Documente Academic
Documente Profesional
Documente Cultură
1.1
Not
d n y n wk* x n k ,
n care wk ak jbk
(1.1)
k 0
bun estimat pentru y n . Aceast problem este cunoscut in literatur sub numele
de estimare liniar a formei semnalului (waveform estimation). Pentru un ordin
M fixat, rezolvarea problemei const n determinarea constantelor wk . Spunem
c estimarea s-a realizat optim dac aceste constante au fast ales astfel nct s
minimizeze un criteriu de cost convenabil ales. n cele ce urmeaz vom conveni ca d
s fie numit semnal de referin (sau semnal dorit) iar x s poarte numele de semnal
de intrare. ntr-o abordare sistemic (vezi Fig. 1.1.) semnalul d
e intrare x este aplicat unui sistem discret liniar, cu parametrii constani, de ordin finit
(FIR) descris prin funcia pondere (rspunsul la impuls)
M 1
h n wk* n k .
(1.2)
k 0
Ieirea sa
M 1
y n x * h n wk* x n k d n ,
(1.3)
k 0
1-2
Filtru discret
x k
z 1
w0*
z 1
z 1
w1*
w2*
wM* 2
d k
wM* 1
y k
ek
e n d n y n d n d n .
(1.4)
(1.5)
w0 , w1 ...wM 1
Soluia optim pentru estimarea liniar a formei este prezentat n Fig. 1.2.
Filtru discret
x k
z 1
w00*
z 1
z 1
w10*
w20*
wM0*2
d 0 k
wM0*1
y0 k
e0 k
1-3
J:
(1.6)
1.2
1-4
1.2.1
x , y E x n y* n ,
Def
n care E
(1.7)
produs scalar peste un spaiu complex. n consecin, ptratul normei unui semnal
devine
Def
x, x E x n
(1.8)
rx,y k E x n k y* n xk , y x, yk ,
Def
n care
Not
(1.9)
Not
xk n x n k Tk x n .
(1.10)
J MS n E e n
MS
ct
(1.11)
J MS E e n
e n
e, e .
(1.12)
1-5
1.2.2
k J MS
J MS
J
j MS ,
ak
bk
k 0, M 1.
(1.13)
k J MS 2 xk , e
k 0, M 1.
(1.14)
0
k
xk , e0 0
k 0, M 1,
(1.15)
Def
e0 n d n y 0 n d n wk0* x n k .
(1.16)
k 0
x n k
k 0, M 1
teoria filtrrii optimale n sensul mediei ptratice a erorii poate fi formulat prin:
Condiia necesar i suficient ca funcia de cost J MS s-i ating
minimul pentru mulimea
w
0*
k
1-6
Acest principiu este reprezentat sugestiv n Fig. 1.3. unde datorit limitrilor
de reprezentare grafic subspaiul Fnx,M are o ilustrare planar.
d n
e0 n
x n 2
y 0 n d n
x n 1
Fx
n,N
x n
d 0 n y 0 n ,
(1.17)
se poate calcula
N
y 0 , e0 wk0* xk , e0
k 0
w
k 0
0*
k
xk e0* 0
de unde rezult:
Pentru un filtru optim MS semnalele de ieire
(1.18)
y 0 n (estimatul
J min e0 n .
2
(1.19)
J min d n
y0 n
d2 d2
(1.20)
n determinarea relaiei anterioare s-a inut cont de faptul c semnalele sunt cu medie nul.
1-7
J min
d2
d2
0, 1 .
d2
(1.21)
1.2.4
xk , e 0 xk , d wi0* xi
0
(1.22)
i 0
M 1
w x ,x
sau, echivalent
i 0
0
i
xk , d
(1.23)
Not
xk , xi rx x i k r i k
Dar
(1.24)
xk , d rxd k p k
(1.25)
w r i k p k ,
i 0
0
i
pentru k 0, M 1
(1.26)
X n x n . . x n M 1 ;
4
(1.27)
1-8
w0
. . wM 1 ;
T
(1.28)
R E X n X H n ri j ,
i , j 0, M 1
Def
Not
Def
(1.29)
Not
unde ri j xi , x j E x n i x* n j r j i .
ntr-o scriere explicit R devine
r 1
r 0
r 0
r 1
.
.
R
.
.
r M 2 r M 3
r M 1 r M 2
.. r M 2 r M 1
.. r M 3 r M 2
..
.
.
..
.
.
..
r 0
r 1
..
r 1
r 0
(1.30)
(1.31)
P E X n d * n p0 . . pM 1
Not
Not
p 0 . . p M 1
p i xi , d E x n i d * n .
n care
(1.32)
(1.33)
Utiliznd acest formalism, semnalul de la ieirea filtrului discret din Fig. 1.1.
poate fi scris ca
M 1
y n wk* x n k W H X n XT n W* ,
Notm cu
w ,
0*
k
k 0
n 0 .
(1.34)
y 0 n wk0* x n k W 0 H X n XT W 0* ,
(1.35)
k 0
n care W 0 w00
(1.36)
1-9
1.2.5
1-1 0
msurabil cu un watmetru) s aib aceeai valoare mic, eventual zero. Vedem astfel
c ergodicitatea este cea care ne permite s proiectm sisteme folosind medii statistice
i s le utilizm efectund medii temporale.
1.2.6
1-1 1
J MS E e n
d y, d y
d , d y, y d , y y, d .
d , d d2 ,
Dar
(1.40)
y, y W X, X W W R W ,
d , y y, d 2 Re y, d
H
2 Re W H X, d 2 Re W H P.
J MS E e n
2
d
(1.39)
WH R W 2 Re WH P .
(1.41)
(1.42)
(1.43)
J MS
W W0
J min d2 P H W 0 d2 P H R 1 P .
(1.44)
J MS J min W W0 R W W0 .
H
(1.45)
Notm cu
Def
V W W0 ,
(1.46)
diferena ntre vectorul coeficienilor i soluia optim Wiener. Atunci (1.45) capt o
form mai simpl, devenind
(1.47)
J MS J min VH R V .
Suprafaa pe care o descrie J MS J min ca funcie de ponderile W ale
filtrului, ntr-un spaiu cu 2 M 1 dimensiuni reale, se numete suprafa de cost.
Este evident c proprietile suprafeei de cost sunt strns legate de matricea de
autocorelaie. ntruct R este o matrice hermitic suprafaa de cost este o form
ptratic real. Mai mult, deoarece R este n marea majoritate a cazurilor o matrice
pozitiv definit i forma ptratic V H R V va fi pozitiv definit ceea ce va
determina ca suprafaa de cost s aib un minim unic i distinct care este atins numai
cnd V 0 , sau echivalent, cnd W W0 .
1-1 2
n acest mod orice abatere de la soluia optim Wiener este imediat penalizat
printr-o cretere a funciei de cost. Acum se explic de ce J MS
W W0
s-a notat cu
1.3
FILTRAREA OPTIMAL LS
x , y LS
n2
Not
x n y n x , y ,
*
(1.48)
k n1
2
LS
Def
x, x LS
n2
x n
2 Not
(1.49)
n n1
J LS e n e n
n n1
2
LS
e, e
LS
(1.50)
Minimizarea acestei energii conduce la obinerea sumei celor mai mici ptrate
ale eantioanelor erorii ceea ce justific denumirea de filtrare optimal LS (least
squares LS). i de aceast dat, ne vom considera satisfcui n ceea ce privete
rezolvarea problemei atunci cnd vom gsi o metod de determinare a coeficienilor
optimi w0 (vezi Fig. 1.2.) care s asigure minimizarea funciei de cost (1.50), adic
1-1 3
w0 , w1 ... wM 1
(1.51)
Pe
n2
2
1
1
e n
J LS ,
n2 n1 n n1
n2 n1
(1.52)
k 0, M 1,
xk , e0 LS 0
(1.53)
i de aici
y0 , e0 LS 0
(1.54)
ceea ce ne va conduce la un sistem de ecuaii similar cu sistemul de ecuaii Wiener
Hopf
(1.55)
RLS W0 PLS .
unde
Def
R LS X n , XH n
Def
n care
rLS i , j xi , x j LS
Not
LS
rLS i j ,
i , j 0, M 1
n2
(1.56)
Not
x n i x n j r i, j .
*
(1.57)
n n1
R LS
r 0,1
r 1,1
.
.
.
.
r 0, M 2 r 1, M 2
r 0, M 1 r 1, M 1
..
r M 2,1
..
..
.. r M 2, M 2
..
r M 2, M 1
.
(1.58)
.
r M 1, M 2
r M 1, M 1
r M 1,1
Not
PLS X n d * n p 0, 0 . . p M 1, 0 ,
n n1
(1.59)
1-1 4
n care
p i,0 xi , d LS x n i d * n .
(1.60)
n n1
W0 RLS1 PLS .
(1.61)