Documente Academic
Documente Profesional
Documente Cultură
DORINA ISAR
MBUNTIREA RAPORTULUI
SEMNAL PE ZGOMOT
N SISTEMELE DE TELECOMUNICAII
Tez de doctorat
Conductor tiinific
Prof. dr. ing. IOAN NAFORNI
Timioara 1998
PREFA
Aceast tez a fost realizat n cadrul colectivului condus de
domnul profesor doctor inginer IOAN NAFORNI, ale crui caliti
tiinifice i pedagogice au contribuit n mare msur la definitivarea
prezentei teze. Alegerea acestei teme s-a concretizat la propunerea
domnului profesor doctor inginer IOAN NAFORNI, fa de care
doctorandul i exprim ntreaga sa recunotin. Autoarea tezei
mulumete domniei sale pentru ndemnuri i sfaturi, exigen,
solicitudine i disponibilitate, manifestate pe ntreaga perioad de
pregtire a tezei.
Dotorandul mulumete n mod deosebit profesorilor
refereni, doamnei profesor doctor inginer ADELAIDA MATEESCU,
domnului profesor doctor inginer VIOREL POPESCU, domnului
profesor doctor inginer ALEXANDRU ERBNESCU, domnului
profesor doctor inginer ALIMPIE IGNEA, pentru bunvoina de a fi
acceptat s parcurg lucrarea i pentru aprecierile i recomandrile fcute.
Dintre colegi, autoarea mulumete n mod deosebit
domnului ef lucrri Tibor Asztalos pentru ajutorul oferit la elaborarea
primelor programe i soului, confereniar doctor inginer Alexandru Isar,
pentru numeroasele discuii constructive avute pe tema tezei. Autoarea
este recunosctoare tuturor colegilor care prin amabilitate, prietenie i
competen tiinific au ncurajat realizarea prezentei teze.
Multe mulumiri sunt adresate soului, prinilor, socrilor i
fiicei pentru sprijinul moral i ajutorul oferit cu dragoste, fr de care
finalizarea acestei teze la aceast dat nu ar fi fost posibil.
Autoarea este recunosctoare tuturor profesorilor din
Facultatea de Electronic i Telecomunicaii din cadrul Universitii
Politehnica din Timioara, pe care i-a avut ca dascli i care au
contribuit la formarea sa tiinific.
CAPITOLUL 1. INTRODUCERE
Unul dintre dezideratele fundamentale n telecomunicaii
este transmiterea la o distan ct mai mare a informaiei care s poat fi
recepionat corect. Dar informaia este transportat cu ajutorul
semnalelor. n procesul de transport al informaiei apar inerent semnale
nedorite suprapuse peste semnalul util, care afecteaz coninutul
informaional al semnalelor utile (cele care poart informaia). O alt
denumire pentru semnalele nedorite este aceea de zgomote. ntotdeauna la
intrarea unui receptor este prezent un amestec de semnal util i zgomot.
Pentru aprecierea prilor de semnal util i de zgomot din cadrul
semnalului de la intrarea receptorului se folosete aa-numitul raport
semnal pe zgomot, RSZ. Aceast mrime reprezint raportul dintre
puterea semnalului util i puterea zgomotului care compun semnalul de la
intrarea n receptor.
Raportul semnal pe zgomot este un indice global al calitii
semnalului de la intrarea receptorului. Este vorba de unul dintre primii
indici globali utilizai n telecomunicaii i este specific transmisiilor
analogice.
n prezent se folosesc tot mai mult sisteme de transmisie
mixte care nglobeaz att subsisteme analogice ct i subsisteme
numerice. n cazul transmisiilor numerice se realizeaz o protecie
suplimentar la perturbaii folosind tehnicile de codare. Eficiena acestei
protecii este apreciat cu ajutorul unui alt indice global, definit ca
raportul dintre numrul biilor eronai i numrul total de bii, BER. n
prezent se obinuiete ca un sistem de telecomunicaii s fie caracterizat
de dependena indicelui BER de la ieire de raportul RSZ de la intrare.
Iat de ce i n cazul acestor sisteme este important noiunea de raport
semnal pe zgomot. Trebuie afirmat c i n cazul sistemelor pur numerice
se utilizeaz noiunea de RSZ. n acest caz zgomotul este asociat cu
distorsiunile produse de sistemul de prelucrare considerat [Cla.,Mec.85],
[Duv.91], [End. Ver.92], [Naf.,Cam.,Isa.95], [Wec.89].
Astfel, RSZ are toate calitile unui indice global :
simplitate, universalitate, uurin de calcul,... dar i toate defectele unui
astfel de indice, dintre care cel mai mare este c nu caracterizeaz n nici
un fel coninutul informaional al semnalului util. Oricum, n cazul n care
RSZ este mic este necesar creterea sa pentru o bun separare a
semnalului util de zgomot, condiie necesar pentru extragerea din
semnalul util a informaiei pe care o poart.
unde u(t) reprezint rspunsul filtrului considerat la semnalul util s(t) iar
nB0(t) reprezint rspunsul aceluiai sistem dar la semnalul aleator nB(t).
RSZ la ieirea filtrului este :
Pu
RSZ 0 =
PnB0
mbuntirea raportului semnal pe zgomot se poate aprecia
prin valoarea parametrului definit astfel :
= RSZ 0
(1.1)
RSZ i
Admind c filtrul este ales n aa fel nct :
(1.2)
P u = Ps
valoarea mbuntirii raportului semnal pe zgomot este :
= Pu
P nB0
Densitatea spectral de putere a semnalului nB0 este legat de
densitatea spectral de putere a semnalului nB, conform relaiei [Sp.87] :
2
nB0 = H() nB
nB0 () = N 0 H()
Rezult valorile pentru puterea semnalului aleator de la intrare :
N0
N0 B
1
PnB =
(
)
d
d
nB
2 B
2 B
2
i puterea semnalului aleator de la ieire :
N
1
2
2
PnB0 =
B N 0 H() d = 0 B H() d
2
2
mbuntirea raportului semnal pe zgomot este deci :
B
=
2
B H( ) d
(1.3)
(1.4)
(1.5)
2 -
Expresia semnalului util de la ieire fiind :
s( ) h(t - )d
1
u(T) = H() S() e jT d
2 -
iar expresia RSZ la ieire devine :
2
1
jT
d
H() S() e
2 -
RSZ 0 =
1
| H() |2 n () d
2 -
Este binecunoscut inegalitatea lui Schwartz :
(1.6)
A( ) B
* ( )
2
d |A( ) | d |B( ) |2 d
-
-
Fie :
A( ) = H( ) [ n ( )]
* ()
B
Ultima inegalitate devine :
1
2
1
= S() e jT [ n () ] 2
|S( ) |2
|H(
)
|
(
)|
d
d
| n
-
- | n ( )|
-
Folosind aceast inegalitate, pentru relaia (1.6) avem :
1 |S( ) |2
d
RSZ0
(1.7)
2 - | n ( )|
S-a obinut n acest mod valoarea maxim a RSZ la ieirea
filtrului cu rspuns la impuls h(t), la momentul T, pentru semnalul de
intrare s(t). Dup cum se tie, semnul egal n inegalitatea lui Schwartz se
obine pentru :
A( ) = K B( )
unde K este o constant. Aceast relaie se mai scrie :
H( )S( ) e jT d
H() [ n () ]
1
2
= K S () e
*
jT
[[ ()] ]
n
1
* 2
Deci :
H() =
K S* () e jT
1
2 2
()
adic :
K S () e jT
| n () |
S-a obinut astfel rspunsul n frecven al filtrului care
maximizeaz RSZ al semnalului y(t) la momentul T, cu excepia unei
constante multiplicative.
Dup cum se vede, acest rspuns n frecven depinde de
spectrul semnalului determinist s(t) de la intrare i de densitatea spectral
de putere a zgomotului n(t) de la intrare. Cunoscnd deci aceste
caracteristici ale semnalului de intrare se poate determina rspunsul n
frecven H(). Sistemul cu acest rspuns n frecven se numete filtru
adaptat la semnalul x(t).
H() = K S () e jT | n () |-1 =
N0 -
N0
i deci proporional cu autocorelaia semnalului s(t). Deci :
K
u(T) =
R s (0) u(t)
, () t R {T}
N0
Valoarea maxim a RSZ devine n acest caz :
1 1
E
RSZ 0 max =
| S() |2 d =
(1.8)
2 N 0 -
N0
unde cu E s-a notat energia semnalului s(t). Dependena de timp a RSZ
este n acest caz :
| K N 01 R s (t T) |2
| R s (t T) |2
RSZ 0 =
=
N0 E
1 2 2
K N 0 | S() |2 N 0 d
2 -
Dac pentru constanta K se alege valoarea N0, expresia rspunsului n
frecven al filtrului adaptat devine :
H() = S () e jT
iar rspunsul la impuls al acestui filtru este :
h(t) = s(t T)
Pentru ca filtrul adaptat s se poat construi este necesar ca
el s fie cauzal. Avem astfel :
h( t ) 0 , t < 0 u(t) = 0 , t < 0
(1.9)
10
t0 + T > 0 t0 < T
Deci se pot construi filtre adaptate doar pentru semnale de durat limitat
iar momentul la care se maximizeaz RSZ nu poate apare dect dup
terminarea semnalului s(t). Aceast constatare exclude utilizarea filtrelor
adaptate n aplicaiile de timp real. Motivul expus mai sus implic de
obicei ca filtrele adaptate s nu poat fi construite exact, dar pot fi
construite filtre ale cror caracteristici s aproximeze caracteristicile
filtrelor adaptate. Filtrele adaptate se utilizeaz n construcia
detectoarelor optimale .
n continuare se va demonstra c filtrele adaptate pot fi
utilizate i n scopul separrii n domeniul timp a unor semnale diferite
deoarece mbuntesc rezoluia temporal a capacitii de separare a
dou impulsuri apropiate. Fr filtrare adaptat aceast rezoluie este
aproximativ egal cu durata t0 a primului impuls. Dup filtrarea adaptat,
avnd un semnal de tip impuls cu durata t0, rezoluia temporal este
determinat de durata autocorelaiei impulsului , care, conform
[Cou.84], este invers proporional cu banda efectiv a semnalului,
notat cu B. Este clar c pentru semnale de band larg este valabil
relaia:
1
< t0
B
Deci folosind filtrarea adaptat se poate mbunti rezoluia temporal
considerat, cu att mai mult cu ct semnalul considerat este de band
mai larg. Este de exemplu cazul semnalelor de tip "chirp" sau al celor
pseudoaleatoare. Semnalul de tip "chirp" st la baza aplicaiilor din
radiolocaie. Calculul valorii maxime a RSZ la ieirea unui filtru adaptat
la semnal "chirp" este prezentat n [Isa.95].
Un exemplu de semnal des ntlnit n telecomunicaii este
semnalul dreptunghiular. Pentru determinarea unui filtru adaptat la
impuls dreptunghiular considerm expresia analitic a impulsului
dreptunghiular avnd o durat t0 :
t
t
s(t) = A t + 0 t 0
2
2
Energia sa este :
E = A2 t0
Rspunsul la impuls al filtrului adaptat la acest semnal este pentru, K = 1:
t
t
h(t) = A T t + 0 T t 0
2
2
11
Dar acesta este rspunsul la impuls al unui integrator ideal care poate fi
aproximat printr-un filtru trece jos RC de ordinul I, cu rspunsul n
frecven :
1
H( ) =
1 + jRC
avnd rspunsul la impuls h(t) dat de relaia :
t
1
h(t) =
e RC (t)
RC
Rspunsul indicial al aceluiai sistem este :
t
(t)
RC
r(t) = 1 - e
t
t
u(t) = A r t + 0 r t 0
2
2
u(T) = A r(t 0 ) = A 1 e RC
De aceea :
2
0
2
u(T) = A 2 1 e RC
N 0 d =
=
P n0 =
2 - 1 + 2 R 2 C2
2 RC - 1 + u 2
1
N
0
=
arctg u | = N 0
2 RC
2RC
-
Deci valoarea maxim a RSZ la ieirea integratorului RC rezult :
t
t
- 0
- 0
2
2 1 e RC
RC
2 RCA 1 e
A
=
RSZ 0 =
N0
N0
2RC
Valoarea maxim a RSZ la ieirea filtrului adaptat la dreptunghi este
conform relaiei (1.8) :
12
A2 t0
E
RSZ 0 max =
=
N0
N0
Deci, fcnd raportul ntre mbuntirea RSZ la ieirea integratorului i
mbuntirea RSZ la ieirea filtrului adaptat, avem :
2
RSZ 0
RSZ 0 max
0
2
2RCA 1 e RC
N0 =
=
N0
A2 t0
2
t
0
RC
1 e RC
= 2
t 0
OBSERVATII
O1. De obicei problema zgomotului colorat, care perturb semnalul de
intrare, poate fi redus la problema mai simpl a zgomotului alb prin
prefiltrarea semnalului de prelucrat x(t) cu un filtru de albire. Construcia
unor astfel de filtre este prezentat de exemplu n [Wha.71].
O2. Dei, n general, filtrele adaptate sunt nerealizabile, ele pot fi bine
aproximate cu filtre fizic realizabile.
O3. Principala aplicaie a filtrelor adaptate este n detecia optimal a
semnalelor de form cunoscut, perturbate aditiv. Acest lucru se
datoreaz faptului c la momentul T se poate lua relativ uor decizia
referitoare la prezena semnalului s(t) la intrare, deoarece RSZ la ieire
este maxim i rezoluia temporal la ieire este superioar celei de la
intrare (durata efectiv a semnalului u(t) este inferioar celei a semnalului
s(t)).
O4. Din pcate forma semnalului u(t) nu este de loc asemntoare formei
semnalului s(t). n aplicaiile n care se dorete s nu se afecteze forma
semnalului trebuiesc folosite altfel de filtre (Wiener, Kalman sau Bucy).
13
14
Ps
Pu
RSZ 0 =
Pu
P n B0
RSZ 0 P u P u
=
RSZ i P s P nB0
1
N 0 d = N 0
2 -
1
N0
2
| H() |2 d
N 0 | H() | d =
P nB0 =
2 -
2 -
de aceea :
N0
N o | H() 2 d
|
2 -
| H() |
15
1 S()
RSZ 0
d
2 n ( )
Pentru rspunsul n frecven al filtrului care maximizeaz RSZ al
semnalului de la intrare la momentul N vom avea :
H () = K S* () e jN [ n ()]
K *
S () e jN 0
N0
16
17
FILTRARE LINIAR
H() =
(2.1)
1 + 2 n
H1 () =
1
1 + 2
d
2
= arctg | =
B z1 = H1 () d =
2
1
+
-
-
-
n aceast relaie s-a considerat c semnalul n(t) este un
zgomot alb de band nelimitat. n ipotezele capitolului anterior (semnalul
nB(t) zgomot alb de band limitat, B), s-ar fi obinut :
B z1 =
B
2
-
1 + 2
= arctg
B
2
B
2
18
B
2
= 2arctg
B
2
1
1 + 4
2 2 2 + 1
2 2 2 + 2 + 1
1
1
2
+
2 2 + 1
1
1
2
2 + 2 + 1
Bz2 =
B
2
2 2
1
2 2
2
B 2 + 1
1
2
B
2
B
2
+ 2 + 1
1
2
B
2
2
B 2 + 1
B
2
B
2
+ 2 + 1
B
2
2 + 1
1
2
B
2
B
2
( 2 2 ) d
2
2 + 1
2
2
B
2
B
2
d
2
2 + 1
(2 2 )d
2 + 1
= ln 2 + 1
19
B
2
B
= ln
B 2 2 2B + 4
B 2 + 2 2B + 4
i :
B
2
2
B 2 + 1
= 2arctg
1
2
2
2
B
2
B
B
2
B
2
2
2 arctg 2
== 2 arctg 2
1
1
2
2
Se deduce analog :
B
2
B
2
+
d
2
2 arctg 2 2
=
2
arctg
2 + 2 + 1
1
1
2
2
2
B
2
B
2
+ 2 + 1
1
2
B
2
B
2
( 2 + 2 )d
2 + 2 + 1
2
2
B
2
B
2
d
2
+ 2 + 1
(2 + 2 )d
2
B + 2 + 1
= ln + 2 + 1
B
2
B
= ln
B 2 + 2 2B + 4
B 2 2 2B + 4
1
2 2
ln
B 2 2 2B 4
1
B
1
B
+
arctg
1
+
arctg
+ 1
2
2
B + 2 2B + 4 2
2
20
Bz2 =
+
- 1 +
arctg
2
1
B 2 2 2B + 4
ln 2
+
= lim
2
2
B
+
2
2
B
+
4
B
B
B
1
arctg
+ 1 =
1 +
2
2
2
2
20 log | H I () | =
20n log , > 1
(2.2)
2
20 log H I () =
40n log , > 1
2
20 log|H()|2
20 log|H()|
21
log
[dB]
[dB]
log
I
II
I
II
-3
III
III
-6
a).
b).
H() H I ()
(2.3)
(2.4)
B
2
B
2
B
2
H I () d = 2 H I () d
0
1
2n
2 n +1
B z 2( d + d ) = 21 +
1 - 2n
0
1
B
2
22
B
2
2 n +1
2 n +1
B
B
2
2
1
4
n
2
=
+
= 2 1 +
1 - 2n
2 n 1 2 n 1
2n 1
Bz sup
B
2
4n
2
=
2n 1
2n 1
|H()|2
I
II
III
-1
4n
2n 1
23
3,
20lo g | H III () |=
20n log 3,
1
>1
ct i :
20 log | H() | 20 log | H III () |
sau :
20 log | H() |2 20 log | H III () |2
n aceast ultim relaie, conform notaiei din relaia (2.2), avem :
6,
20 log | H III () |2 =
40n log 6,
1
>1
1
>1
Se mai observ c :
2
H III () =
1
2
H I ()
2
Membrul stng al acestei relaii reprezint curba III iar membrul drept curba I din figura 1.2. Deci :
2
H()
1
2
H III ()
2
i prin urmare :
24
Bz
B
2
1
2
H III () d = Bz sup
2
B
Bz inf
2 n +1
2
1 4n
2
=
2 2n 1
2n 1
2n
2n - 1
H() =
1 +
0
25
2n
Bz1 = 2 0 arctg
B
2 0
2 + 2 + 1 2 0
2
ln 2
Bz 2 = 0
+ 0 arctg
2 2
2 + 1 B
1 2
2 2
2 0
2 0
B
2 0
0
2
2
1
Bz s = 2 d + 2 n d = 2 0 +
2 n +1
1 2n
0
0
0
1
Bz i = 0 +
2 n +1
1 2n
0
S()
N0
2
T
4 6
T T
H()
1
A
26
U()
n0()
2 4 6
T
T T
Figura 2.3. mbuntirea raportului semnal pe zgomot
pentru un semnal periodic, prin filtrare.
O2. Caracteristicile asimptotice depind doar de ordinul filtrului i nu de
tipul de aproximare utilizat. De aceea marginea Bzs este aceeai i pentru
filtrele de tip Bessel. Se poate determina i pentru acest tip de aproximaie o
margine inferioar pentru banda de zgomot, numai c expresia acestei va fi
diferit de Bzi deoarece intersecia caracteristicii reale (curba II din figura
2.1a)), n cazul aproximrii de tip Bessel nu mai are coordonatele (0, -3dB)
, ci depinde de ordinul filtrului. Metoda propus ar putea fi utilizat i n
cazul aproximrii de tip Cebev chiar dac, n acest caz, caracteristica real
(curba II din figura 2.1a)) oscileaz n jurul caracteristicii asimptotice (curba
I) n banda de trecere. Avnd n vedere ns c amplitudinea oscilaiilor este
mic, metoda propus conduce la rezultate bune.
O3. Metoda de estimare a benzii echivalente de zgomot poate fi generalizat
cu uurin i pentru cazul filtrelor de tip trece sus, trece band sau oprete
band, prin transformri de variabil.
O4. O categorie de semnale deterministe de putere finit este cea format
din semnale periodice. n figura 2.3 se prezint un exemplu de mbuntire
a raportului semnal pe zgomot al unui semnal periodic, prin filtrare.
Se observ c, n exemplul considerat, relaia (1.2) este
satisfcut. De asemenea avem determinat puterea semnalului aleator de la
intrare conform relaiei (1.3) :
N0 B
PnB =
2
i puterea semnalului aleator de la ieire corespunztor relaiei (1.4) :
Pn B0 =
N0
M
2
N0
B
B
2
=
3 =
N0
M M
2
Exist o categorie de filtre analogice, filtrele transversale, prin
a cror utilizare raportul semnal pe zgomot poate fi mbuntit i mai mult.
Un exemplu este prezentat n figura 2.4.
Considernd c semnalul x(t) este acelai ca i n cazul
exemplului din figura 2.3, pentru tipul de filtru din figura 2.4, se obine :
N0
B
B
2
=
4 =
N0
C C
2
a0
a0x(t)
a1
a2
an-1
a1x(t-)
an
anx(t-n)
+
y(t)
Figura 2.5. Schema bloc a unui filtru transversal.
Se cunoate legtura dintre semnalele de intrare i de ieire:
y(t) = a 0 x(t) + a 1x(t ) + a 2 x(t 2) + ... + a n x(t n)
Lund transformata Fourier n cei doi membrii ai acestei relaii, se obine:
Y( ) = a 0 X( ) + a 1 e j X( ) + ... + a n e j n X( )
Deci rspunsul n frecven al filtrului transversal analogic este :
n
2
Y()
2
= H T () = a k e - j + k = H T +
X()
k =0
1
n +1
, k = 0, n
29
H T () =
1
n +1
sin (n + 1)
2
sin
2
n
j
e 2
Fcnd notaia :
x =
se observ c :
1
2
HT k =
n + 1
lim
1 n
1 n
E {n B0 (t)} = E
n
(t
k
)
=
E {n B (t - k}
B
n
+
1
n
+
1
k =0
k =0
1 n
0=0
n + 1 k =0
30
(2.5)
{n 2B0 (t)} =
1
E
n + 1
n B (t - k)
k =0
(n + 1) 2 k = 0
E { n 2B (t
- k)} +
n B ( t k)n B ( t l) =
l = 0,
lk
n
n 2
E
n
(
t
k
)
=
B
(n + 1) 2 k = 0
k =0
E { n B (t - k) n B (t - k)}
(n + 1) 2 k = 0
nB()
N0
B
2
B
2
31
(2.6)
R n B n B (t) = N 0
2
B
2
B
2
jt
d = N 0
2 jt
B
2
d(e
B
2
jt
) = N 0 e jt
2 jt
B
2
= N0
B 2 jt
2
B
j Bt
j t
e 2 e 2 =
Bt
B
t
sin
2
2 = N 0 sin Bt = N 0 B
Bt
2
2 jt
t
2
2
N 0 2j sin
Se constat c :
2
R n Bn B k = 0
B
( ) k Z {0}
(2.7)
2
E{n B (t - k)n B (t - l)} = R n B n B ((l - k) ) = R n B n B (l - k) =
0
2
= R n B n B (l - k)p = 0
B
Deci, dac se respect condiia :
B = p 0 ,
p Z {0}
(2.8)
atunci relaia (2.6) devine :
Pn B0 = E n 2B0 ( t ) = P n
(2.9)
n +1
Prin urmare se poate afirma c, dac la intrarea unui mediator analogic se
aduce semnalul x(t) :
x(t) = s(t) + n(t)
unde s(t) este un semnal periodic de perioad si n(t) un zgomot alb de
band limitat, B, i se respect condiia (2.8), atunci la ieirea
mediatorului se obine un semnal y(t) :
y(t) = u(t) + n B0 (t)
cu Ps = Pu i o mbuntire a raportului semnal pe zgomot de :
PnB
=
P nB0
sau, folosind relaia (2.9) :
32
= n + 1
(2.10)
Se constat c mbuntirea raportului semnal pe zgomot
obinut astfel este egal cu numrul liniilor de ntrziere ale filtrului
transversal folosit.
OBSERVAII
O1. Avnd n vedere c p din condiia (2.8) poate fi orice numr ntreg
nenul, aceast condiie nu este prea restrictiv.
O2. Relaia (2.10) arat c mbuntirea raportului semnal pe zgomot
introdus cu metoda descris poate fi orict de mare, principala limitare
fiind impus de complexitatea sistemului de filtrare obinut.
O3. Caracteristica de faz a mediatorului analogic (relaia (2.5)) este
liniar pe poriuni. Deci o dat cu creterea ordinului filtrului transversal
va crete i ntrzierea introdus de acesta.
O4. Construcia unor sisteme de acest tip este dificil datorit dificultii
cu care se construiesc liniile de ntrziere analogice. De obicei filtrele
transversale analogice se construiesc cu ajutorul filtrelor transversale
numerice [Naf., Isa.91] sau cu ajutorul dispozitivelor de transfer de
sarcin [Eze.,Jen.92]. iniile de ntrziere pot fi realizate i cu ajutorul
filtrelor trece tot.
O5. Filtrul transversal este una din structurile de baz folosite n
construcia sistemelor cu parametrii variabili n timp, ca de exemplu a
filtrelor adaptive. Aceast observaie este important deoarece nici un
semnal ntlnit n telecomunicaii nu este pur periodic. Multe semnale
cvasistaionare (folosite frecvent n telecomunicaii) pot fi privite ns ca
o succesiune de semnale periodice pe poriuni. Raportul semnal pe
zgomot n aceste cazuri poate fi crescut prin utilizarea unor filtre
transversale cu parametrii variabili n timp.
O6. Performana specificat de relaia (2.10) este atins doar dac
zgomotul care trebuie nlturat este alb. De ndat ce aceast condiie nu
mai este ndeplinit performanele filtrului transversal devin mai slabe.
O7. Este evident c, pentru construcia filtrului transversal este necesar
cunoaterea perioadei semnalului s(t), . Din pcate aceast mrime nu
este ntotdeauna cunoscut. n aceste cazuri poate fi utilizat detecia
sincron.
2.3. Benzi echivalente de zgomot ale unor filtre numerice
= a k cos( k) + a k sin( k)
k =0
k =0
N
N
N
2
2
=
+
a
cos
k
a
cos
k
( )
k
k ( )
k =0
k =1
k =0
N
N
2
2
a k sin( k) = a k sin ( k) +
k =0
k =1
34
a k a l cos( k) cos(l)
l=0,
lk
N
a k a l sin( k) sin(l)
k =1 l=1,
lk
(2.11)
a 2k
k =0
( sin 2 k + cos2 k ) +
k =1 l=1,
lk
sau :
2
H() =
a 2k
k=0
a k a l cos(k - l)
(2.12)
k = 0 l = 0,
lk
2
2
sau, innd cont de (2.12) :
N
1 N 2
2
S(
)
d
+
2 k = 0 k -
= '0
k
a k a l cos(k - l) S() d = P s
l = 0,
lk
adic :
N 2 N
R ss [0] a k +
k =0 k =0
2
a k a l 2 cos[(k - l)]S() d = R ss[0]
l = 0,
lk
Dar :
35
1
2
S() cos[(k - l)]d =
1 1
1
2 j(k - l)
2
S(
)
d
+
S() e j(k - l) d =
=
2 2
2
1
= {R ss [k l] + R ss [l k ]} = R ss [k l]
2
De aceea :
N N
N 2
a k R ss [0] + a k a l R ss [k - l] = R ss [0]
k = 0 l = 0,
k =0
l k
sau :
N
N
a
R
[0]
=
1
k ss
k =0
k =0
a k a l R ss[k - l]
l = 0,
l k
H()
d = 2 a 2k
k=0
a k a l cos (k - l) d
k = 0 l = 0,
lk
Dar :
1
1
d[
(k
l)
]
=
k
l
cos
(k
l)
d
=
sin
sin
(
)
[
] = 0; k l
k
l
k
l
H() d = 2 a 2k
k =0
36
(2.13)
N =
1
(2.14)
a 2k
k =0
a 0, N =
a 20
RN + N 1
RN N
RN - N + 1
RN N
2
OBSERVAII
O1. Acest algoritm nu se poate aplica n cazul semnalelor s[n] la care
Rss[N] = 0.
O2. Problema optimizrii filtrului RFI de ordin N este una de extreme cu
legturi. ntr-adevr, trebuie minimizat funcionala :
F(a k ) =
a 2k
k =0
ak =
(2.15)
k =0
B ZN =
a 2k
k =0
H() =
a 0 2 + a12 + 2a 0 a1 cos
b 02 + b12 + 2b 0 b1 cos
B zRII =
H()
a 0 2 + a12 + 2a 0 a1 cos
b 02 + b12 + 2b 0 b1 cos
d =
Fcnd substituia :
tg
= t
2
se obine:
38
a a1
B zRII = 2 0
b 0 b1
a + a1
t2 + 0
a 0 a1
dt
b + b1 t + 1
2
t + 0
b 0 b1
Cu notaiile :
a 0 a1
b 0 + b1
=
= si
b 0 b1
b 0 b1
a 0 + a1
=;
a 0 a1
t2 + 2
dt
= 2 2
2
1 + t2
t +
2
(t
t2 + 2
)(
+ 2 1 + t 2
2 1
2 2
2 1
2 1
= 2
+ 2
t + 2
t +1
i deci :
2
B zRII = 2 2
1
dt
t 2 + 2
dt
2 1 t 2 + 1
2 1
adic :
B zRII
t
2
d
2
2 1
2
arctg( t )
= 2 2
+ 2
1
1
t
1+
+ 2 ( 1)
2 1
2
= 2
+ 2
= 2
2 1
1
2 1
2 2
39
y[n]
in rest
0,
40
y[n]e
jn
n =
y[2p]e
p =
j2 p
p =
sau :
Y() =
x[p]e j2 p = X(2)
p =
41
x[n]
y[n]
2
z[n]
2
in rest
0,
Dar :
n
x 2 , pentru n M2
y[n] =
in rest
0,
De aceea :
n
x , pentru n M 4
z[n] = 4
in rest
0,
Legtura dintre transformatele Fourier n timp discret ale secvenelor x[n]
i z[n] este :
Z() =
n =
p =
z[n]e jn =
z[4p]e j4 p +
p =
p =
p =
p =
42
x[p]e j4 p = X(4)
Bz =
| H() |
d =
| H() |
du 1 0
2
2
=
+
|
H(u)
du
|
H(u)
du
|
H(
)
d
=
|
H(u)
|
|
|
|
2
2
2
0
-
- 2
1 2
= | H(-u)|2 du + | H(u) |2 du =
20
0
2
2
1 2 * 2
2
= | H (u) | du + | H(u) | du = | H(u) |2 du = B z
20
0
0
| H(2
) | d =
1
2N
2N
| H(u) | du =
2N
1
2N
2 N 1 1 (k +1)2
k = 2 N 1
| H(u) |2 du
k 2
Dar :
H(u) = H(u - 2k ) , () k Z
Fcnd n ultima integral schimbarea de variabil v = u 2k, se obine :
43
(k +1) 2
| H(u) | du =
k 2
| H(v)|
dv = B z
De aceea :
| H(2
) |2 d =
1
2
2 N Bz = Bz
H Mk = H (k2 ) = H(0)
M
adic maxim. Fie aceast valoare egal cu 1. Se constat faptul c toate
armonicele semnalului s[n] trec nealterate prin filtrul cu rspuns n
frecven H(M). Notnd cu y[n] semnalul obinut prin prelucrarea
semnalului x[n] i acceptnd c acesta este de forma :
y[n] = u[n] + n 0 [n]
se constat c dac semnalul s[n], periodic de perioad M, este prelucrat
cu sistemul cu rspuns n frecven H(M) atunci :
Pu = Ps
iar dac semnalul s[n] este prelucrat cu sistemul cu rspuns n frecven
H() atunci :
44
(2.16)
Pu < Ps
deoarece anumite armonici ale semnalului s[n] sunt atenuate de acest
sistem. De aceea, n cazul sistemului cu rspuns n frecven H() avem:
RSZ 0
P P P
= u n = u
RSZ i 1 Pn 0 Ps Ps 1
<
2
H ( ) d
H ( )
= u
RSZ i M Ps M
H ( M )
P
= u
Ps M
H ( )
=
2
H ( )
Deoarece :
RSZ 0
RSZ 0
>
RSZ i M RSZ i 1
se constat superioritatea sistemului cu rspuns n frecven H(M)
asupra celui cu rspunsul n frecven H(), la prelucrarea semnalelor
periodice de perioad M, din punct de vedere al mbuntirii raportului
semnal pe zgomot, RSZ.
S considerm n continuare ca exemplu semnalul :
s[n] = cos n + cos n + cos n
8
4
2
Transformata Fourier n timp discret a acestui semnal este :
jn
jn
+ cos n e
+ cos n e jn
S() = cos n e
8
4
2
n =
n =
n =
Pentru c avem urmtoarea pereche Fourier :
2
j n
jn 1 j M n
M
=
+ e
cos n cos n e
e
2 n =
M n = M
n =
rezult :
45
j + n
1 j M n
2
M
cos n
e
+ e
2 n =
M
n =
1
(t)
=
2
e jkt
2 k =
2
ultima relaie devine :
nlocuind t cu
M
2
2
1 j M - n
2
=
e
M
2 n =
2
iar pentru t lund valoarea + se obine :
M
2
1 j 2 + n
=
2
e M
M
2 n = -
De aceea :
2
2
+ 2
+
cos n 2
M
M
iar transformata Fourier n timp discret a semnalului s(t) este :
S() = 2 + 2 + + 2 +
8
4
+ 2 + + 2 + 2 +
4
2
2
Puterea acestui semnal este :
1 1 1 3
Ps = + + =
2 2 2 2
Transformata Fourier a rspunsului sistemului cu rspunsul n frecven
H() la semnalul s[n] este :
8 8
8 8
+ H 2 + H 2 + +
4 4
4 4
+ H 2 + H 2 + =
2 2
2 2
46
= H
8
jarg H
jarg H
8
8 + +
e + e
2
2
jarg H
jarg H 4
4
2 + +
2 + e
+ H e
4
4
4
jarg H 2
jarg H 2
+ H e
2 + e
2 +
2
2
u[n] = H cos n + arg H + H cos n + arg H +
8
4
8
4
8
4
+ H cos n + arg H
2
2
2
Puterea semnalului de ieire este :
2
2
2
1
Pu = H + H + H
2 8
4
2
M
jM
sin
jM
M
1
2
1
1 1- e
1 e
2
=
H() =
e jk =
M k =0
M 1- e
M j
e 2 sin 2
Deci :
47
(2.17)
H() =
1
e
M
j(M -1)
Pentru M = 15 se obine :
H() =
1 j7
e
15
De aceea :
1
H =
8 15
7
j
e 8
1 j
H = e 4
4 15
1 j
H = e 2
2 15
Astfel :
M
2
sin
2
sin
15
2
sin
2
sin
15
16
sin
16
15
sin
8
sin
8
15
sin
4
sin
4
sin
+ H(4) 2 + H(4) 2 + +
4
+ H(8) 2 + H(8) 2 + =
2
= H(0) 2 + 2 + + 2 +
+ 2 + + 2 + 2 +
4
48
M 1
1
1
Bz = =
M
k =0 M
innd cont c valoarea lui M s-a considerat de 15, rezult Bz = 1/15 .
Considernd densitatea spectral de putere a zgomotului
n[n] , N0 =1 se obine pentru raportul semnal pe zgomot, RSZ al
semnalului x[n] :
3
2 = 1,5
RSZ i =
1
La ieirea sistemului cu rspuns n frecven H() vom avea urmtorul
RSZ :
4,62 10 3
= 30 4,62 10 3 = 0,435
RSZ 0 =
1
30
Deci sistemul cu rspuns n frecven H() nu mbuntete raportul
semnal pe zgomot. Pentru ieirea sistemului cu rspuns n frecven
H(16), RSZ este :
3
RSZ 0 = 2 = 45 = 141,37
1
30
iar mbuntirea RSZ realizat cu acest filtru dat de raportul :
=
RSZ 0
RSZ i
141,37
= 94,247
1,5
49
51
52
(2.18)
se obine :
2
2
2 = s + (n 0 y ) + 2s(n 0 y)
53
(2.19)
a.p.t. si y = n 0
a.p.t.
54
a.p.t.
55
Prin urmare funcia de transfer a filtrului adaptiv este (pentru a doua etap
de funcionare) :
(z)
W (z) = xd
(2.20)
xx (z)
n figura 2.13. se prezint o form puin mai detaliat a
schemei din figura 2.11. Se constat c :
n 0 k = n k + m 0 k ; n1k = n k h k + m1k
sau folosind notaia :
uk = nk hk
56
= uuk + m1m1k
Revenind, putem scrie :
xx (z) = uu (z) + m1m1 (z)
unde vom folosi relaia :
uu (z) = nn (z) H(z)
} {
} {
+ E m1n n n + k + E m1n m 0 n + k = un [k ]
Ultima egalitate a rezultat observnd c termenii :
E {u n s n + k }, E {u n m 0 n + k }, E m1n s n + k
E {m1n n n + k }, E {m1n m 0 n + k }
sunt nuli. ns :
un [k ] = u kv n k
(2.22)
W (z) =
nn (z) H(z 1 )
(2.23)
W (z) =
nn (z) H(z 1 )
nn (z) H(z)
H(z 1 )
H(z) H(z 1 )
1
H(z)
ss (z)
ss (z)
=
dd (z) nn (z) + m 0 m 0 (z)
ss (z)
RSZ 0 (z) =
n 0 n 0 (z)
RSZ i (z) =
RSZ 0 (z)
ss (z) nn (z) + m 0 m 0 (z)
=
=
RSZ i (z) n 0 n 0 (z)
ss (z)
=
nn (z) + m 0 m 0 (z)
n 0 n 0 (z)
(2.24)
(2.25)
Fcnd notaiile :
A(z) =
B(z) =
m 0 m 0 (z)
(2.26)
nn (z)
m 0 m 0 (z)
nn (z) H(z)
relaia (2.22) va fi :
59
(2.27)
m1 m1 ( z )
2
( )
H z 1
B(z) H(z)
W (z) =
m1 m1 ( z )
2
H ( z ) + m1 m1 ( z )
2
B(z) H(z)
adic :
m1 m1 ( z )
W (z) =
H 1 (z)
1
B(z)
=
m1m1 (z) B 1 (z) + 1 H(z)[B(z) + 1]
(2.28)
m1m1 (z)
1
n 0n 0 ( z ) = m0m0 ( z ) +
+ nn (z) 1
=
2
2
1 + B(z)
H(z) B(z) + 1
2
B(z)
= A(z) nn (z) +
=
(
z
)
(
z
)
nn
nn
2
B
(
z
)
1
+
B(z) + 1
B(z)
= A(z) nn (z) +
Deci :
n 0 n 0 (z) = A(z) nn (z) +
B(z) nn (z)
1 + B(z)
(2.29)
nn ( z)[A ( z) + 1]
B( z)
nn ( z) A ( z) +
1 + B( z)
[A ( z) + 1][1 + B( z)]
A ( z) B( z) + A ( z) + B( z)
60
(2.30)
( z) =
1 + B( z)
B( z)
1 + A ( z)
A ( z)
1
A ( z) + B( z)
61
- deconvoluie adaptiv,
- prelucrarea adaptiv a semnalelor RADAR,
- antene adaptive.
O alt preocupare de actualitate n cadrul teoriei prelucrrii
adaptive a semnalelor este utilizarea sistemelor adaptive la prelucrarea
semnalelor bidimensionale. Majoritatea rezultatelor obinute pentru
semnale monodimensionale pot fi generalizate i pentru semnale
bidimensionale. Aceste generalizri sunt prezentate ntr-un mod unitar n
lucrarea [Mal.94]. Bineneles c semnalele de prelucrat sunt de aceast
dat imagini. n aceast referin bibliografic se trateaz problema
mbuntirii RSZ n cazul prelucrrii imaginilor.
Prelucrarea semnalelor bazat pe algoritmi adaptivi are ns
un mare dezavantaj i anume faptul c necesit un volum foarte mare de
calcul [Buc.75]. Acesta este motivul pentru care se au n vedere i alte
metode de prelucrare. Una dintre ele este utilizarea diferitelor
transformri ortogonale asociate cu metode de filtrare n domeniul
transformatei. n acest scop, n capitolele urmtoare se prezint
transformarea undioar discret (discrete wavelet transform sau
transforme en ondelettes discretes) i metode (dintre care una
original) de filtrare neliniar n domeniul transformatei.
CAPITOLUL
DISCRET
3.
TRANSFORMAREA
UNDIOAR
63
Rspunsurile n frecven ale filtrelor numerice cu rspunsurile la impuls h[n] i g[n] sunt prezentate n figura 3.2.
64
(3.1)
1
1
1 1
1 2 2
S(z) = X z H z + X z 2 H z 2
(3.2)
sau :
65
(3.3)
( )
X( z) = X e j
n relaiile (3.2) i (3.3), obinndu-se :
S() =
X H + X
+ H
+
2
2
2 2 2
D() =
X G + X
+ G
+
2
2
2 2 2
66
67
d 1[n] = d[n]
1
1
1 1
1 2 2
S2 (z) = S1 z H z + S1 z 2 H z 2
1
1
1 1
1 2 2
D 2 (z) = S1 z G z + S1 z 2 G z 2
68
69
[n]z n
(z) =
[n]z n =
[2n]z 2 n +
[n]z 2 n = z 2
[2n + 1]z ( 2 n + 1) =
( )
U 2 (z) = D(z 2 );
1
[ X(z)H(z) + X( z)H( z)] +
2
(3.4)
1
[ X(z)G(z) + X( z)G( z)]
2
1
[ X() H() + X( + ) H( + )] +
2
1
[ X() G() + X( + ) G( + )]
2
(3.5)
1
1
Y() = X()H 2 () + X()G 2 () =
2
2
1
1
= X() H 2 () + G 2 () = X()
2
2
71
(3.6)
1
[X(z)H(z) + X(z)H(z) ] +
2
1
[X(z)G(z) + X(z)G(z)]
2
1
[ H r (z)H(z) + G(z)G r (z) ] +
2
1
[ H r (z)H( z) + G( z)G r (z) ]
2
Aceast ecuaie este satisfcut i de soluiile sistemului de ecuaii :
+ X( z)
(3.7)
H(z)
G(z)
H(z)
G( z)
= H(z)G( z) H( z)G(z)
2z d
G(z)
G( z)
= 2z d G( z)
(3.8)
2z d H( z)
H(z)G( z) H( z)G(z)
(3.9)
G r (z) =
(3.10)
(3.11)
(3.12)
G r (z) = H( z)
(3.13)
73
(3.14)
G r () = H( + )
(3.15)
ntr-adevr :
G( z) = g[n](1) n z -n
n
H( z) = h[n](1) n z -n
n
Fie :
g '[n] = (1) n g[n]
h '[n] = (1) n g[n]
atunci :
H(z)G( z) h[n] g '[n]
H( z)G(z) h'[n] g[n]
z d [ n d ]
74
(3.16)
(3.17)
(3.18)
H()G( + ) H( + )G() =
= H() [e j( + )d H () ] + H( + )[e jd H ( + ) ] =
{( )
= e j( + )d 1d H() + H( + )
2
}= 2 e
- j d
H() + H( + ) = 2
(3.19)
(3.20)
G r () = H( + )
(3.21)
COMENTARII
1. Fie :
76
(3.22)
H() =
L 1
h[n]e jn
n =0
L 1
h[n]z n
n=0
H () =
L 1
h[n]e jn
n =0
i :
H ( + ) =
L 1
(1) n h[n]e jn
n =0
jd
L 1
( 1 )
h[n]e
jn
n =0
L 1
= (1) n h[n]e j( n d )
n =0
(3.22)
Dac se respect aceast condiie atunci cele dou filtre de sintez sunt
ambele cauzale. Rezult c valoarea minim a lui d este :
d min = L
77
(3.23)
Se face notaia :
F(z) = H(z)H(z 1 )
sau :
F() = H()H () = H()
(3.25)
78
(3.26)
79
ii).
U Vm = L2 ( R ), I Vm = {0}
m Z
m Z
iii). f ( x) Vm , f (2 x) Vm 1
iv). V0, astfel nct mulimea { m,n(x) } = { 2-m/2 ( 2-mx - n ) }nZ
s formeze o baz Riesz a lui Vm pentru orice m.
Sunt prezentate numeroase exemple de analiz multirezoluie
n [Mey.90], [Aka.,Had.92], [Dau.88], [Mal.89], [Mal.94]. Funcia
(x) se numete funcie de scalare. Numeroase exemple de funcii de
scalare se gsesc n lucrrile deja citate. Conform [Mey.90], [Mal.94]
orice baz Riesz poate fi transformat ntr-o baz ortonormal.
Se va considera n continuare c mulimea {(x-k) }kZ este
o baz ortonormal a spaiului V0.
TEOREMA 1. n ipoteza c {(x-k)}kZ este o baz ortonormal a
spaiului V0, mulimea {m,k(x)}kZ este o baz ortonormal a spaiului
Vm.
DEMONSTRATIE. n primul rnd se demonstreaz c funciile m,k(x),
kZ sunt ortonormale. n acest scop se calculeaz produsul scalar :
m, k (x), m, l (x) =
m
2 2 ( - m x
- k )2
m
2 ( - m x
l)dx =
= 2 m (2 - m x k ) (2 - m x l)dx
se obine :
m, k (x), m, l (x) = 2
rezult c :
(u k)
(u l) 2
m du
(u k)
(u l)du
80
(3.27)
se obine :
(3.28)
Aceast relaie arat c orice element din Vm (fiind de forma f(2-mx) unde
f(x) este n V0) se poate exprima ca o combinaie liniar de elemente ale
mulimii {m,k(x)}kZ. Deci aceast mulime este complet. Rezult c ea
este o baz ortonormal a spaiului Vm. Descompunerea funciei 1,m(x) n
baza {(x-k)}kZ este :
1, n (x) = 1, n (x), (x k) (x k)
(3.29)
ns :
1, n (x), (x k) =
1
2 2 (2 1 x
n ) (x k) dx
1
2 2 (2 1 ) (
+ 2n k) du
Se face notaia :
1, n (x), (x k) = h [2n k]
i revenind la relaia (3.29) avem :
81
(3.30)
(3.31)
(3.32)
= h[2n k] f(x), [x k]
k
Folosind notaia :
f(x), (x k) = s 0 [k]
(3.33)
(3.34)
se obine :
k
f(x)2, n (x)dx
(3.35)
2
2 ( 2 2 x
n)=2
=2
1
1
22 2
1
2 ( 2 1 x
1, n
(2 1 (2 1 x ) n ) =
(3.36)
)
82
se obine :
2
1
2
1, n (2 u) = 2
1
2
h [2n k](2 1 u k)
k
(3.37)
(3.38)
= h[2n k] f ( x ), 1, k (x)
(3.39)
(3.40)
(3.41)
83
(3.42)
{1, n ( x )} = 1, n () = 2 2 2 x n () = 2 2 2 1 x n e jx dx
1
2
(u )e
j 2 ( u + n )
2du
2 jn
2
2 e
2 ju
du
(u )e
1
=2 2
2 ju 2 jn
e
du =
(u )e
1
= 2 2 e 2 jn
(2)
Deci :
1, n () = 2e 2 jn (2)
adic :
(2) =
(h v [k 2n]e - j(k - 2n ) ()
2 k
84
(3.43)
1
1
h v [k 2n ]e j(k 2n ) = h v [p]e jp
2 p
2 k
(3.44)
(3.45)
(3.46)
(3.47)
(3.48)
() = m 0 p (0)
2
p =1
85
(3.49)
(0) = 1, m 0 (0) = 1,
h *[p] = 1
p
() = m 0 p
2
p =1
86
(3.50)
[Cri.65].
(3.51)
87
(3.52)
(3.53)
= g [2n k]g[2n k]
k
(3.54)
(3.55)
Se cunoate c :
0, n ( x ), 0, m ( x ) = [n m]
(3.56)
(3.57)
h [p 2n + d]h[p 2m + d] = [m n]
(3.58)
88
(3.59)
g [2 n k ]g[2 m k ] = [ m n]
(3.60)
h [2 n k ]h[2 m k ] = [ m n]
(3.61)
l
l
H G + H + G +
2
2
2 2 2
89
m, n Z
1
2
{ (x n) } = g [2n k]2 (2 x k)
k
sau :
e
jn
() = g [2n
1
k]2 2
{(2x k)}
(2x k)e jx dx =
-
+
u
k
j
2 du
(u)e
1 j k
= e 2
2 2
2
() = 1 g [2n k] e - j 2 k
e jn
2
k 2
() = 1 g [2n k] e j 2 ( k 2 n )
2
k 2
Cu notaia :
1 v*
m1 =
g [p] e j 2 p
2 k 2
90
(3.62)
() = m1
2 2
(3.63)
() = m1 m 0
2 p = 2 2 p
(3.64)
91
(3.65)
i :
e1 (x) = e1 (x), 1, n (x) 1, n (x)
n
s0 [ k ]g[2 n k ]
k
(3.66)
f 0 (x) = f M (x) +
e m (x)
m =1
Astfel :
2
f 0 (x) = f M ( x ) +
= f M ( x ), f M (x) +
= f M ( x ), f M (x) + f M ( x ),
m =1
M
m =1
m =1
e m (x) + f M ( x ), e m (x)
m =1
m =1
= f M ( x ) + 2Re f M ( x ), e m (x) +
m =1
f M (x) e m (x) , m = 1 M
m =1
93
e m (x) =
m =1
M
+ e k (x),
k =1
e m (x)
m =1
e m (x) =
m =1
f 0 ( x)
= f M ( x)
e k (x)
k =1
e k (x)
k =1
k =1
l =1
= e k (x), e l (x) =
=
M M
e l ( x), e k ( x) =
k = 1l = 1
k =1
l =1
e k (x), e l (x) =
e k ( x)
k =1
= f M ( x)
e k ( x)
k =1
(3.67)
s0 [ n ] = s M [ n ] +
d k [ n]
k =1
94
(3.68)
s0 [1]
Se consider c lungimea filtrelor h[n] i g[n]
algoritmului este descris de relaia :
Y1 = M 0 X
unde matricea M0 este dat de relaia :
h[2] h[3]
0
h[0] h[1]
0
h[3] h[2] h[1] h[0]
0
0
h[0] h[1]
h[2]
0
0 h[3] h[2] h[1]
M0 =
0
0
0
0
h[0]
0
0
0
0 h[3]
0
0
0
h[2] h[3]
0
0
0
h[1] h[0]
Se constat c se obine :
95
h[3]
h[0]
h[1]
h[2]
h[2] h[1]
0
h[0]
0 h[3]
h[3]
h[0]
h[1]
h[2]
(Y )
1 T
1
2 T
1
h[3]
h[2]
h[1]
h[0]
M1 =
0
0
h[0]
h[1]
0
0 h[3] h[2]
(Y )
1 T
2
(X )
1 T
2
(X )
2 T
2
= [d 2 [2]d 2 [1]]
( )( )( )
96
97
R2
E n( t ) n ( u) m , k (t) m, l (u)dtdu
R2
98
rezult :
R d m [ k l] =
( R n ( t ) m, l (t))m, k (t)dt
1
m,1 ()
m , k ()d
R n ()
2 R
ns :
m
m,1 () = 2 2 e j2 l
(2 m )
2 j 2 m ( l k )
1
m
m
(
)
R
(
2
)
e
d
n
2 R
1 ^ m ^
R d m [ k l] =
R n 2 u ( u) e ju ( l k ) du
2 R
sau :
( 2 p +1)
1
n 2 m u
(u ) 2 e ju (l k ) du
R d m [ k l] =
R
2 p ( 2 p 1)
O nou schimbare de variabil : = u - 2p ne conduce la :
R d m [ k l] =
1
( + 2p) 2 e j( + 2 p)(l k ) d
R n 2 m ( + 2p)
2 p
99
sau :
R d m [ k l] =
1
R n 2 m ( + 2 p )
2 p
) ( + 2p)
2 j( + 2 p )( l k )
( + 2p) 2
R d m [k l] R n 2 m ( + 2p)
p
(4.2)
( + 2p) 2
R d m [ k l]
p
() 2 e jk d = 2[k]
100
(4.3)
sau :
( 2 p +1)
() 2 e jk d = 2[k]
( 2 p 1)
2 p
(4.4)
(u + 2p) 2 du = 2
(u + 2p) 2 = 1
101
(4.5)
2
R s m [k l] = R n 2 m ( + 2p) ( + 2p)
p
lim E d m [k ]d m [l] = [k l]
102
(4.6)
E{d m [k]} =
E{n(t)}m , k (t)dt
M n m, k (t)dt
m, k () = 2 2 e j2
(2 m )
i, revenind :
E{d m [k]} = M n
m
(0)
22
(4.7)
H() + G() = 2
unde :
h n H() si g n G()
Utiliznd i relaiile (3.45) i (3.62) :
103
(4.8)
h v [n] 2m 0 ()
si g v [n] 2 m1 ()
m0 (0) + m1 (0) = 1
(4.9)
g [p] = 0
(4.10)
i deci :
(0) = 0
(4.11)
E{d 2m [k]} =
2
1 m
R
(
2
u)
(
u
)
du
2 R
(4.12)
R n () = 2
i :
E{d 2m [k]} =
(2p +1)
2
2
2
(u + 2p) 2 du = 2
(
u
)
du
=
2 p (2p -1)
2 p
Deci n cazul n care n(t) este un zgomot alb de medie nul i dispersie 2
atunci semnalele aleatoare dm[n] sunt tot de tip zgomot alb n timp discret
de medie nul i dispersie 2. La aceeai concluzie se ajunge i n
[Ama.,Vuz.94], [Ama.,Vuz.97], [Ama.,Vuz.97(1)], [Ama.,Vuz.97(2)],
[Ama.,Vuz.97(3)].
O3. Pentru m relaia (4.12) devine :
E{d 2m [k]} = R n (0)
Aceast relaie descrie comportarea asimptotic a dispersiilor semnalelor
aleatoare dm[n].
n continuare se determin momentele de ordinul I i II ale
semnalelor aleatoare sm[n] :
adic :
105
(4.13)
E{s m [k]} =
E{n(t)} m, k (t)dt
M n m, k (t)dt
m
m
2 2 e j 2 k (2 m )
vom avea :
E{s m [k]} = M n
m
2 2 (0) =
Mn
m
22
(4.14)
1
2
R n (2 m u) (u ) du
2 R
i obinem :
E{s 2m [k]} =
1
2
R n (2 m u) (u ) du 2 m M n
2 R
(4.15)
1
2
R n (2 m u) (u ) du
2 R
106
(4.16)
OBSERVATII :
O1. Dispersiile semnalelor aleatoare sm[n] pot fi minimizate prin alegerea
judicioas a funciei de scalare (t) (n acord cu densitatea spectral de
putere Rn()).
O2. Dac n(t) este un zgomot alb de medie nul i dispersie 2 atunci
R n () = 2
i :
E{s 2m [k]} =
(2p +1)
2
2
(u ) du =
(u + 2p) du = 2
2 p (2p -1)
2 p
Deci n cazul n care n(t) este un zgomot alb de medie nul i dispersie 2
atunci semnalele aleatoare sm[n] sunt tot de tip zgomot alb n timp discret
de medie nul i dispersie 2.
O3. Pentru m relaia (4.16) devine :
E{n(t)} = 0
previne divergena irurilor E{sm[k]} i E{sm2[k]} cnd m.
O5. Dac n(t) este un semnal aleator i staionar de medie nul atunci
secvenele sm[n] i dm[n] converg asimptotic (pentru m) la semnale
aleatoare de tip zgomot alb de medie nul i dispersie Rn(0). Aceast
observaie justific ideea de extrapolare a tehnicilor de mbuntire a
RSZ n domeniul TUD, pentru semnale perturbate aditiv cu zgomot alb,
prezentate n [Isa.95(1)]. O analiz asemntoare este prezentat n
[Pas.,Gay.95]
107
108
(4.17)
-s
p Y (y) =
unde :
p X ( x1)
p (x )
+ X 2
dy
dy
dx1
dx 2
x1 (,0 ); y = x1 + s x1 = y s ;
dy
= 1 , y (-, s )
dx1
i :
x 2 (0, ); y = x 2 s x 2 = y + s;
dy
= 1 ,y ( s, ,)
dx 2
mY =
y p Y (y) dy = 0
y 2 p Y (y) dy =
y 2 p X (y s) dy +
y 2 p X (y + s) dy
110
(4.18)
I1 =
y 2 p X (y s) dy
I1 =
(u + s ) p X (u) du =
-
0
+ 2s
u p X (u) du +
u 2 p X (u) du +
(4.19)
s2 p X (u) du
Dar :
0
u p X (u) du = 2 si
-
2
p X (u) du = FX (0) =
1
2
+ 2s
I1 =
2
s2
u p X (u) du +
2
I2 =
p X (y + s) dy
I 2 = (u s ) p X (u) du = u 2 p X (u) du
0
2s
u p X (u) du + s2
2
= 2s
2
p X (u) du =
s2
u p X (u) du +
2
111
(4.20)
u p X (u) du =
v p X ( v) dv =
v p X (v) dv
i astfel I2 devine :
2
I2 =
+ 2s
2
s2
u p X (u) du +
2
(4.21)
= I1 + I 2 = + 4s
up X (u) du + s 2
(4.22)
I3 =
u p X (u) du =
1
ue
2 -
u2
2 2
u2
u2
2
2
2
e 2
=
d e 2 =
2 -
2
De aceea se obine :
2Y = 2 4s
+ s2
2
2
du =
(4.23)
2Y < 2
Y2 2
2
2
4
2
2 2
s 2 4s / 2
112
< 0
2
2
= 0,6
113
(4.25)
x >s
x s
(4.27)
p X (x k )
dy
dx k
s
-s
114
s
Fx ( y )
F x (s )
1/2
Fx( s)
-s
115
pY (y)
Fx ( y )
[Fx (s ) Fx ( s )]( y )
y
-s
0 s
Deci :
p Y (y) = p X (y) ( y s) + ( F x (s) - F x ( s) ) (y) +
+ p X (y) (y s)
Se determin media mY a variabilei aleatoare Y :
mY =
ypY dy
Deoarece :
116
(4.28)
yp Y dy = yp X ( y)dy
+ yp X ( y)dy
(4.29)
p Y ( y) dy =
p Y ( y) dy + y p Y (y) dy + y 2 p Y (y) dy =
2
p Y ( y) dy + y p Y (y) dy =
s
p Y ( y) dy y 2 p Y (y) dy
s
sau :
=
2Y
2 y 2 p X (y) dy
0
y
0
p X (y) dy =
y
0
y2
2 2
=
ye
2
1
e
2
y2
2 2
y2
1
2
dy =
2 yd e 2 =
2 0
y2
s2
2
2
2
e 2 dy =
se 2 e 2 dy =
2
0
0
y2
117
s2
2 2
=
se
2
y2
s2
2
2
+ 2
e 2 dy =
se 2 + 2 (FX (s) FX (0) ) =
2
0 2
s2
2 2 + 2 F ( s) 1
=
se
2
2
Revenind avem :
s2
2
1
2
se 2 2 2 FX (s)
2
2
n figura 4.7 se prezint dependena de s a diferenei 2Y 2 dat de
relaia :
2Y = 2 +
2Y 2 =
2
se
2
s2
2 2
2 2 FX (s)
2
Y2 2
(4.30)
relaie care confirm justeea calculului fcut, conform figurilor 4.4, 4.5 i
4.6. Se mai constat c :
2Y 2
= 2
s=
Cu alte cuvinte,
2Y
prii utile a semnalului de prelucrat. Pentru valori mici ale lui s aceste
distorsiuni sunt nesemnificative, cea mai bun dovad fiind aceea c
aceast metod este una dintre cele care se folosesc pentru compresia
semnalelor n domeniul TUD [Isa.,Asz.94], [Asz., Isa.94],
[Nar.,Lou.,Les.,Dar.96],
[Nas.,Sap.,Saw.97],
[Nay.,Bar.,Smi.91],
[Ode.,Bur.96]. Este util de determinat pragul s n scopul maximizrii
RSZ de la ieirile celor dou filtre propuse. Notnd cu x[i] eantioanele
de semnal util de la intrarea filtrului neliniar i cu y[i] eantioanele de
semnal util de la ieire se constat c :
N 1
N 1
2
2
E
E
E i = x i ; E e = y i ; RSZ i = 2i ; RSZ e = 2e
Y
i=0
i=0
Dar, pentru metoda "wavelet shrinkage" :
Ee =
N 1
i=0
x i 2s
N 1
xi
+ s2
i=0
sau, cu notaia :
N 1
i=0
xi
= S N 1
vom avea :
E e = E i 2s S N 1 + s 2
De aceea, n cazul acestei metode :
E i 2s S N 1 + s2
RSZ e =
4
2
s + s2
2
Se constat c pentru maximizarea acestei funcionale dup
parametrul s este necesar cunoaterea valorilor Ei i SN-1, adic este
necesar cunoaterea expresiei analitice a lui x[n]. Rezult c pentru cazul
general valoarea optim a pragului s poate fi fixat adaptiv, avnd ca i
criteriu de adaptare maximizarea lui RSZ. Concluzia este valabil i
pentru cea de-a doua metod de filtrare neliniar propus.
n consecin este de dorit ca eantioanele dm[i] s fie tratate
diferit n funcie de valoarea lor. Cele mici ar fi util s fie prelucrate cu
metoda bazat pe detecia de prag iar cele mari s fie prelucrate pe baza
metodei "wavelet shrinkage". De aceea n [Isa.,Asz.,Isa.95] se propune
transformarea :
0,
pentru d m [i] < s
(4.31)
d m[i]
sgn{d m [i]}( d m [i] s), pentru d m [i] s
119
0,
pentru d m [i] < s
(4.31)
d m[i]
sgn{d m [i]}( d m [i] s), pentru d m [i] s
-s
mY =
yp Y (y )dy = 0
Y =
p X (y s )dy + y 2 p X (y + s )dy
0
Dar:
0
y p X ( y s )dy =
(u + s )
p X (u ) =
u 2 p X (u )du + 2s up X (u )du + s 2 FX ( s )
i:
2
2
2
y p X (y + s )dy = u p X (u )du 2s up X (u )du + s 1 FX (s )
Deci:
Y 2 = 2 u 2 p X (u )du 4s up X (u )du + s 2 1 FX (s ) + FX ( s )
2
u p X (u )du =
s
se
s 2
22
X +
i:
up X (u )du = X
s
121
X 2 1 FX (s )
p X (s )
Y 2 = 2s 2 1 FX (s ) 2s X 2 p X (s ) + 2 X 2 1 FX (s )
122
123
RSZ i =
Px u
X2
Py u
Y2
de la ieire sunt
P Y = ( y[k ]) =
k =1
N1
(x[k ] s )
k1=1
N2
(x[k ] + s )
k 2 =1
124
Py =
N1
N2
x [k 1 ] + x 2 [k 2 ] +
2
k1 =1
k 2 =1
N1
N2
k =1
k1 =1
2
Dac valoarea pragului s este suficient de mic se pot face aproximrile :
N1
k 1 =1
x [k1 ] +
2
N2
x 2 [k 2 ] Px Px u
k 2 =1
+ 2X
i :
N2
N1
k 2 =1
k 1 =1
k =1
x [k 2 ] x [k 1 ]
x [k ]
126
128
130
Figura 5.12. Tren de impulsuri dreptunghiulare perturbat aditiv cu zgomot de tip tren de
impulsuri.
132
Figura 5.13. Tren de impulsuri gaussiene perturbat aditiv de zgomot n salve de impulsuri.
Figura 5.14. Rezultatul aplicrii metodei asupra semnalului din figura 5.10.
133
Figura 5.16. Semnalul obinut n urma aplicrii metodei adaptive de mbuntire a raportului
semnal pe zgomot semnalului din figura 5.12.
134
Figura 5.17. Semnalul obinut n urma aplicrii metodei adaptive de mbuntire a raportului
semnal pe zgomot semnalului din figura 5.13.
Figura 5.18. Distorsiunea de amplitudine a semnalului sinusoidal n urma extragerii sale din
zgomot alb.
136
140
Eroarea metodei
Propuse
-3
4 10
5 10-4
3 10-5
Tabelul 3. Comparaie ntre erorile obinute prin aplicarea metodei propuse cu cele prezentate
n literatur.
143
Dup prelucrarea semnalelor afectate de zgomot cu metoda de denoising propus n aceast lucrare, am determinat erorile care apar la
determinarea perioadei instantanee a fiecrui semnal n parte. Un program
dedicat acestui scop determin :
- perioada instantanee (figura 5.25) a semnalului util, neafectat de perturbaii,
din figura 5.23;
- calculeaz perioada instantanee a semnalului prelucrat cu metoda propus,
pentru fiecare realizare, numrul total de realizri fiind de 16; perioada
instantanee pentru o realizare este prezentat n figura 5.26;
- calculeaz variaia n timp a erorii relative de estimare a perioadei instantanee
pentru fiecare caz din cele 16 realizri; un exemplu pentru o realizare este
prezentat n figura 5.27;
- calculeaz variaia n timp a mediei aritmetice a erorilor relative de estimare a
perioadei instantanee (figura 5.28).
146
WaveShrink
WPDe Noise
CPDe Noise -
n figura 5.29 este prezentat un semnal (Blocks) care poate fi generat cu ajutorul
programului WaveLab.
148
151
Am plitudine (V)
Capt11
Prim ul captor
0.01
0.005
0
-0.005
-0.01
0
600
400
200
1000
800
Am plitudine (V)
1200
Tim p (m s)
0.01
0.005
0
-0.005
-0.01
0
600
400
200
1000
800
1200
Tim p (m s)
A m p lit u d in e ( V )
0 .1
C a p to r n 1
Capt21
0 .0 5
0
-0 .0 5
-0 .1
7850
7800
A m p lit u d in e ( V )
0 .0 4
7900
8100
8050
8000
7950
C a p to r n 2
Capt22
8200
8150
T im p ( m s )
7900
7950
8100
8200
8150
T im p ( m s )
0 .0 2
0
-0 .0 2
-0 .0 4
7800
7850
8000
8050
Figura 5.35. Semnalele captate de cele dou captoare n cel de al doilea caz.
S u r s a e s tim a t n 1
1
0
-1
-2
7850
7800
A m p litu d in e re la tiv
10
7900
7950
8000
8050
8100
8200
8150
T im p (m s )
8100
8200
8150
T im p (m s )
S u r s a e s tim a t n 2
5
0
-5
-1 0
7800
7850
7900
7950
8000
8050
Figura 5.38. Rezultatul prelucrrii unei pri a semnalului capt11 (reprezentat n partea de
sus a imaginii) cu metoda de de-noising adaptiv propus n lucrarea de fa.
Figura 5.39. O poriune din semnalul capt 12 din figura 5.34 (sus) i rezultatul prelucrrii sale
cu metoda de de-noising adaptiv propus n lucrarea de fa.
155
Semnalul de intrare
156
Semnalul de intrare
Se constat c distorsiunile sunt mult mai mici n cazul din figura 5.41. n cazul
semnalului de tip tren de impulsuri dreptunghiulare (perturbat aditiv de zgomot
uniform) se obine tabelul 2.
N
2
3
4
5
6
7
8
9
10
nr.coeficieni neanulai
15
16
13
11
18
19
32
32
65
Tabelul 2. Dependena de undioara mam folosit a numrului de coeficieni
folosii pentru reconstrucie.
157
Semnalul de intrare
Semnalul de intrare
158
159
CAPITOLUL 6. CONCLUZII
Aceast lucrare urmrete introducerea tehnicilor moderne de
mbuntire a raportului semnal pe zgomot bazate pe utilizarea funciilor
undioar n aplicaiile din telecomunicaii. Majoritatea acestor tehnici au fost
elaborate de matematicieni i nc nu au fost utilizate n domeniul
telecomunicaiilor. Avnd n vedere puternica dezvoltare a acestui domeniu
prima ntrebare care se poate pune este dac mai este de interes s se studieze
metodele de mbuntire a raportului semnal pe zgomot, n ziua de azi, cnd
comunicaiile sunt att de performante. Rspunsul este afirmativ din dou
motive :
1. Orice sistem de telecomunicaii funcioneaz corect n parametrii
n care a fost proiectat (la o anumit distan, cu surse de informaie care
ndeplinesc anumite condiii de calitate a semnalului emis). De ndat ce aceti
parametrii nu sunt respectai (se dorete transmisia la o distan mai mare sau
sursa este perturbat mai puternic dect s-a estimat) funcionarea ntregului
sistem este afectat. O soluie este implementarea unei metode mai generale care
s cuprind o arie mai larg de cazuri posibile, permind adaptabilitatea
metodei de prelucrare la diverse rapoarte semnal pe zgomot pentru semnalul
recepionat.
2. Ori de cte ori se fac cercetri pentru introducerea unei noi
tehnologii n domeniul telecomunicaiilor exist o mulime de parametrii ale
cror valori nu sunt nc specificate. Un exemplu este cazul n care este nevoie
s se cunoasc puterea semnalului perturbator. Pentru a avea o prelucrare
eficient este necesar utilizarea unor metode mai robuste dect cele care s
cuprind ct mai puini parametri necunoscui.
Lucrarea de fa trateaz problema mbuntirii raportului semnal
pe zgomot din punctul de vedere al celui care lucreaz n domeniul prelucrrii
semnalelor. Avantajele metodei sunt : adaptabilitatea la o gam larg de
tipuri de semnale perturbate i faptul c nu sunt necesare cunotine
apriori asupra perturbaiilor, de tipul celor menionate n prezenta lucrare
(zgomot alb, zgomot uniform, semnal aleator de tip impuls sau salve de
impulsuri). Astfel, se prezint metode de prelucrare, se analizeaz calitatea lor,
dar nu se fac recomandri tehnologice, nespecificndu-se echipamentul, sau
locul n structura acestuia, n care s-ar putea utiliza o anumit tehnic de
mbuntire a raportului semnal pe zgomot. Aceste sarcini sunt de competena
unor cercettori care lucreaz n laboratoare industriale afiliate unor companii de
telecomunicaii. Autoarea este gata s colaboreze n viitor cu astfel de
specialiti.
Au fost alese metodele de mbuntire a raportului semnal pe
zgomot bazate pe folosirea funciior undioar deoarece acestea reprezint cele
mai spectaculoase aplicaii ale teoriei funciilor undioar care se dezvolt n
160
164
166
174
176
[Vet.92] M.Vetterli, C.Herley, Wavelets and filter banks: Theory and design,
IEEE Transactions on signal processing 40 (9) pp.2207-2232, september
1992.
[Wha.71] A.O.Whalen. Detection of Signal in Noise, Academic Press, New
York, 1971.
[Wec.89] M. Wechsler. Caracterization of Time Varying Frequency Behaviour
using Continuous Measurement Technology. Hewlett Packard Journal,
February 1989.
[Wes.,Wic.93] E. Wesfreid, M. V. Wickerhauser. Etudes des signaux vocaux
par ondelettes de Malvar. Quatorzieme Colloque GRETSI, Juan-Les-Pins,
Septembre 1993.
[Wic.94] M. Wickerhauser. Adapted Wavelet Analysis from Theory to
Software. A. K. Peters Wesley ,1994.
[Wic.96] M.V. Wickerhauser. Custom Wavelet Paket Image Compression
Design, Preprint Washington University, 1996.
[Wid.75] B. Widrow, .a. Adaptive Noise Canceling: Principles and
Applications, Proceedings of the International Symposium on Signals and
Systems, vol.63, no.12, December 1977.
[Wid.,Ste.85] B. Widrow, S.D. Stearns. Adaptive Signal Processing, Prentice
Hall, 1985.
[Wij.,Arm.96] W. Wijmans, P. Armbruster. Data Compression Techniques for
Space Applications. Review of Current ESA/ESTEC Development,
Proceedings of DASIA96, Rome, May, 1996.
[Xia.,Kuo.,Zha.94] X. G. Xia, C. C. J. Kuo, Z. Zhang. Wavelet Coefficient
Computation with Optimal Prefiltering. IEEE Transactions on Signal
Processing, vol. 42, no.8, pp. 2191-2197, August 1994.
[Yao.,Cha.94] M. H. Yaou, W. T. Chang. M-Ary Wavelet transform and
Formulation for Perfect Reconstruction in M-Band Filter Bank. IEEE
Transactions on Signal Processing, pp.3508-3512, vol. 42, No.12,
December 1994.
[Zha.,Des.,Pen.96] X.-P. Zhang, M. D. Dessai, Y.-N. Peng. Orthogonal
Complex Filter Banks and Wavelets: Some Properties and Design.
Preprint University of Texas at San-Antonio, 1996.
[Zho.,Cai,Zha.95] D. Zhou, W. Cai, W. Zhang. An Adaptive Wavelet Method
for Nonlinear Circuit Simulation, preprint University of North Carolina,
1995.
[Zho.,Cai.95] D. Zhou, W. Cai. A Fast Wavelet Collocation Method for Highspeed Circuits Simulation, preprint University of North Carolina, 1995.
178
CUPRINS
PREFA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
CAPITOLUL 1
INTRODUCERE. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
CAPITOLUL 2
MBUNTIREA RSZ PRIN FILTRARE LINIAR . . . . . . .
2.1. O nou modalitate de estimare a benzii echivalente
de zgomot a unor filtre trece jos realizabile . . . . . . . . . . . . . . .
2.2. Utilizarea filtrelor transversale pentru prelucrarea
semnalelor periodice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Benzi echivalente de zgomot ale unor filtre numerice . . . .
2.3.1. Filtru RFI de ordinul N . . . . . . . . . . . . . . . . . . . . .
2.3.2. Filtru RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4. Filtre numerice echivalente filtrelor analogice transversale
2.5. Utilizarea sistemelor liniare, variabile n timp,
la mbuntirea RSZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1. Filtre cu urmrire . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.2. Filtre adaptive . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.2.1. Conceptul de anulare adaptiv a
zgomotului . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
CAPITOLUL 3
TRANSFORMAREA UNDIOAR DISCRET . . . . . . . . . . . . .
3.1. Codare subband cu structur arborescent . . . . . . . . . . . .
3.2. Decodarea n urma codrii subband . . . . . . . . . . . . . . . . .
3.3. Codarea subband cu reconstrucie perfect folosind
sisteme cu structur arborescent cu filtre realizabile . . . . . . . .
3.4. Meode de proiectare a filtrelor CQF . . . . . . . . . . . . . . . . . .
3.5. Legtura dintre sistemele de codare n subbenzi i
179
18
18
29
34
34
38
40
51
52
52
53
64
64
69
72
78
98
98
108
120
128
128
147
151
155
160
BIBLIOGRAFIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
180