ + =





+ + =





(3.172)
Deoarece [ ] w n este zgomot alb, rezult c
[ ]
0
ww
m k = ,
cu excepia cazului n care m k = . Din (3.171) se obine

[ ]
[ ]
[ ]
[ ]
2
, 0
0
wd wd
ow
ww w
m m
h m m


= = (3.173)
Transformata Z, a secvenei
[ ]
ow
h m se determin cu relaia
( ) [ ] [ ]
2
0 0
1
k k
ow ow wd
k k
w
H z h k z k z

= =
= =

(3.174)
Transformata Z bilateral a secvenei
[ ]
wd
k se noteaz cu ( )
wd
z
i se calculeaz cu relaia
( ) [ ]
k
wd wd
k
z k z

=
=

(3.175)
iar partea sa cauzal se noteaz cu
( ) [ ]
0
k
wd wd
k
z k z

+

=
=


(3.176)
Cu relaia (3.176), relaia (3.174) devine
( ) ( )
2
1
ow wd
w
H z z

+
=

(3.177)
Pentru a determina ( )
wd
z
+


se exprim ieirea filtrului de albire
224
n forma


[ ] [ ] [ ]
0 k
w n v k x n k

=
=

(3.174)
unde
[ ] { }
, 0 v k k este rspunsul la impuls al filtrului de albire

( )
( ) [ ]
0
1
k
k
V z v k z
G z

=
= =

(3.179)
Atunci

[ ] [ ] [ ] { }
[ ] [ ] [ ] { } [ ] [ ]
0 0
wd i i
i i xd
m m
k E w n d n k
v m E x n m d n k v m k m

= =
= + =
= + = +

(3.180)
Transformata Z a funciei de corelaie
[ ]
wd
k este

( ) [ ] [ ]
[ ] [ ] [ ] [ ]
( ) ( )
( )
( )
0
0 0
1
1
k
wd xd
k m
k m k
xd xd
m k m k
xd
xd
z v m k m z
v m k m z v m z k z
z
V z z
G z

= =


= = = =

= + =


= + = =

= =


(3.181)
Rezult astfel
( )
( )
( )
2 1
1
xd
ow
w
z
H z
G z
+

=


(3.182)
Filtrul optimal Wiener are funcia de sistem
( )
( )
( ) ( )
( )
( )
0
2 1
1
w xd
o
w
H z z
H z
G z G z G z
+

= =


(3.183)
225
n continuare se exprim EPMM dat de (3.163) n funcie de
caracteristicile n frecven ale filtrului. Valoarea
[ ]
0
dd
a funciei
de autocorelaie
[ ]
dd
k n origine se determin astfel:
Deoarece

[ ]
1
1
( )
2
k
dd dd
C
k z z dz
j

=

(3.184)
rezult c

[ ]
( )
2
1
0
2
dd
dd d
C
z
dz
j z

= =

(3.185)
unde C este un contur din regiunea de convergen al lui ( )
dd
z
care conine originea, parcurs n sens antiorar.
Al doilea termen al relaiei (3.163) se transform uor n
domeniul frecven, aplicnd teorema lui Parseval [72]. Deoarece
[ ]
0, 0
o
h k k = < rezult

[ ] [ ]
1 1
1
( ) ( )
2
o xd o xd
C
k
h k k H z z z dz
j

=
=

(3.186)
unde C este un contur care nconjoar originea, plasat n regiunea de
convergen a lui ( )
o
H z i
( )
1
xd
z

. nlocuind relaiile (3.185) i

(3.186) n )3.163), rezult
( ) ( ) ( )
1 1
1
2
dd o xd
C
EPMM z H z z z dz
j

=


(3.187)

3.9.5. Filtru Wiener IIR necauzal

Dac se renun la constrngerea impus filtrului Wiener IIR
de a fi cauzal, ieirea acestuia devine

[ ] [ ] [ ]
k
y n h n x n k

=
=

(3.188)
226
Acest filtru este nerealizabil. El poate fi vzut ca un filtru de
netezire n care sunt folosite valorile semnalului din viitorul infinit
pentru a furniza estimatul
[ ] [ ]

d n y n = al semnalului dorit
[ ]
d n .
Aplicnd principiul ortogonalitii, rezult ecuaiile Wiener-Hopf
pentru filtrul necauzal

[ ] [ ] [ ]
,
xx xd
k
h k l k l l

=
= < <

(3.189)
Aplicnd transformata Z relaiei (3.189) se obine
( )
( )
( )
xd
nc
xx
z
H z
z

(3.190)
EPMM rezultat este

[ ] [ ] [ ]
0
nc dd xd
k
EPMM h k k

=
=

(3.191)
iar n domeniul Z
( ) ( ) ( )
1 1
1
2
nc dd nc xd
C
EPMM z H z z z dz
j


=


(3.192)

3.10. Probleme rezolvate

1. Funcia de autocorelaie a unui proces aleator este

1, 0
1/ 2, 1
[ ] 5/ 8, 2
11/16, 3
0, n rest
xx
m
m
m m
m

= =

S se determine funcia de sistem ( )
m
A z a filtrului de
predicie, coeficienii de reflexie
m
K i eroarea ptratic medie de
227
predicie
f
m
E , pentru 1, 2, 3. m =
Soluie
Coeficienii filtrului predictor se determin cu ajutorul
algoritmului Levison Durbin.
Se iniializeaz pentru
2
1 1 1
[1]
1, [1] , (1 | [1] | ) [0]
[0]
f
xx
xx
xx
m a E a

= = =
La pasul m se calculeaz
1
1
2
1
1
1
[ ] [ ] [ ]
[ ] , (1 | [ ] | )
m
xx m xx
f f
k
m m m m f
m
m a k m k
a m E a m E
E

+
= =

1 1
[ ] [ ] [ ] [ ], 1 1
m m m m
a k a k a m a m k k m

= +

2
1 1
1 1
1 1 1
[1] 1
1, [1] , (1 (1/ 2) )1 3/ 4
[0] 2
1 1
( ) 1 [1] 1 ; [1]
2 2
f xx
xx
m a E
A z a z z K a

= = = = =
= + = + = =


1
1
1 1
2
1 1
2
2
2 2 2 1
[2] [ ] [2 ]
[2] [1] [1] 1
2, [2] ,
2
9 3
[2], (1 ( 1/ 2) )
16 4
xx xx
k xx xx
f f
f f
a k k
a
m a
E E
K a E E


=
+
+
= = = =

= = = =

2 1 2 1
2 1 2 1
[ ] [ ] [2] [2 ], 1
1
[1] [1] [2] [1]
4
a k a k a a k k
a a a a
= + =
= + =

1 2 1 2
2 2 2
1 1
( ) 1 [1] [2] 1
4 2
A z a z a z z z

= + + = +
228
2
2
1
3
2
[3] [ ] [3 ]
3, [3]
xx xx
k
f
a k k
m a
E

=
+
= = =

2 2
2
[3] [1] [2] [2] [1] 1
,
2
xx xx xx
f
a a
E
+ +
= =
3
2
3 3 3 2
27 3
[3], (1 ( 1/ 2) )
64 4
f f
K a E E

= = = =



3 2 3 2
3 2 3 2
3 2 3 2
[ ] [ ] [3] [3 ], 1 2
1
1, [1] [1] [3] [2]
2
5
2, [2] [2] [3] [1]
8
a k a k a a k k
k a a a a
k a a a a
= +
= = + =
= = + =

1 2 3 1 2 3
3 2 2 3
1 5 1
( ) 1 [1] [2] [3] 1
2 8 2
A z a z a z a z z z z

= + + + = +

2. Un proces AR(2) este caracterizat de coeficienii filtrului
de predicie
2 2
3 1
[1] , [2]
8 2
a a = = .
Dac procesul AR(2) s-a obinut prin filtrarea unui zgomot
alb cu dispersia
2
w
, s se determine:
a) [ ], 0 2
xx
m m
b) coeficienii de reflexie
m
K , 1 2 m
c) eroarea de predicie
2
f
E .
Soluie
a) Ecuaiile Yule Walker sunt

2
1
, 0
[ ] [ ]
0, 1
p
w
xx k xx
k
m
m a m k
m p

=
=
+ =

unde p=2 este ordinul prediciei.
229
2
2 2
2 2
2 2
0 [0] [1] [ 1] [2] [ 2]
1 [1] [1] [0] [2] [ 1] 0
2 [2] [1] [1] [2] [0] 0
xx xx xx w
xx xx xx
xx xx xx
m a a
m a a
m a a



= + + =
= + + =
= + + =

Cum funcia de autocorelaie este par, rezult
2
3 1
[0] [1] [2]
8 2
3 1
[1] [0] [1] 0
8 2
3 1
[2] [1] [0] 0
8 2
xx xx xx w
xx xx xx
xx xx xx



+ + =
+ + =
+ + =

de unde rezult
2 2 2
64 16 26
[0] , [1] , [2]
45 45 45
xx w xx w xx w
= = =
b) Folosind relaia (3.56), cu
2 2
[2] K a = , se poate scrie

2 2 2
1 2
2
( ) ( )
( )
1
A z K B z
A z
K

, unde

1 2
2 2 2
2 1
2 2 2
( ) 1 [1] [2]
( ) [1] [2]
A z a z a z
B z z a z a


= + +
= + +

nlocuind datele problemei n relaiile precente i pe acestea n
relaia pentru
1
( ) A z , rezult
1
1
1
( ) 1
4
A z z

= + ,
1 1
1
[1]
4
K a = = .
c)
2 2
1
1
(1 [ ]) [0] (1 [ ])
m
f f
m m m xx k
k
E a m E a k

=
= =

1 2
1 1
2, [1] , [2]
4 2
m a a = = =

2 2
2
2
1 1
[0] 1 1
4 2
f
xx w
E


= =







230
3. Fie semnalul [ ] [ ] [ ] x n s n v n = + , unde [ ] s n este un proces
AR(1) caracterizat de ecuaia cu diferene
[ ] [ 1] [ ], s n as n v n = + ,
unde 0, 6 a = , [ ] v n este zgomot alb cu dispersia
2
0, 64
v
= , iar
[ ] w n este zgomot alb cu dispersia
2
1
w
= . Procesele [ ] v n i [ ] w n
sunt necorelate.
a) S se determine funciile de autocorelaie [ ]
ss
m i [ ]
xx
m ;
b) S se determine rspunsul la impuls al filtrului Wiener
FIR, de lungime M=2, pentru estimarea semnalului [ ] s n din [ ] x n .
c) S se determine eroarea ptratic medie minim de
estimare, pentru M=2.
Soluie

a)
1 1 2
1
1
( ) ( ) ( ) ( ) ( )
(1 )(1 )
ss v
z V z V z H z H z
az az

= = =



2 2
2
1
1
1
1 1
( )
v v
z
z z
a
a z a
z
z a z
a
a

= =

2 2
1 | |
2 2
1
[ ] { ( )} [ ] [ 1]
1 1
m
m m
v v
ss ss
m Z z a u m u m a
a a a

= = + =







nlocuind 0, 6 a = i
2
0, 64
v
= , rezult
| |
[ ] 0, 6
m
ss
m =
innd cont de (3.154), rezult

| | 2 | |
[ ] [ ] [ ] 0, 6 [ ] 0, 6 [ ]
m m
xx ss ww w
m m m m m = + = + = +
231
b)
1
0
2, [ ] [ ] [ ], 0,1
o xx dx
k
M h k l k l l
=
= = =

Folosind (3.154), relaia precedent devine

1
0
[ ][ [ ] [ ]] [ ], 0,1
o ss ww ss
k
h k l k l k l l
=
+ = =

Matriceal, aceasta se scrie

[0] [ 1] [0] [0]
[1] [0] [1] [1]
xx xx o ss
xx xx o ss
h
h

=




[0] 2, [ 1] [1] 0, 6
[0] 1, [1] 0, 6
xx xx xx
ss ss


= = =
= =
[0] 0, 4505
[1] 0,1648
o
o
h
h
=

c) Cu relaia (3.150) rezult

[ ] [ ] [ ] [ ] [ ]
2
0 0 0 1 1
1 0, 4505 (0,1648)(0, 6) 0, 45
ss ss ss
EPMM h h = =
= =

Eroarea poate fi redus prin mrirea ordinului filtrului, M.

4. n condiiile problemei precedente s se determine funcia
de sistem, funcia pondere i eroarea ptratic medie minim a
filtrului optimal IIR cauzal.
Soluie
Conform relaiei (3.183), funcia de sistem a filtrului IIR
optimal cauzal se determin cu relaia
( )
( )
( )
( )
2 1
1
xd
o
w
z
H z
G z G z
+

=



Conform figurilor (3.11) i (3.12),
2 1
( ) ( ) ( ), ( ) ( ), ( ) ( ) ( )
xx w xd ss
z G z G z z z X z S z W z

= = = +
232
1 1 1
1 1 2
( ) ( ) ( ) ( ( ) ( ))( ( ) ( ))
( ) ( ) ( ) ( ) ( ) ,
deoarece [ ] [ ] 0
xx
ss w
sw ws
z X z X z S z W z S z W z
S z S z W z W z z
m m




= = + + =
+ = +
= =

1
1 1
1 1
1 1
0, 64 3 3
( ) 1 1,8
(1 0, 6 )(1 0, 6 ) (1 0, 6 )(1 0, 6 )
xx
z z
z
z z z z

= + =


de unde rezult
2
1,8
w
= i
1
1
1
1
3
( )
1 0, 6
z
G z
z

( ) ( )
xd ss
z z =

1 1
1
( ) 0, 64 1 0, 6
1
( ) (1 0, 6 )(1 0, 6 )
1
3
0,8
0, 64 0,8
3
1
1 0, 6
1
(1 0, 6 ) 1
3
3
xd
z z
G z z z
z
z
z
z
z
z z

= =


= = +







( )
( )
1
0,8
0, 6
xd
z
z
z G z
+

1 1
1
4
1 0,8
9
( )
1 1
0, 6
1 1
3 3
1,8
1 0, 6
o
z
H z
z
z z
z

= =

4 1
[ ] [ ]
9 3
n
o
h n u n

=



233

( ) ( ) ( )
( ) ( ) ( )
{ }
1 1
1 1
1
2
Rez
dd o xd
C
dd o xd
toi polii din C
EPMM z H z z z dz
j
z H z z z

= =


= =

1
1 1
1
1
1
1
3
4
1 0, 64 0, 64
9
1
2 (1 0, 6 )(1 0, 6 ) (1 0, 6 )(1 0, 6 )
1
3
0, 356
1 0, 356 1
0, 6
1 1 1 2 2
1 (1 0, 6 )
3 3 0, 6
0, 356
0, 6
Re 0, 44
1 1
3 0, 6
C
C C
z
z dz
j z z z z
z
z
dz dz
j j
z z z z
z
z z

=


=

= =

5

5. n condiiile problemei 3, s se determine funcia de
sistem, funcia pondere i eroarea ptratic medie minim a filtrului
optimal IIR necauzal.
Soluie
Conform relaiei (3.190), funcia de sistem a filtrului Wiener
IIR necauzal este
( )
( )
( )
( )
( )
1
1
1
0, 64
(1 0, 6 )(1 0, 6 )
1 1 1
1 1
3 3
1,8
(1 0, 6 )(1 0, 6 )
xd ss
nc
xx ss
z z
z z
H z
z z
z z
z z

= = = =
+





234

1
1
0, 64 0, 3555
1 1 2(1 0, 3 0, 3 )
1 1
3 3
z z
z z

= =





care, evident este necauzal.
Eroarea ptratic medie minim se determin cu relaia (3.192)

( ) ( ) ( )
( ) ( ) ( )
( ) ( )
1 1
1 1
1
1
2
1
2
1
(1 )
2
nc dd nc xd
C
ss nc ss
C
ss nc
C
EPMM z H z z z dz
j
z H z z z dz
j
z H z z dz
j

= =


=

=

Integrandul expresiei de mai sus este

( ) ( )
1
1
1 1
1
1
1 1
(1 )
0, 64 0, 32
1
(1 0, 6 )(1 0, 6 ) 1 0, 3 0, 3
0, 64 0, 68 0, 3 0, 3
(1 0, 6 )(1 0, 6 ) 1 0, 3 0, 3
ss nc
z H z z
z
z z z z
z z
z
z z z z

=


= =




=


( )
( ) ( )
1
1
1
0, 6
0, 64 0, 64 0, 6
1 1 (1 0, 6 )(1 0, 6 )
3 ( 0, 6) 3
3 3
z z
z
z z
z z z z

=





Cum singurul pol din interiorul cercului unitate este
1
3
z = ,
reziduul corespunztor este

( ) 1
3
0, 64
0, 4
( 0, 6) 3
z
z
=
=

, adic 0, 4
nc
EPMM = .
Se observ, aa cum era de ateptat, c

2 nc
EPMM EPMM EPMM

< <