PNS Lucrarea 14 Filtre Wiener pentru filtrare i predicie

131
Lucrarea 14

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 [ ] n h , s fie liniar, iar ieirea sa s aproximeze un
semnal dorit. Situaia este ilustrat n figura 1.


Figura 1

unde: [ ] n s -semnalul util
[ ] n w -zgomot aditiv
[ ] n d -semnal dorit
[ ] [ ] [ ] n w n s n x + = -semnalul de intrare n filtru
[ ] n y -ieirea filtrului
[ ] [ ] [ ] n y n d n e = -secvena de eroare
Se disting trei cazuri :
1) [ ] [ ] n s n d = situaie cunoscut sub numele de filtrare;
2) [ ] [ ] 0 , > + = D D n s n d situaie cunoscut sub numele de predicie;
3) [ ] [ ] D n s n d = situaie cunoscut sub numele de netezire.

n continuare se va prezenta cazul filtrrii. Criteriul ales pentru optimizarea
rspunsului la impuls al filtrului este cel de minimizare a erorii ptratice medii.
Secvenele [ ] { } [ ] { } [ ] { } n d n w n s , , se presupun a fi 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 la impuls (FIR) sau cu rspuns infinit la inpuls (IIR).

1. Filtru Wiener cu rspuns finit la impuls

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

=
=
1
0
M
k
k n x k h n y (1)
Valoarea ptratic medie a erorii dintre ieirea dorit [ ] n d i ieirea filtrului este:
PNS Lucrarea 14 Filtre Wiener pentru filtrare i predicie
132
[ ] { } [ ] [ ] [ ]

= =

=
2
1
0
2
M
k
M
k n x k h n d E n e E (2)
unde [ ] [ ] { }
2 2
0
d dd
n d E = = , [ ] [ ] [ ] { }
dx
n E d n k x k = +
- funcia de corelaie dintre
secvena dorit i cea de intrare i [ ] [ ] [ ] { } k x k n x E n
xx
+ = - funcia de autocorelaie a
semnalului de intrare.

Coeficienii filtrului optimal FIR care minimizeaz eroarea medie ptratic i care
reprezint rspunsul la impuls al filtrului se calculeaz din ecuaiile Wiener-Hopf.
[ ] [ ] [ ] 1 0 ,
0
1
0
=

=
M m m k h k m
dx
M
k
xx
, (3)
cunoscute i sub numele de ecuaii normale. Ecuaia (3) poate fi exprimat i n form
matricial:
[ ][ ] [ ]
l M M
h = (4)
unde [ ]
M
M M
este matricea de autocorelaie, cu elementele [ ] k l
xx lk
= i [ ]
1
d
M
este un
vector cu elementele [ ] 1 ,..., 1 , 0 , = M l l
dx
. Soluia pentru coeficienii filtrului optimal este:
[ ] [ ] [ ]
d M
h
1
0

= (5)
iar erorea ptratic medie minim (EPMM) rezultat cu filtrul Wiener este:

[ ]
[ ] [ ] k h k EPMM
M
k
dx d M
hM
M 0
1
0
2
min

=
= = (6)
sau, matriceal :
[ ]
[ ] [ ] [ ]
d M
t
d d M
hM
M
EPMM
1 2
min

= = (7)
n continuare, se consider cteva cazuri particulare pentru ecuaiile Wiener-Hopf.
Semnalul dorit a fi estimat se consider de forma:
[ ] [ ] ( ) + = fixat D D n s n d , (8)
Filtrul liniar optimal opereaz asupra semnalului observat afectat de zgomot aditiv:
[ ] [ ] [ ] n w n s n x + = (9)
pentru a elimina zgomotul, producnd un rspuns [ ] n y care s aproximeze [ ] D n s + . Natura
filtrului optimal este legat de alegerea lui D.
Pentru 0 = D , se obine cazul filtrrii clasice care are rolul de a nltura zgomotul
aditiv, lsnd nedistorsionat semnalul [ ] n s .
Pentru 0 < D , filtrul de netezire optimal va produce o versiune ntrziat cu D uniti
a semnalului de informaie.
Pentru 0 > D , filtrul predictor optimal va produce la ieire o versiune anticipat a
semnalului de informaie.
Dac semnalul [ ] n s i zgomotul [ ] n w sunt necorelate, cum este de obicei cazul n
practic, atunci:
PNS Lucrarea 14 Filtre Wiener pentru filtrare i predicie
133

[ ] [ ] [ ]
[ ] [ ] D k k
k k n
ss ds
ww ss xx
+ =
+ =


(10)
iar ecuaiile normale devin:

[ ] [ ] [ ] [ ] [ ]

=
+ = +

=
1 ,..., 0
1
0
M m
D m k m k m k h
ss ww ss
M
k

(11)
Matricele de corelaie sunt Toeplitz i se poate folosi algoritmul Levison-Durbin generalizat
pentru aflarea coeficienilor filtrului optimal.

Exemplul 1 Funcia `wi ener f i r ` determin coeficienii filtrului FIR Wiener i eroarea
ptratic medie minim (EPMM
M
) avnd ca argumente de intrare secvena [ ] x n i semnalul
dorit [ ] s n precum i ordinul filtrului M:

f unct i on [ h, mmse] =wi ener f i r ( x, s, M) ;
%cal cul eaza coef i ci ent i i f i l t r ul ui opt i mal FI R r ezol vi nd ecuat i i l e %Wi ener -
Hopf
%[ h, mmse] =wi ener f i r ( x, s, M) ;
%h=vect or col oana ce cont i ne coef i ci ent i i f i l t r ul ui opt i mal
%mmse er oar ea medi e pat r at i ca mi ni ma cor espunzat oar e f i l t r ul ui %opt i mal
%x[ n] =s[ n] +w[ n] semnal ul af ect at de zgomot ul de t i p al b w[ n]
%s semnal ul ut i l ce t r ebui e est i mat cu aj ut or ul f i l t r ul ui opt i mal
L=l engt h( x) ;
r xx=xcor r ( x, ' bi ased' ) ;
r sx=xcor r ( s, x, ' bi ased' ) ;
r sxM=r sx( L: L+M- 1) ' ;
Rxx=t oepl i t z( r xx( L: L+M- 1) ' ) ;
h=( Rxx^- 1) *r sxM;
mmse=var ( s) - h' *r sxM;

a)scriei un program Matlab (vezi p14_1) n care generai o secven de tip zgomot alb
[ ] v n cu variana 64 . 0
2
=
v
(vezi randn), pe care o filtrai printr-un filtru IIR cu un pol. Peste
secvena obinut [ ] s n suprapunei o secven de tip zgomot alb [ ] w n cu variana 1
2
=
w

rezultnd secvena [ ] x n .
b)filtrai secvena [ ] x n cu filtrul cu coeficienii b=[0.451 0.165]; a=[1]. Calculai
EPMM cu ajutorul relaiei (2).
c) determinai coeficienii filtrului FIR pentru M=2 folosind funcia prezentat mai
sus. Filtrai acum secvena [ ] x n cu filtrul rezultat. Ct este EPMM n acest caz? Comentai.
d) filtrai secvena [ ] x n cu un filtru FIR de ordinul 2 cu coeficienii alei la ntmplare.
Calculai EPMM cu ajutorul relaiei (2). Ce observai?
e) refacei subpunctul c) pentru M=6,10,40,100,200. Ce observai? Comentai.

%Pr ogr amp14_1

%Exempl ul 1
cl c
L=1000;
si gmav=0. 8;
si gmaw=1;
a=0. 6;
v=r andn( 1, L) *si gmav;
PNS Lucrarea 14 Filtre Wiener pentru filtrare i predicie
134
s=f i l t er ( 1, [ 1 - a] , v) ; %semnal ul ut i l
x=s+si gmaw*r andn( 1, L) ; %semnal ul af ect at de zgomot
M=2;
%det er mi nar ea coef i ci ent i l or f i l t r ul ui Wi ener FI R
[ h, mmse] =wi ener f i r ( x, s, M) ; %

f pr i nt f ( ' Exempl ul 1\ n Fi l t r u WI ENER FI R\ n\ n' , e0)

%f i l t r ar e cu f i l t r ul FI R dedus t eor et i c ( pct . b)
s0=f i l t er ( [ 0. 451 0. 165] , 1, x) ;
e0=sum( ( s0- s) . ^2) / L;
f pr i nt f ( ' Ex. 1 pct . b : EPMM = %f \ n' , e0)

%f i l t r ar e cu f i l t r ul FI R cal cul at cu " wi ener f i r " ( pct . c)
s1=f i l t er ( h, 1, x) ;
e1=sum( ( s1- s) . ^2) / L;
f pr i nt f ( ' Ex. 1 pct . c : EPMM = %f \ n' , e1)

%f i l t r ar e cu un f i l t r u FI R oar ecar e ( pct . d)
s2=f i l t er ( [ 0. 2, 0. 16] , 1, x) ;
e2=sum( ( s2- s) . ^2) / L;
f pr i nt f ( ' Ex. 1 pct . d : EPMM = %f \ n\ n' , e2)


2. Filtru Wiener cu rspuns infinit la impuls

n cazul filtrelor IIR, ieirea acestora este:
[ ] [ ] [ ]

=
=
0 k
k n x k h n y (12)
Coeficienii filtrului rezult din minimizarea erorii ptratice medii dintre semnalul de ieire
dorit [ ] d n i [ ] y n , adic:
[ ] { } [ ] [ ] [ ]
2
0
2

=
= =
k
M
k n x k h n d E n e E (13)
Filtrul cauzal optimal Wiener are funcia de sistem:

( )
( )
( )
( )

=

+
1 2
1
z G
z
z G
z H
dx
i
opt

(14)
unde
( ) ( ) ( )
1 2
= z G z G z
i xx
( )

=
k
k
dx dx
z k z ) ( (15)
iar [ ]
+
reprezint doar partea cauzal a funciei n Z din interiorul parantezelor.
Eroarea ptratic medie minim se poate calcula cu relaia:
( ) ( ) ( ) [ ] dz z z z H z
j
EPMM
C
dz opt dd
1 1
2
1

(16)

PNS Lucrarea 14 Filtre Wiener pentru filtrare i predicie
135
Exemplul 2. Cu aceleai secvene generate anterior filtrai secvena [ ] x n cu un filtru IIR cu
coeficienii [9/ 4] b = ; [1 1/ 3] a = . Calculai

EPMM folosind relaia (13). Ce observai?

Comentai.

%Exempl ul 2 ( Cont i nuar e l a p14_1)
%f i l t r ar e cu f i l t r ul Wi ener I I R
bo=4/ 9;
ao=[ 1 - 1/ 3] ;
s4=f i l t er ( bo, ao, x) ;
e4=sum( ( s4- s) . ^2) / L;
f pr i nt f ( ' Exempl ul 2\ nFi l t r u WI ENER I I R : EPMM = %f \ n' , e4)



3. Aplicaie propus:

Fie semnalul de mai jos:

999 : 0 051 . 0 013 . 0 ) 2 sin( ) 2 sin( ] [
2 1 2 1
= = = + = n f f n f n f n s

Peste semnalul [ ] s n se suprapune o secven de tip zgomot alb cu variana
25 . 0
2
=
w
, ] [ ] [ ] [ n w n s n x + = .
a) cu ajutorul funciei wi ener f i r determinai coeficienii filtrului Wiener FIR
optimal cu M=20 i filtrai secvena [ ] x n cu acest filtru. Reprezentai pe aceeai figur cele
trei secvene [ ] s n , [ ] x n i 1[ ] s n rezultat n urma filtrrii lui [ ] x n n culori diferite. (Vezi
p14_2). De asemenea, calculai eroarea medie ptratic EPMM rezultat.
b) repetai punctual a) pentru diverse valori ale ordinului filtrului FIR M=40, 100. Ce
observai? Comentai.