Documente Academic
Documente Profesional
Documente Cultură
ALEXANDRU ISAR
FILTRE
EDITURA POLITEHNICA
TIMIOARA 2003
DORINA ISAR
ALEXANDRU ISAR
FILTRE
EDITURA POLITEHNICA
TIMIOARA 2003
CUPRINS
PREFAA
CAPITOLUL 1. Introducere
1.1. Tipuri de filtre ideale
1.1.1.Filtrul trece jos ideal
1.1.2. Filtrul trece sus ideal
1.1.3. Filtrul trece band ideal
1.1.4. Filtrul oprete band ideal
1.2. Aproximarea caracteristicilor filtrelor ideale
1.2.1. Aproximarea de tip maxim plat
1.2.2 Aproximarea de tip minimax a caracteristicii de modul a
funciei de transfer a filtrului trece jos ideal
1.2.2.1. Polinoame Cebev
1.2.2.2 Determinarea aproximrii Cebev n banda de
trecere a filtrului trece jos ideal
1.2.3. Aproximarea caracteristicii de faz a filtrului trece jos ideal
1.3. mbuntirea RSZ prin filtrare liniar
1.3.1. O nou modalitate de estimare a benzii echivalente de zgomot
a unor filtre trece jos realizabile
1.3.2. Utilizarea filtrelor transversale pentru prelucrarea
semnalelor periodice
CAPITOLUL 2. METODE DE SINTEZ A FILTRELOR
2.1. Filtre pasive
2.1.1. Sinteza diporilor pur reactivi conectai ntre terminaii neideale
2.1.2. Parametrii matriciali ai diporilor pasivi
2.1.3. Parametrii de lucru ai diporilor
2.1.4. Parametrii de repartiie ai diporilor
2.1.5. Sinteza propriuzis
2.1.6. Proiectarea filtrelor pasive de tip Butterworth, Cebev sau Bessel
2.2. Filtre active
2.2.1. Structuri de filtre active de ordinul II cu un amplificator
operaional
2.2.1.1. Filtre active cu reacie simpl
2.2.1.2. Filtre active cu reacie multipl
2.2.2. Elemente de analiza i sinteza filtrelor active
2.2.2.1. Filtre active de ordinul I
9
11
11
11
12
12
13
14
15
19
20
23
29
32
34
44
51
51
51
52
53
54
58
60
66
66
66
72
75
76
6 Cuprins
2.2.2.2. Filtre active de ordinul II
2.2.2.3. Sinteza filtrelor active pe baza unui prototip pasiv
2.2.2.3.1. Metode de simulare a inductivitilor
2.2.2.3.2. Implementarea filtrelor active folosind
inductiviti simulate
2.2.2.3.3. Metoda de sintez LEAPFROG
CAPITOLUL 3. Metode de echivalare a filtrelor numerice cu filtre analogice
3.1. Principalele cerine ale metodelor de echivalare
3.2. Metoda invarianei rspunsului la impuls
3.3. Metoda de echivalare bazat pe aproximarea ecuaiei difereniale
care descrie filtrul analogic cu o ecuaie cu diferene finite care
descrie filtrul numeric echivalent
3.4. Echivalarea filtrelor analogice cu filtre numerice pe baza transformrii
biliniare
3.5. Benzi echivalente de zgomot ale unor filtre numerice
3.5.1. Filtru RFI de ordinul N
3.5.2. Filtru RII
3.6. Filtre numerice echivalente filtrelor analogice transversale
3.7. Mediatoare numerice ca filtre adaptate n timp discret
3.7.1. Utilizarea mediatoarelor numerice la prelucrarea semnalelor
periodice n timp continuu
78
81
81
87
89
96
96
97
106
111
117
119
123
125
138
142
148
148
148
153
159
162
165
165
175
180
180
182
184
188
190
191
191
199
Cuprins 7
6.4.2.2. Un algoritm de calcul al TWD
6.4.3. Utilizarea T.W.D. la compresia de date
6.4.4. Filtrarea adaptiv neliniar n domeniul T.W.D.
6.4.4.1. Filtrul de tip wavelet shrinkage
6.4.4.2. Filtrul de tip hard-thresholding
6.4.4.3. Filtrul de tip soft-thresholding
CAPITOLUL 7. mbuntirea raportului semnal pe zgomot prin filtrare
adaptiv neliniar n domeniul TWD
7.1. Programe de simulare coninnd metoda adaptiv pentru mbuntirea
raportului semnal pe zgomot
7.2. Posibiliti de mbuntire a metodei de de-noising adaptiv
7.2.1. O nou transformare wavelet discret
7.2.2. mbuntirea RSZ prin filtrare neliniar adaptiv n domeniul
T.W.D. n cazul semnalelor perturbate de zgomot multiplicativ
208
211
212
213
219
226
234
234
254
258
260
263
263
271
BIBLIOGRAFIE
275
ANEXA
281
PREFA
10 Prefaa
La nceputul capitolului 3 se arat modul n care poate fi construit un filtru
numeric pornind de la un filtru analogic echivalent. Prezentarea acestor metode de
echivalare este inspirat din cursul de Semnale Circuite i Sisteme amintit mai sus.
Pentru aprecierea mbuntirii RSZ i n cazul acestor filtre poate fi utilizat noiunea
de band echivalent de zgomot. Paragraful 3.5, inspirat din teza de doctorat amintit
mai sus, este dedicat calculului benzii echivalente de zgomot a unui filtru numeric. n
paragraful urmtor se prezint o modalitate de construcie a unor filtre digitale cu
rspunsuri n frecven funcii periodice de perioad mai mic dect 2 , precum i
avantajele utilizrii lor la prelucrarea semnalelor periodice n timp discret, perturbate
aditiv de zgomot. n finalul capitolului 3 sunt analizate filtrele numerice adaptate.
Urmtoarele dou capitole sunt destinate studiului filtrelor liniare cu parametrii
variabili n timp continuu respectiv discret. La nceputul capitolului 4 este prezentat
principiul filtrelor cu capaciti comutate. Apoi este studiat o categorie nou de astfel
de sisteme, filtrele cu urmrire. Aceste sisteme pot fi privite ca i filtre adaptive n timp
continuu. Se evideniaz performaele superioare ale acestor sisteme din punct de
vedere al mbuntirii RSZ n comparaie cu filtrele liniare analogice.
n capitolul 5 se face o trecere n revist rapid a principiului filtrrii adaptive,
explicndu-se modul n care pot fi implementate relaiile lui Wiener. Se prezint modul
n care poate fi utilizat un astfel de sistem pentru creterea RSZ.
Capitolul 6 este dedicat filtrrii neliniare. De fapt se prezint doar tehnici
bazate pe utilizarea sistemelor neliniare cu neliniariti puternice. Se fac referiri la
filtrele numerice cu ordonare statistic, la filtrele morfologice folosite pentru
prelucrarea imaginilor numerice i la filtrele neliniare aplicate n domeniul
transformrii wavelet discret, propuse de David Donoho.
Capitolul 7 conine principalele contribuii ale acestei lucrri. El este inspirat
din teza de doctorat amintit mai sus. Dup explicarea primei metode de denoising
propus de Donoho, se prezint o variant adaptiv a acesteia precum i unele
modaliti de mbuntire a acesteia. n toate capitolele lucrrii de fa a fost
considerat cazul semnalelor perturbate aditiv de zgomot. Singura excepie de la aceast
regul apare n paragraful 7.2.2, unde este considerat cazul zgomotului multiplicativ.
Metoda descris n acest paragraf poate fi utilizat pentru diminuarea zgomotului de tip
speckle, care perturb imaginile de tip RADAR sau SONAR. Trebuie evideniat faptul
c mbuntirile RSZ realizate cu tehnicile descrise n capitolul 7, n special n cazul
semnalelor puternic perturbate, nu pot fi obinute folosind alte tehnici de filtrare, ca de
exemplu cele prezentate n capitolele anterioare ale acestei cri.
Ultimul capitol, cel de-al optulea, dei nu se refer la vreo tehnic de
mbuntire a RSZ, merit totui atenie, fcnd o legtur ntre trei domenii de
cercetare foarte moderne: teoria eantionrii, teoria filtrrii i teoria funciilor wavelet.
Sperm ca, prin coninutul su, lucrarea de fa s fie agreabil studenilor,
doctoranzilor i tinerilor cercettori.
Autorii
CAPITOLUL 1. Introducere
Spectrul din domeniul < c este neafectat de acest filtru dar componentele
spectrale cu frecvene din exteriorul acestei benzi sunt anulate. Valoarea c , ce separ
benzile de trecere i de blocare, este numit frecven de tiere. Se obinuiete s se
introduc o mrime, numit atenuare, definit ca inversul modulului rspunsului n
12 Introducere - 1
frecven. Pentru cazul din figura 1.1.1.1 atenuarea n banda de trecere este 1 iar n
banda de oprire este infinit. Rspunsul la impuls al filtrului trece jos ideal este:
h TJ (t ) =
sin (c t )
t
(1)
h TS (t ) = (t )
sin ( c t )
t
(2)
Nici acest sistem nu este cauzal i deci nici realizabil. De aceea i filtrele trece
sus ideale pot fi doar aproximate n practic.
1.1.3. Filtrul trece band ideal
Filtrarea trece band (TB) ideal a semnalelor n timp continuu se realizeaz cu
un sistem cu rspunsul n frecven de tipul celui prezentat n figura 1.1.3.1.
h TB (t ) =
t
t
(3)
14 Introducere - 1
Rspunsul la impuls al filtrului oprete band ideal este:
h OB (t ) = (t )
(4)
H B ( 0 ) = min H i (0 ) H(0 )
H ( )
(5)
unde indicele i specific filtrul trece jos ideal iar 0 frecvena n jurul creia se
realizeaz aproximarea,
- aproximarea de tip mini max, care conduce la construcia filtrelor de tip
Cebev,
(6)
( )
H() = F 2
2
(7)
se poate scrie:
( )
F 2 = H() H( )
(8)
( )
F s 2 = H(s ) = H(s ) H( s )
(9)
( )
( )
( )
F 2 = F(0 ) +
2
4
2 p (p )
F' (0 ) +
F' ' (0 ) + ... +
F (0 ) + R p +1 2
1!
2!
p!
( )
(10)
16 Introducere - 1
( )
( )
R p +1 2
Restul
(11)
( )
F 2 = F(0 ) + R p +1 ()
(12)
( )
( )
F 2 =
are expresia:
1
a 0 + a1
2p
2p2
+ ... + a p 1 2 + 1
a 1 = a 2 = ... = a p 1 = 0
i deci:
( )
F 2 =
1
a 0 2p + 1
H(c ) =
atunci se obine:
H(0 )
2
F(c ) =
1
1
=
2p
a 0 c + 1 2
adic:
a0 =
1
c
2p
Deci:
( )
F 2 =
2p
+1
H(s ) H( s ) =
(13)
1
s
1 +
j c
2p
j c
2p
= 1 = cos + j sin
adic:
(2k + 1)
(2k + 1)
s k = c cos +
+ j c sin +
; 0 k 2p 1
2p
2p
2
Jumtate din aceti poli, cei din semiplanul stng, aparin funciei de transfer
H(s) (deoarece filtrul cu funcia de transfer H(s) este cauzal). Cealalt jumtate conine
polii funciei de transfer H(-s). n consecin, se poate scrie:
18 Introducere - 1
H BP (s ) =
cP
P
(s s )
k
k =0
cu:
(2k + 1)
(2k + 1)
s k = c cos +
+ j c sin +
2p
2p
2
2
k = 0,1,..., p 1
Figura 1.2.1.1. Dependenele modulelor rspunsurilor n frecven ale unor filtre Butterworth de ordinele 5
i 7 cu pulsaia de tiere de 1 rad/s.
max
[1 ,2 ]
{() }
s fie minimizat.
Prin parametrii disponibili se neleg mrimile care determin funcia h(), de
exemplu coeficienii si dac h() este polinom.
Se presupune c |()| are o valoare maxim la =01. Dac aceast eroare
poate fi redus, atunci aproximarea lui f() prin h() nu este o aproximare Cebev,
deoarece conform definiiei acestui tip de aproximare valoarea maxim a lui |()| nu
mai poate fi sczut.
Variaia erorii n 01 este descris prin difereniala sa total n acel punct:
n
d(01 ) =
j=1
( 01 )
dp j
p j
(14)
20 Introducere - 1
n
d(02 ) =
j=1
(02 )
dp j
p j
(15)
Trebuie determinate variaiile dpj astfel nct d(02)=d(02). Acest lucru este
posibil dac n2. n aceast ipotez eroarea poate fi redus simultan n punctele (01)
i (02) pn cnd se atinge valoarea egal cu eroarea n punctul 03. Deci erorile
maxime pot fi reduse simultan dac exist mai multe ecuaii de tipul ecuaiilor (14) i
(15). Pot fi reduse simultan n erori maxime. Pe baza celor enumerate mai sus se poate
formula urmtoarea:
Teorem: O aproximare de tip Cebev este de tip ondulaie constant
(echiripl) n banda considerat, n sensul c eroarea de aproximare are maxime i
minime de mrime egal.
Dac exist n parametri ajustabili atunci eroarea de aproximare este nul cel
puin n n puncte i deci n banda considerat exist un total de n+1 maxime i minime.
Aproximarea de acest tip poate fi realizat cu polinoame Cebev.
1.2.2.1. Polinoame Cebev
Definiie: Se numete polinom Cebev de ordinul n polinomul Tn(x) de gradul
n care are urmtoarele proprieti:
1.
Tn este par (impar) dac n este par (impar),
2.
Tn are toate rdcinile n intervalul 1<x<1,
3.
Tn oscileaz ntre valorile -1 i +1 n intervalul -1x1,
4.
Tn (1)=1.
Se poate demonstra urmtoarea:
Teorem: Notnd cu xi punctele n care Tn(x) atinge valorile extreme 1,
derivata lui Tn(x) poate fi exprimat cu ajutorul acestor puncte astfel:
n
1
2
dTn (x )
2
= c1 x ( x 2 x i ) , dac n este par
dx
i =1
(16)
n 1
2
dTn (x )
2
= c1 ( x 2 x i ) , dac n este impar
dx
i =1
(17)
dTn (x )
= 0 . Deci punctele xi sunt rdcini ale acestei ecuaii i sunt n numr de n-1.
dx
dTn (x )
este o funcie impar. Dac xk este
Dac n este par i Tn(x) este par i deci
dx
dTn (x )
dT ( x )
dTn (x )
= 0 . Dar
= n
.
unul din punctele xi atunci
dx x = x k
dx x = x k
dx x = x k
Deci i xk este unul din punctele xi. Cum
dTn ( x )
este o funcie impar rezult c are
dx
dTn ( x )
= c1 ( x 0) ( x x 1 ) ( x + x 1 ) ... ( x x n ) ( x + x n ) , relaie iden1
1
dx
2
2
tic cu relaia (16).
Dac n este impar i Tn(x) este impar i deci
unul din punctele xi atunci
dTn ( x )
este o funcie par. Dac xk este
dx
dTn (x )
= 0 . Dar datorit paritii acestei derivate i
dx x = x k
dTn (x )
= 0 i deci xk aparine mulimii punctelor xi. Deci se poate scrie:
dx x = x k
dTn ( x )
= c1 ( x x 1 ) ( x + x 1 ) (x x 2 ) ( x + x 2 ) ... ( x x n 1 ) ( x + x n 1 ) ,
dx
2
2
relaie echivalent cu relaia (17).
Conform condiiei (16) Tn(x) ia n punctele xi valorile 1, deci Tn2(x) ia n
aceste puncte valoarea 1, adic Tn2(xi)-1=0. Conform condiiei (17), Tn2(1)-1=0. Deci
pentru n par, rdcinile lui Tn2(x)-1 sunt: 0, 1, x1,,xn/2-1, adic se poate scrie:
n
1
2
Tn2 ( x ) 1 = c1 x 2 ( x 2 1) ( x 2 x i2 ) 2
i =1
(18)
22 Introducere - 1
n 1
2
Tn2 ( x ) 1 = c1 ( x 2 1) ( x 2 x i2 ) 2
(19)
i =1
2
dTn ( x )
2 T 1
= M n2
x 1
dx
(20)
T 2 (x) 1
dTn
=M n 2
dx
x 1
sau:
dTn
Tn2 1
= M
dx
(21)
x 2 1
(22)
Cnd x[-1,1], arccos x[-,0]. Dar Tn(x) trebuie s aib n rdcini n intervalul [-1,1]
i de aceea este necesar ca M=n. n sfrit, deoarece Tn(1)=1, e necesar ca c=2m.
Alegnd m=0, se obine:
Tn ( x ) = cos(n arccos x )
(23)
(24)
Tn-1(x)=cos[(n-1)z]=cos(nz)cos z + sin(nz)sin z
(25)
Tn +1 ( x ) + Tn 1 ( x ) = 2 cos(nz) cos(z) = 2 x Tn ( x )
(26)
T0 ( x ) = cos(0) = 1
(27)
T1 ( x ) = cos(arccos x ) = x
(28)
G n ( 2 ) = H a ( j)
(29)
max
rezult c
1
2
, [-1,1]
1
=
2
G n ( 2 )
1
2
1
este
un
polinom
Cebev
cu
ondulaia
maxim
, adic:
2
G n ( 2 )
2
1
1
=
T2 n ()
2
G n ( 2 )
sau
(30)
24 Introducere - 1
2
1
=
+
T2 n () G n ( 2 ) =
1
2
2
G n ( )
1
1+
(31)
T2 n ()
2
2
Dar,
i deci:
G n ( 2 ) =
1 + (2 Tn2 () 1)
2
2
1
2
1 + T ()
2
2
2
n
sau:
G n ( 2 ) =
1
+ 2 Tn2 ()
2
(32)
G n max ( 2 ) =
1
1
1
i G n min ( 2 ) =
, [-1,1]
=
2
2
2
2
1
1+
1 +
2
2
2
G n ( 2 ) =
n aceste caz, valorile extreme sunt:
1
1 + Tn2 ()
2
(33)
max{G n ( 2 )} = 1 , min{G n ( 2 )} =
1
, [-1,1]
1 + 2
G n (s 2 ) = H a (s) H a (s)
(34)
H a (s) H a (s) =
1
s
1 + 2 Tn2
j
(35)
s
1 + 2 Tn2 = 0
j
(36)
Tn =
(37)
s
= ch ( w ) , unde w = u + jv i s = + j
j
Se observ c:
s + j
=
= j = ch (u + jv) = ch (u )ch ( jv) + j sh (u )sh ( jv)
j
j
= ch (u ) cos( v) + j sh (u ) sin( v)
= sh (u ) sin( v); = ch (u ) cos( v)
i c:
(38)
26 Introducere - 1
cos( jw ) =
e j( jw ) + e j( jw ) e w + e w
s
=
= ch ( w ) =
2
2
j
s
s
s
s
jw = arccos i w = arg ch , adic arccos = j arg ch ,
j
j
j
j
Dar:
s
Tn = Tn (ch ( w )) = cos(n arccos(chw ))
j
(39)
s
s
s
s
Tn = cos n arccos = cos jn arg ch = ch n arg ch =
j
j
j
j
s
Tn = ch (nw )
j
(40)
ch (n u ) cos(n v) = 0
j
1
sh (n u ) sin(n v) =
(41)
ch (n w ) =
vk =
1
1
2k 1
; u k = (1) k arg sh
n
2
n
k = sh (u k ) sin( v k ) ; k = ch (u k ) cos( v k )
(42)
adic:
k = sh[( 1)
k
1
1
2k 1
arg sh ] sin
;
n
n
2
1
1
2k 1
n
n
2
Polii lui Ha(s) sunt obinui din mulimea de mai sus pentru sgn{k} < 0. Se
observ c:
2k
1
1
sh [ arg sh ]
n
2k
1
1
ch [ arg sh ]
n
=1
(43)
Acest lucru demonstreaz c polii lui Ha(s ) sunt dispui pe o elips ale crei
axe se confund cu axele de coordonate ale planului complex. Conform relaiei (33):
2
H a ( j) =
( 1+
1
2
Tn2 ( )
H a (0) =
( 1+
1
2
Tn2 (0)
Deci:
H a (0) =
1
1 + Tn2 (0)
2
0, daca n impar
Tn (0) = cos(n arccos(0)) = cos(n ) =
2
1, daca n par
i vom avea:
H a ( 0) =
1
1
1
1+ 2
, pentru n par
(44)
28 Introducere - 1
Cu alte cuvinte, caracteristica de modul a funciei de transfer are n 0 o valoare
extrem pentru valorile n banda de trecere i aceasta este un maxim pentru n impar i
un minim pentru n par.
Definind lungimea de band n sens Cebev, c, pentru banda de trecere, ca
fiind pulsaia maxim la care caracteristica de modul a funciei de transfer ia ultima
valoare minim din banda de trecere, adic
1
1 + 2
afirmaie este adevrat deoarece intervalul n care se face aproximarea este mrginit
la valoarea 1 i Tn(1)=1.
Pentru a analiza comportarea caracteristicii de modul n exteriorul benzii de
trecere se observ c relaia (23) se mai scrie:
Tn () = ch (n arg ch )
(45)
20 lg H a ( j) = 20 lg
1
1 + T ()
2
2
n
= 10 lg(1 + 2 ch 2 (n arg ch ))
20 lg H a ( j) = 10 lg(1 + 2 ) pentru =1
Pentru
1 20 lg H a ( j) 20 lg[ ch (n arg ch )]
Se poate demonstra c pentru 1,
blocare:
20 lg H a ( j) 20 lg[ 2 n 1 n ] =
= 20 lg 20(n 1) lg 2 20n lg
Se constat c partea asimptotic a creterii atenurii este de 20n dB/dec.
(46)
e jT0 ,
H i () =
0,
1
1
(47)
30 Introducere - 1
D() =
d
arg H( j)
d
(48)
unde H(j) este funcia de transfer a filtrului. Se observ c pentru filtrul trece jos
ideal:
D i () = 0
(49)
ceea ce demonstreaz c n cazul unui filtru trece jos ideal rspunsul este ntrziat fa
de excitaie cu aceeai valoare, indiferent de frecvena excitaiei. Dac 0=1(normarea
ntrzierii de grup), atunci:
H i (s) = e s =
1
ch s + sh s
n banda de trecere.
Se dorete aproximarea lui Hi-1(s) cu un polinom de gradul n n s, adic se
caut o aproximare de forma:
H i (s) =
1
n
b
i =0
(50)
s2 s4
ch s = 1 + + +
2! 4!
s3 s5
sh s = s + + +
3! 5!
(51)
(52)
M (s) 1
1
= +
1
N(s) s 3
+
1
s 5
+
s 7
+
s
(53)
M (s) 1
1
= +
1
N(s) s 3
+
1
s 5
+
s 7
+ +
s
+
(54)
1
2N 1
s
(55)
B 0 (s) = 1 i B1 (s) = s + 1
(56)
unde:
H i1 (s) =
B n (s)
B0
(57)
32 Introducere - 1
B n (s) = b i s i
i =0
(58)
cu:
bi =
(2n i)!
2 i !(n i) !
(59)
n i
b0
B n (s)
H(s) =
RSZ i =
Ps
PnB
unde cu Ps am notat puterea semnalului util iar cu PnB puterea zgomotului. Dup cum
se vede definiia este valabil pentru semnale s(t) de energie infinit dar de putere
finit.
mbuntirea raportului semnal pe zgomot, poate fi realizat prin filtrarea
semnalului x(t). Astfel, la ieirea filtrului se obine semnalul y(t) exprimat cu relaia:
RSZ0 =
Pu
PnB0
(60)
RSZ0
RSZi
Pu = Ps
(61)
Pu
Pn B 0
nB0 = H() nB
[Sp. 87], unde cu H() s-a notat rspunsul n frecven al filtrului considerat. Deci:
nB0 () = N 0 H()
PnB =
N
N B
1
nB () d = 0 d = 0
B
B
2
2
2
(62)
PnB0 =
N
1
2
2
N 0 H() d = 0 H() d
2 B
2 B
(63)
34 Introducere - 1
H() d
(64)
H() =
1
1 + 2n
(65)
H1 () =
1
1 + 2
Bz1 =
d
= arctg | =
H 1 () d =
2
-
- 1 +
n aceast relaie s-a considerat c semnalul n(t) este un zgomot alb de band
nelimitat. n ipotezele paragrafului anterior (semnalul nB(t) zgomot alb de band limitat,
B), s-ar fi obinut:
B
2
2
d
B
arctg
=
=
= 2arctg
Bz1
|
2
2
B
B 1+
2
H 2 () =
1
1 + 4
1
1
1
1
=
2
+ 2
+
4
1+
2 2 2 + 1 2 2 + 1
2 2 + 2 + 1
2
1
1
2
2 + 2 + 1
36 Introducere - 1
Bz 2 =
1
2
B
2
2
B
2
B
2
2
-
B
2
d
2
2 + 1
d
2
+ 2 + 1
1
2
1
2
B
2
B
2
d
2
B
2
B
2
2 + 1
d
2
+ 2 + 1
B
2
d
2
2 + 1
1
2
B
2
( 2 2 ) d
2 + 1
2
B
2
2
2
B
2
B
2
d
2
2 + 1
(2 2 )d
B
2
2 + 1
= ln 2 2 + 1
B
2
B
= ln
B 2 2 2B + 4
B 2 + 2 2B + 4
i:
B
2
d
2
2 + 1
= 2arctg
2
2
B
2
B
B
2
B
2
2 arctg 2
2
== 2 arctg 2
1
1
2
2
Se deduce analog:
B
2
B
2
B
2
B
2
+
+
d
2
2 arctg 2 2
=
2
arctg
1
1
2 + 2 + 1
2
2
1
B 2 + 2 + 1 = 2
B
2
B
2
( 2 + 2 )d
2
2 + 2 + 1
B
2
B
2
d
2
+ 2 + 1
B
2
( 2 + 2 ) d
B
2
+ 2 + 1
= ln 2 + 2 + 1
B
2
B
= ln
B 2 + 2 2B + 4
B 2 2 2B + 4
B z2 =
1
2 2
B 2 2 2B 4
1
B
B
1
1 +
+ 1
arctg
+ arctg
2
B + 2 2B + 4 2
2
2
ln
1
d
B 2 2 2B + 4
B z2 =
= lim
ln 2
+
4
B
B + 2 2B + 4
2 2
- 1 +
B
1
B
arctg
arctg
1 +
+ 1 =
2
2
2
2
2
38 Introducere - 1
Fr ndoial c n poate fi crescut n continuare dar integralele care trebuiesc
calculate conduc la calcule mult mai laborioase. De aceea n continuare se prezint nite
margini (superioar i inferioar) pentru benzile echivalente de zgomot ale filtrelor
Butterworth de diferite ordine. Pentru valori exacte, obinute prin integrare, se poate
consulta articolul [Naf. 92].
Figura 1.3.1 a). Caracteristica de modul a rspunsului n frecven al unui filtru Butterworth de ordinul n;
b). caracteristica 20 log
H()
1
0,
20 log | H I () | =
20n log , > 1
(66)
0,
1
2
20 log H I () =
40n log , > 1
2
1
1,
2
H I () = -2n
, > 1
2
H() H I ()
(67)
(68)
Graficele acestor funcii sunt prezentate n figura 1.3.2. Pe baza relaiilor (67) i (68) se
poate scrie:
40 Introducere - 1
Bz
B
2
H ()
I
B
2
B
2
d = 2 H I () d
2
1
2n
2 n +1
Bz 2( d + d ) = 21 +
1 - 2n
0
1
=
1
B
2
2 n +1
B 2 n +1
2
2
1
4n
2
+
= 21 +
=
1 - 2n
2n 1
2n 1
2n 1
Bz sup
B
2
4n
2
=
2n 1
2n 1
Dac se consider cazul n care B (n(t) este zgomot alb de band nelimitat),
atunci:
Bzsup =
4n
2n 1
3,
20lo g | H III () |=
20n log 3,
ct i:
1
>1
6,
20 log | H III () | 2 =
40n log 6,
1
>1
Se constat astfel c 20 log H III ( ) 2 reprezint tocmai curba III din figura
1.3.1b). Trecnd de la coordonatele logaritmice la coordonate liniare, pentru ultima relaie
obinem:
1
2,
2
| H III () | = -2n
,
2
1
>1
Se mai observ c:
2
H III () =
1
2
H I ()
2
H()
, notat cu II
42 Introducere - 1
Membrul stng al acestei relaii reprezint curba III iar membrul drept - curba I
din figura 1.3.2. Deci:
2
H()
1
2
H III ()
2
i prin urmare:
Bz
B
2
H
-
III
() d =
B
2
1
Bz sup
2
Bz inf
2 n +1
1 4n
2
2 2n 1
2n 1
Bzinf =
2n
2n - 1
Bz inf Bz Bz sup
Trecnd la limit n aceast relaie pentru n , se obine:
1 Bz 2
Valoarea relativ mare a lui Bzinf arat c utilizarea filtrrii liniare nu conduce la
rezultate remercabile atunci cnd RSZ al semnalului de prelucrat este mic. De aceea n
aceste situaii se recomand utilizarea filtrelor neliniare [Ana., Ven. 89], [Isa., Isa.
92].
H() =
1 +
0
Bz1 = 20 arctg
2 + 2 + 1
1
ln 2
Bz 2 = 0
2 + 1
2
2
B
2 0
B
2 0
2n
B
20
0
2
+
arctg
1 2
2 2
2 0
B
2 0
B
B
0
2
2
1
2 n +1
2n
Bz s = 2 d + d = 2 0 +
1 2n
0
0
0
2
1
2 n +1
Bz i = 0 +
1 2n
0
44 Introducere - 1
N0
B
B
2
=
=
C
N0
C
2
1.3.2. Utilizarea filtrelor transversale pentru prelucrarea semnalelor periodice
Dup cum s-a vzut n ultima observaie din paragraful precedent, n cazul
semnalelor periodice filtrele transversale sunt superioare filtrelor clasice, din punct de
vedere al mbuntirii raportului semnal pe zgomot.
Y()
2
= H T () = a k e- j + k = H T +
X()
k =0
1 n j( k)
1 1 e j( n +1)
H T () =
=
e
n + 1 k =0
n + 1 1 e j
46 Introducere - 1
sau:
1
H T () =
e
n +1
n
j
2
sin (n + 1)
2
sin
2
(69)
fcnd notaia:
x=
se observ c:
1
sin [(n + 1)x ]
2
HT k =
lim
=1
sin x
n + 1 x 0
Astfel spectrul de amplitudini al semnalelor periodice, de perioad , este
neafectat de prelucrarea acestor semnale cu mediatorul analogic.
n cazul n care la intrarea unui astfel de sistem este adus un zgomot alb nB(t),
de band limitat B i care are media nul, la ieirea acestui sistem se obine un semnal
aleator staionar i ergodic, nB0(t). Media acestuia se calculeaz innd seama c
operatorul de mediere statistic E{ } este liniar. Rezult:
1 n
1 n
E {n B0 (t)} = E
n
(t
k
)
=
E {n B (t - k)}
B
n + 1 k =0
n + 1 k =0
i pentru c nB(t) este staionar avem n continuare:
E {n B0 (t)} =
1 n
0=0
n + 1 k =0
2
B0
n
n
1
2
=
E
n
(
t
k
)
2
(n + 1 ) k = 0
k =0
n B ( t k)n B ( t l) =
l=0,
l k
(70)
n
1
1
E { n 2B (t - k)} +
E { n B (t - k) n B (t - k)}
2
(n + 1 ) k = 0
(n + 1 )2 k = 0
Dar:
E {n 2B (t - k) } = 2n = R n B n B (0) = Pn B
Figura 1.3.2.2. Densitatea spectral de putere a unui zgomot alb de band limitat.
48 Introducere - 1
R n Bn B (t) =
N
= 0 e jt
2jt
N0
2
B
2
B
2
B
2
j t
d =
N0
2jt
B
2
d(e
j t
j t
N j t
= 0 e 2 e 2 =
2jt
Bt
B
sin
t
Bt
B
N
2
2 = N0 sin
= 0
2jt
2
t
2 Bt
2
N 0 2j sin
Se constat c:
E {n 2B (t - k) } = 2n = R n B n B (0) = Pn B
2
R n Bn B k
=0
B
() k Z {0}
(71)
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
= R n B n B (l - k)p = 0
B
B = p 0 ,
atunci relaia (70) devine:
p Z {0}
(72)
Pn B 0 = E n 2B0 ( t ) = P n
n +1
(73)
Pn B
P n B0
= n +1
(74)
OBSERVAII
O1. Avnd n vedere c p din condiia (72) poate fi orice numr ntreg nenul,
aceast condiie nu este prea restrictiv.
O2. Relaia (74) 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 (69)) 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
50 Introducere - 1
cu ajutorul dispozitivelor de transfer de sarcin [Eze., Jen. 92]. Liniile 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 practic nu este pur
periodic. Multe semnale cvasistaionare (folosite frecvent n practic) 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 (74) 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.
U 2 (s)
E(s)
R1 I1
Zin 1
I2
U1
(1)
U2
R2
2
52 Metode de sintez 2
2.1.2. Parametrii matriciali ai diporilor pasivi
Notnd prin Mi matricea coloan format din cele dou transformate
independente i prin Md matricea coloan format din cele dou transformate
dependente de primele dou, legtura dintre cele patru transformate se poate exprima
matricial prin relaia:
Md = Mp Mi
(2)
unde prin Mp s-a notat matricea parametrilor. n tabelul 2.1.2.1 sunt prezentate
caracterizrile matriciale ale diporilor folosind parametrii matriciali Z, Y i A.
Tabelul 2.1.2.1. Caracterizrile matriciale ale diporilor
folosind parametrii matriciali Z,Y i A.
Mi
I1
I
2
Md
U1
U
2
Mp
Z11
Z
21
Z12
Z 22
Definiiile parametrilor
Parametrii z:
Z11 =
U1
;
I1 I 2 = 0
Z12 =
U1
I 2 I1 = 0
Z 21 =
U2
;
I1 I 2 = 0
Z 22 =
U2
I 2 I1 = 0
Parametrii y:
U 1 I1
U I
2 2
y11
y
21
y12
y 22
y11 =
I1
;
U1 U 2 = 0
y12 =
I1
U 2 U1 = 0
y 21 =
I2
;
U1 U 2 = 0
y 22 =
I2
U 2 U1 = 0
Observaii
Condiia de
reciprocitate
Z 12 = Z 21
------------------Condiia de
simetrie
Z 11 = Z 22
Condiia de
reciprocitate
y 12 = y 21
------------------Condiia de
simetrie
y 11 = y 22
Mi
Md
Mp
Definiiile parametrilor
Parametrii fundamentali:
A 11 =
U 2
I
2
U1
I
1
A 11
A
21
A 12
A 22
A 12
U1
;
U2 I2 = 0
U
= 1
I2 U2 = 0
A 21 =
I1
;
U2 I2 = 0
A 22 =
I1
I2 U2 = 0
Observaii
Condiia de
reciprocitate
A 11 A 22 -A 12
A 21 = 1
------------------Condiia de
simetrie
A 11 = A 22
(s ) =
Zs
1 E
2 U2
Zg
(3)
54 Metode de sintez 2
Se observ c legtura dintre funcia de transfer de lucru, (s) i funcia de
transfer n tensiune a circuitului:
H(s ) =
(4)
E
U2
este:
(s ) =
1 Zs
1
2 Z g H(s )
(5)
Z in 1 =
U 1 (s )
I1 (s )
in 1 =
Z g Z in 1
(6)
Z g + Z in 1
I2
U1
1
U2
R02
E2
1
1
2 R (U 1 + I1 R 01 )
01
[a ] =
1
1
(U 2 + I 2 R 02 )
2 R 02
(7)
1
1
2 R (U 1 I1 R 01 )
01
[b] =
1
1
(U 2 I 2 R 02 )
2 R 02
(8)
(9)
s11 =
( 7 ),( 8 ) U I R
b1
1
1 01
=
= - in 1
U
U 1 + I1 R 01 2 = R 02
a1 a 2 = 0
I2
(U1 I1R 01 )
( 7 ),( 8 ) 2 R
b1
1
01
s12 =
=
=
U1
1
a 2 a1 = 0
(U 2 + I 2 R 02 ) I1 = R 01 21
2 R 02
(9)
(10)
(11)
56 Metode de sintez 2
s 21 =
(12)
1
12
(13)
s 22 = - in 2
Definind matriceal puterea vehiculat prin diport cu formula:
U1*
[I1
*
U 2
[P] =
I2 ]
(14)
(15)
Pd = [a ]T [a ] [b]T [b]
*
(16)
(17)
(18)
i deci:
(19)
(20)
adic:
(21)
unde cu [l] s-a notat matricea unitate. Aceast condiie este ndeplinit dac:
[s]*T [s]
= [1]
(22)
(23)
*
s12
s12 + s *22 s 22 = 1
(24)
(25)
(26)
s11 + s 21 = 1
s12 + s 22 = 1
nmulind la stnga cu [s] i la dreapta cu [s]-1 relaia (22), se obine:
[s][s]*T = [1]
(27)
(28)
(29)
s 21 = s12
i c
s11 = s 22
(30)
58 Metode de sintez 2
in 1
1
= 1
21
1
= 1
12
( 30 )
(31)
relaie care permite stabilirea legturii dintre parametrii de lucru ai unui diport
nedisipativ.
2.1.5. Sinteza propriuzis
Aa dup cum s-a artat, n cazul diporilor pur reactivi, caracterizai prin
parametrii de repartiie, este valabil relaia:
|S11| 2 + |S21| 2 =1
(32)
(33)
Dar legtura dintre funcia de transfer 12(s) i funcia de transfer H(s) este:
(34)
(35)
(36)
relaie din care se poate determina coeficientul de reflexie la intrare in1(s), pe baza
cruia se poate calcula impedana de intrare:
Z in1(s) = R1(1 in1(s)) / (1 + in1(s))
(37)
Diportul din figura 2.1.1.1 poate fi privit ca un uniport cu poarta 11, rezistena
R2 fiind ultimul su element. Un astfel de circuit poate fi sintetizat dup impedana sa
de intrare folosind metoda Cauer [Mat., Dum., Sta., 2001]. Rezultatul obinut va fi o
(38)
2 s + 1)
2 s + 1)][1 / (s2 -
2 s + 1)]
(39)
sau:
(40)
Deci:
2 s + 1)] [( s 2) / (s2 +
2 s + 1)]
(41)
Alegnd:
2 s + 1)]
(42)
2 s + 1) / ( 2 s + 1)
(43)
sau:
Z in1(s) =( 2 s + 1) / (2s2+ 2 s + 1)
(44)
Circuitul cu impedana de intrare dat de relaia (43) este prezentat n figura 2.1.5.1.
Figura 2.1.5.1. Schema diportului pasiv cu impedana de intrare specificat n relaia (44).
60 Metode de sintez 2
Diportul cu funcia de transfer dat este prezentat n figura 2.1.5.2.
1
2
1
2
Figura 2.1.5.2. Schema diportului pasiv cu funcia de transfer specificat n relaia (38).
in1(s) = s 2 / (s2 +
(45)
2 s + 1)
E
1
n
2
3
4
5
6
7
8
9
10
C1
L2
C3
L4
C5
L6
C7
L8
C8
L10
L1
C2
L3
C4
L5
C6
L7
C8
L9
C10
1,4142
1
0,7654
0,6180
0,5176
0,4450
0,3902
0,3473
0,3129
1,4142
2
1,8478
1,6180
1,4142
1,2470
1,1111
1
0,9080
1
1,8478
2
1,9319
1,8019
1,6629
1,5321
1,4142
0,7654
1,6180
1,9319
2
1,9616
1,8794
1,7820
0,6180
1,4142
1,8019
1,9616
2
1,9754
0,5176
1,2470
1,6629
1,8794
1,9754
0,4450
1,1111 0,3902
1,5321
1
0,3473
1,7820 1,4142 0,9080 0,3129
Tabelul 2.1.6.2 Filtre de tip Cebev.
n
3
5
7
9
C1
L2
C3
L4
C5
L6
C7
L8
C8
L10
L1
C2
L3
C4
L5
C6
L7
C8
L9
C10
1,5963
1,7058
2,1666
1,7504
1,0967
1,2296
1,1115
1,2690
1,5963
2,5408 1,2296 1,7058
3,0926 1,1735 3,0936 1,1115 2,1666
2,6678 1,3673 2,7239 1,3693 2,6698 1,2690 1,7504
62 Metode de sintez 2
C1
L2
C3
L4
C5
L6
C7
L8
C8
L10
L 1
C2
L 3
C4
L 5
C6
L 7
C8
L 9
C10
1,5774
1,2550
1,0598
0,9303
0,8377
0,7677
0,7125
0,6678
0,6305
0,4226
0,5029
0,5116
0,4577
0,4116
0,3744
0,3446
0,3703
0,3008
0,1972
0,3181
0,8812
0,3158
0,2844
0,2735
0,2547
0,2384
0,1104
0,2090
0,2364
0,2378
0,2297
0,2184
0,2066
0,0718
0,1460
0,1778
0,1867
0,1859
0,1809
0,0505
0,1104
0,1367
0,1506
0,1539
0,0375
0,085
0,1111
0,1240
0,289
0,0682
0,0911
0,0230
0,0577
0,0187
,k = 1, n
(46)
Ck = Ck / R
,k = 1, n
(47)
i:
Dac se dorete proiectarea unui filtru trec jos cu pulsaia de tiere s, atunci
valorile din structura noului filtru Lk i Ck, se obin din valorile vechiului filtru Lk i
Ck, prin denormalizare n frecven cu formulele:
Lk = Lk / s
,k = 1, n
(48)
Ck = Ck / s
,k = 1, n
(49)
i:
64 Metode de sintez 2
Transformrile amintite mai sus sunt prezentate n figura 2.1.6.2.
n continuare se d un exemplu de proiectare a unui filtru oprete band de
ordinul 6, cu Rg = Rs = 1 k, cu o band s = 2103 rad/s i o frecven central de
5kHz, pornind de la un prototip trece jos de tip Butterworth.
Deoarece:
s = 2103 rad/s
r = 10103 rad/s
atunci:
s / r = 1/5 = 0.2
(50)
(51)
Avnd n vedere c prin transformrile de frecven (datorit trecerii trece josoprete band) unui sistem trece jos de ordinul m i corespunde un sistem oprete
band de ordinul 2m, filtrului oprete band considerat i corespunde, folosind schema
din figura 2.1.6.1.b) i Tabelul 2.1.6.1, schema filtrului trece jos prototip din figura
2.1.6.3.
66 Metode de sintez 2
2.2. Filtre active
P
(ln P ) P
=
S Px =
(ln x ) x
x
(52)
H TJ (s ) =
A
1+
s
0 TJ
(53)
Valorile
parametrilor
A
0 TJ
Schema filtrului
R1
1
RC
R
1+ 2
R1
1
RC
Denumire
Integrator
amortizat
Integrator
neinversor
Schema filtrului
Valorile
parametrilor
A
0 TS
C1
C
1
RC
Denumire
Difereniator
amortizat
68 Metode de sintez 2
Tabelul 2.2.1.2. Implementri tipice ale filtrelor trece sus de ordinul I (continuare).
R
1+ 2
R1
1
RC
Difereniator
neinversor
Funcia de transfer pentru filtrul trece sus se obine din funcia de transfer a
filtrului trece jos prin schimbarea de variabil:
0 TJ 0TS
s
adic:
H TS (s ) =
1 + 0TS
s
(54)
Tipul
filtrului
T.J.
Expresia funciei de
transfer
A TJ
2
s2
1+
s + 2
0
0
Semnificaia parametrilor
A TJ = amplificarea n curent
continuu
0 = pulsaia de tiere
= gradul de amortizare
Observaii
Buteworth =
=
Bessel =
=
T.S.
A TS
A TS = amplificarea la nalt
s2
02
2
s
s + 2
0
0
2
A TB
s
0
2
s2
1+
s + 2
0
0
2
1+
T.B.
O.B.
T.T
s
A OB 1 + 2
0
2
s2
1+
s + 2
0
0
2
2
s2
s + 2
0
0
A TT
2
s2
1+
s + 2
0
0
1
frecven
0 = pulsaia de tiere
= gradul de amortizare
0 = pulsaia central
A TB = amplificarea la pulsaia
central
1
= gradul de amortizare
2Q
f
Q = 0 = factor de calitate
B
B = banda de frecven la 3 dB
A TB = amplificarea exterioar
benzii de blocare
0 = pulsaia central
= gradul de amortizare
A TT = amplificarea n ntreaga
band
0 = pulsaia la care defazajul este
= gradul de amortizare
2
2
3
2
70 Metode de sintez 2
Funciile de transfer de tip oprete band i de tip trece tot se pot sintetiza cu
ajutorul celorlalte funcii de transfer.
Se observ c:
H OB
s2
02
1
+
= A
2
s2
2
s2
1 +
s + 2
s + 2 1+
0
0
0
0
= A (H TJ (s ) + H TS (s ))
(55)
relaie care conduce la forma de implementare a unui filtru oprete band de ordinul II,
aa cum se observ i din figura 2.2.2.1.
Figura 2.2.2.1. Forma de implementare a unui filtru oprete band de ordinul II.
H OB
2
s2
2
1+
s + 2
0
0
0
= A
2
2
s
2
s2
1 +
s + 2 1+
s + 2
0
0
0
0
= A 1
2
s2
1 +
s + 2
0
0
adic:
(56)
H OB (s ) = A (1 H TB (s ))
(57)
Figura 2.2.2.2. Forma de implementare a unui filtru oprete band de ordinul II.
H TT
s2
2
0
02
1
+
=
=
2
s2
2
s2
2
s2
1+
s + 2 1+
s + 2 1+
s + 2
0
0
0
0
0
0
= H TJ + H TS H TB
Figura 2.2.2.3. Forma de implementare a unui filtru trece tot de ordinul II.
(58)
72 Metode de sintez 2
2.2.2.1. Structuri de filtre active de ordinul II cu un amplificator operaional
Cele mai cunoscute structuri de filtre active cu un amplificator operaional
sunt: structura cu reacie simpl, cea cu reacie multipl i cea cu amplificator
neinversor.
2.2.2.1.1. Filtre active cu reacie simpl
Una dintre modalitile de caracterizare a diporilor pasivi, de tipul celor din
figura 2.2.2.1.1.1, este cu ajutorul parametrilor Y, conform sistemului de ecuaii:
I1 = Y11 U1 + Y12 U 2
I 2 = Y21 U1 + Y22 U 2
1
I1
(59)
I2
D
U
2
Ie
I
D
Ii
Ui
I
U
(60)
(61)
(62)
I(s ) + I ' (s ) = 0
(63)
Eliminnd din relaiile (60), (61), (62) i (63) mrimile U(s), I(s) i I(s), se
obine expresia funciei de transfer a filtrului:
U e (s )
=
U i (s )
Y21 (s )
1
[Y11 (s ) + Y22 (s )] Y12 (s )
A(s )
(64)
74 Metode de sintez 2
U e (s ) Y21 (s )
=
U i (s ) Y12 (s )
(65)
Z1
I1
Z3
Z2
I2
Z2
I1
Z1
I2
Z3
Pentru diportul n T:
Y12 T =
I1
=
U 2 U1 = 0
I1
=
I1 Z1 + I 2 Z 3 I1 Z1 = (I1 + I 2 )Z 2
(66)
I1
I1 Z1
Z3
(Z1 + Z 2 )I1
Z2
adic:
Y12 T =
Z2
Z1 Z 2 + Z1 Z 3 + Z 2 Z 3
(67)
Y21 T =
I2
=
U1 U 2 = 0
(68)
I2
=
I 2 Z 3 + I1 Z1 I 2 Z 3 = (I1 + I 2 )Z 2
I2
I 2 Z3
Z1
(Z 2 + Z 3 )I 2
Z2
sau:
Y21 T =
Z2
Z1 Z 2 + Z1 Z 3 + Z 2 Z 3
Pentru diportul n :
Y12 =
I1
1
=Z2
U 2 U1 = 0
(67)
Y21 =
I2
1
=Z2
U1 U 2 = 0
(68)
i:
Z4
Z1
I1
Z3
Z2
I2
76 Metode de sintez 2
Avnd n vedere c prin conectarea n paralel a doi dipori cu parametrii Yk i
Yk k= 14, se obine un diport cu parametrii Yk'' dai de relaia:
Yk = Yk + Yk
(69)
pe baza relaiilor (66), (67) i (68), se pot calcula parametrii Y ai diportului n T podit,
obinndu-se, pentru schema din figura 2.2.2.1.1.6, valorile:
Y12 = -
Z2
1
= Y21
Z1 Z 2 + Z1 Z 3 + Z 2 Z 3 Z 4
(70)
Schema
cuadripolului D
y12
Schema
cuadripolului D
y '21 =
Expresia funciei
de transfer
Ipoteza
1/ s C2
=
+ s C3
R3
R
+ R 3R 4 + 4
s C2
s C2
1 / s C1
R
R1
+ R 1R 2 + 2
s C1
s C1
1
R 1 R 2 C1 C 3
1 1
1
1
s +
s2 +
+
C 2 R 3 R 4 R 3R 4C 2C3
1 1
1 1 1
1
+
+
C1 R 1 R 2 C2 R 3 R 4
R1
y 12 =
R1
1
+ 2 2
sC s C
2
Schema
cuadripolului D
Expresia funciei
de transfer
1
R2
R1
y '21 =
R1
1
+ 2 2
sC s C
s2
s2 + 2s
1
1
+
C R 2 C 2R 3R 4
Ipoteza
Schema
cuadripolului D
Schema
cuadripolului D
Expresia funciei
de transfer
y 12 = (
R1
1/ s C3
+ s C2 )
R2 + R3
+ R 2R 3
s C3
y '21 =
C1
2 s C1 R
1 + 2 R C 2s + s 2C 2C3R 2
R2 = R3 = R
Ipoteza
C1 = C 2
R1 =
R C3
2 C1
1
R1 +
1
s C1
78 Metode de sintez 2
2.2.2.1.2. Filtre active cu reacie multipl
Structura cu reacie multipl este prezentat n figura 2.2.2.1.2.1.
Uc =
U
k =1
Yk
Y
k =1
(71)
UM =
U i Y1 + U c Y4 + U N Y3
Y1 + Y2 + Y3 + Y4
(72)
U M Y3 + U e Y5
Y3 + Y5
(73)
UN =
U e (s ) = A(s ) U N (s )
(74)
U e (s )
=
U i (s )
=
(75)
Y1 Y3
1
(Y3 + Y5 )(Y1 + Y2 + Y3 + Y4 ) Y32
Y3 Y4 + Y5 (Y1 + Y2 + Y3 + Y4 ) +
A(s )
U e (s )
Y1 Y3
=
U i (s ) Y4 Y3 + Y5 (Y1 + Y2 + Y3 + Y4 )
(76)
Relaia (76) este o bun aproximare pentru relaia (75) n aceleai condiii n
care relaia (65) aproximeaz bine relaia (64). Printr-o bun alegere a tipului rezistiv
80 Metode de sintez 2
sau capacitiv al admitanelor Y1, Y2, Y3, Y4, i Y5, expresia funciei de transfer (76)
poate fi corespunztoare unor filtre trece jos, trece sus sau trece band de ordinul II.
Formele generale ale acestor funcii de transfer sunt prezentate n tabelul
2.2.2.1.2.1.
Tabelul 2.2.2.1.2.1. Formele generale ale funciilor de transfer pentru filtre trece jos,
trece sus sau trece band, de ordinul II.
Tipul funciei
de transfer
trece jos
trece sus
Expresia funciei
de transfer
Observaii
A Tj
A Tj - amplificarea circuitului
1 + 2s / 0 + s 2 / 02
la joas frecven
0 - pulsaia de tiere
- coeficientul de amortizare
A Ts - amplificarea circuitului
s 2 / 02 A Ts
1 + 2s / 0 + s 2 / 02
la nalt frecven
A TB - amplificarea circuitului
la pulsaia 0
2s / 0 A TB
1 + 2s / 0 + s 2 / 02
B = 2 0 - banda circuitului la
3 dB
Tipul funciei
de transfer
y1 y 2
y3
y4
y5
Observaii
A Tj = - R4/R1; 0 =
trece jos
1/R1 sC1
1
R 3R 4 C 2 C5
1
1
1
+
+
R 3 R 4
1
R1 R 3 R 4
=
2
R 3R 4C 2C5
C 5
Tipul funciei
de transfer
y1 y 2
y3
y4
y5
Observaii
A Ts = - C1/C4; 0 =
trece sus
sC4
1/R5
1
R 2 R 5 C 3C 4
1 R 2 (C1 + C3 + C4 )
2
R 2 R 5 C 3C 4
Dac 2 02 A B atunci
R5
C3
;
R 1 C3 + C 4
1/R5
1 C3 + C 4
;
B=
R 5 C3C 4
1
0 =
C 3 C 4 R 5 (R 1 || R 2 )
A TB =
trece band
sC4
82 Metode de sintez 2
U 1 = A U 2 B I 2
I1 = C U 2 D I 2
(78)
A=
U1
U2
;
I 2 =0
B=
U1
I2
C=
U 2 =0
I1
U2
D=
I 2 =0
I1
I2
(79)
U 2 =0
U2
+B
I2
A Z2 + B
U1 A U 2 B I 2
=
=
Z in =
=
U
I1
C U2 D I2
C Z2 + D
C 2 + D
I2
A
(80)
B = C = 0;
Z in =
A
Zs
D
(81)
A = D = 0;
Z in =
B 1
C Zs
(82)
B=
1
C
Dac impedana de sarcin (Zs din figura 2.2.2.2.1.1) este Z5, atunci diportul
considerat implementeaz un convertor de imitan generalizat, G.I.C.
Dac impedana de sarcin (Zs din figura 2.2.2.2.1.1) este Z4, atunci diportul
considerat implementeaz un invertor de imitan generalizat, G.I.V.
n continuare se demonstreaz aceste afirmaii presupunnd c cele dou
amplificatoare operaionale sunt ideale.
Z
I = 1 + 1 I1
Z2
(83)
84 Metode de sintez 2
VA 2+ = VA 2 I 2 Z 4 + (I 2 + I) Z 3 = 0
Z
I = 1 + 4 I 2
Z3
(84)
Dar:
I 1 + I + I 2 + I = 0
(85)
Z
Z1
I1 = 4 I 2
Z3
Z2
(86)
I 2 Z 3 Z1
=
I1 Z 4 Z 2
(87)
i deci:
adic:
V1 = VA1+ VA 2+ + V2
(88)
VA1 = VA 2
i de relaiile (83) i (84), rezult c:
V1 = V2
(89)
V2 = I 2 Z 5
(90)
Dar:
Z in =
(87 ) Z Z
V1 (89 ) V2 (90 ) I 2
=
= Z5 = 1 3 Z5
I1
I1
I1
Z2 Z4
(91)
V1 = I 2 Z 5 Z in =
I Z
Z Z Z
V1
= 2 5 = 1 3 5
I1
I1
Z2 Z4
(92)
1
, Z5 = R5,
sC 4
atunci:
Z in =
Notnd constanta
sC 4 R 1 R 3 R 5
R2
(93)
C4 R1 R 3 R 5
= L , relaia (93) devine:
R2
Z in = sL
(94)
86 Metode de sintez 2
1
, Z3 = R3, , Z4 = R4, Z5 = R5
sC 2
n acest caz:
Z in =
sC 2 R 1 R 3 R 5
R4
(95)
C2 R1 R 3 R 5
R4
(96)
i deci:
L=
Figura 2.2.2.2.2.1. Exemplu de filtru pasiv de ordinul III de tip trece sus.
88 Metode de sintez 2
Avnd n vedere c n schem exist dou inductiviti conectate la mas,
acestea pot fi nlocuite cu inductiviti simulate. Folosind pentru sintez schema din
figura 2.2.2.2.1.4 i alegnd R1 = R3 = R4 = 1K, R5 = 618 i C2 = 100nF, se obine
pentru inductivitatea simulat, pe baza relaiei (96), valoarea:
10 7 10 6 618
L=
= 618 10 4 H = 61,8mH
3
10
deci chiar valoarea dorit.
Schema filtrului activ de ordinul III conectat ntre rezistena de sarcin i surs
este prezentat n figura 2.2.2.2.2.2.
I 1 = (V1 V2 )Y1
V2 = (I 1 I 3 )Z 2
(97)
I 3 = (V2 V4 )Y3
#
90 Metode de sintez 2
Vi1 = Y1 (V1 V2 )
V2 = Z 2 Vi1 + Vi 2
(98)
Vi3 = Y3 ( V2 + V4 )
V4 = Z 4 Vi3 Vi5
#
sau:
Vi1 = Y1 (V1 V2 )
V2 = Z 2 Vi1 Vi 2
(99)
Vi3 = Y3 (V2 V4 )
#
Se observ identitatea formal dintre ecuaiile (97) i (99) care are loc dac
funciile Vi k (s ) i I k (s ) sunt identice. Aceast identitate este formal neinnd cont
de dimensiunile fizice ale celor dou funcii. n cazul n care filtrul prototip este de tip
trece jos, pentru celulele intermediare sunt valabile relaiile:
Z 2k =
1
s C 2k
Y2 k +1 =
1
s L 2 k +1
Figura 2.2.2.2.3.3. Sintetizarea cu amplificatoare operaionale: a).o celul din schema din figura
2.2.2.2.3.2; b). rezultatul sintezei.
U e (s ) = Z 2 k (s ) U i1 + U i 2 =
1
U i1 + U i 2
s C 2k
(100)
U e (s ) =
1
C
s 2k R
R
[(
(
)
)] Us +C U
U i1 + U i 2 =
i1
i2
(101)
2k
92 Metode de sintez 2
Figura 2.2.2.2.3.4. Sintetizarea cu amplificatoare operaionale: a).o celul din schema din figura
2.2.2.2.3.2; b). rezultatul sintezei.
U e (s ) = Y2 k +1 (s ) U i1 (s ) + U i 2 (s ) =
1
U i1 (s ) + U i 2 (s )
s L 2 k +1
(102)
Ui
Ui
U e (s )
1
= 1 2 = U i1 + U i 2
1
R
R
R
L 2 k +1
s
R
1
U e (s ) =
U i1 + U i 2
L 2 k +1
s
R
(103)
Y1 (s ) =
1
R 0 + s L1
(104)
Figura 2.2.2.2.3.5. Implementarea celulei de intrare pentru schema din figura 2.2.2.2.3.2;
a). celula de intrare; b). rezultatul sintezei.
U e (s ) = Y1 (s ) U i1 (s ) + U i 2 (s ) =
1
U i1 (s ) + U i 2 (s )
R 0 + s L1
(105)
U e (s )
1
= U i1 + U i 2
R
1
R
L
R0
s 1
R
R
1
+
L
R0
s 1
R
)
(106)
adic:
U e (s ) =
1
R
1
U i1 + U i 2 =
U i1 + U i 2
R R 0 + s L1
R 0 + s L1
(107)
94 Metode de sintez 2
Celula de ieire a filtrului trece jos prototip are aspectul din figura 2.2.2.2.3.6
a) dac este vorba despre un filtru de ordin impar i aspectul din din figura 2.2.2.2.3.6
b) dac este vorba despre un filtru de ordin par.
a)
Z 2 m (s ) =
din figura
cu aceeai
funcia de
celul din
Rs
1 + s R s C 2m
Figura 2.2.2.2.3.7. Exemplu de implementarea n tehnic leap-frog a filtrului de ordinul III de tip trece jos
cu pulsaia de tiere de 1rad/s
Figura 2.2.2.2.3.8. Structura leap-frog corespunztoare filtrului din figura 2.2.2.2.3.7 precum i modul de
proiectare.
Figura 3.2.1. Sistemul care st la baza criteriului de echivalare a sistemului n timp continuu pe baza
invarianei rspunsului la excitaia x(t).
98 Metode de echivalare 3
Echivalena sistemelor cu rspunsurile la impuls h d [n ] i h a (t ) , bazat pe
invariana rspunsului la excitaia x(t), const n identitatea semnalelor de ieire:
y d [n ] = y a [n ]
(1)
y d [n ] = x[n ] h d [n ]
i:
y a [n ] = x ( t ) h a (t ) t = nT
transformatele z ale secvenelor y d [ n ] i y a [ n ] sunt date de expresile:
Yd (z ) = Z L1 {X(s )} t = nT H d (z )
(2)
i:
Ya (z ) = Z L1 {X(s ) H a (s )} t = nT
(3)
Relaia (1) presupune egalitatea membrilor drepi ai relailor (2) i (3), pe baza
creia se poate determina expresia funciei de transfer a filtrului numeric:
H d (z ) =
Z L1 {X(s ) H a (s )} t = nT
Z L {X(s )} t = nT
1
(4)
Z L1 {X(s ) H a (s )} t = nT
h d [n ] = Z
1
Z L {X(s )} t = nT
1
(5)
Z L1 {1 H a (s )} t = nT
1 Z{h a (nT )}
=
h d [n ] = Z
Z
1
Z{(t ) t = nT }
Z L {1} t = nT
Z{h a [n ]}
= Z 1
= h a [n ] = h a (nT )
Z{[n ]}
1
(6)
1 H a (s )
t = nT
Z L
s
= Z 1 Z{ra (t ) t = nT } =
h d [n ] = Z 1
Z{[n ]}
ZL1 1
t = nT
(7)
Z{ra [n ]}
1
1
=Z
= Z 1 z Z{ra [n ]}
1
1 z 1
1
{(
h d [n ] h a [n ]
n continuare se determin expresia rspunsului indicial al sistemului n timp
discret echivalent, rd [n ] .
1 z 1 R a (z )
H (z ) ( 7 )
rd [n ] = Z 1 {R d (z )} = Z 1 d 1 = Z 1
= ra [n ] = ra (nT )
1
1 z
1 z
(8)
rd [n ] = ra [n ]
adic prin eantionarea ideal cu pasul T a rspunsului indicial al sistemului n timp
continuu.
n continuare se analizeaz legtura dintre planele s i z creat de metoda de
echivalare bazat pe invariana rspunsului la impuls. Aceast metod este
caracterizat de relaia:
h d [n ] = h a (nT )
(9)
1
1
H d (z ) z n 1dz =
H a (s ) e st ds
2j
2j j
t = nT
(10)
sau:
z =1
H d (z ) z
n 1
dz =
H (s ) e
a
st
ds
t = nT
(11)
z =1
H d (z )d (z n ) =
T k =
j( 2 k +1)
H (s )d(e
a
j( 2 k 1)
snT
z =1
H d (z )d (z n ) =
(12)
2
, relaia (12) devine:
T
1
2
H a s jk d (e snT e 2 jkn )
T k
T
(13)
sau:
j
z =1
H d (z )d (z n ) =
1
2
H a s jk d (e snT )
T k
T
(14)
z = e sT
(15)
i:
H d (z ) z =esT =
1
2
H a s jk
T k =
T
(16)
z = e j ,
[ , ]
(17)
i c:
s = + j
(18)
e j = e T e jT
Egalnd prile reale i imaginare din ultima relaie se obine:
= e T
(19)
= T
(20)
i:
.
T
Ak
k =1 s + s k
N
H a (s ) =
(21)
h a (t ) = A k e s k t (t )
k =1
h d [n ] = h a (nT ) = A k e s k nT [n ]
k =1
H d (z ) = A k
k =1
1
1 e
s k T
z 1
Se constat c polii lui H d (z ) se pot obine din polii lui H a (s ) , dac acetia
sunt simpli, folosind relaia de legtur (15).
n continuare se prezint un exemplu de echivalare a unui filtru trece jos de
ordinul I n timp continuu cu un filtru trece jos n timp discret, folosind metoda de
echivalare bazat pe invariana rspunsului la impuls. Rspunsul la impuls al
sistemului n timp continuu este:
h a (t ) = A e
(t )
h d [n ] = A e
[n ]
H a (s ) =
A
1
+s
i:
H d (z ) =
1 e
z 1
H a () =
1
1
+ j
i:
H d ( ) =
1 e
e j
Figura 3.2.4. Modulele rspunsurilor n frecven ale celor dou sisteme, analogic (curba de jos)
i digital (curba de sus) echivalente pe baza metodei invarianei rspunsului la impuls.
dx
x (t ) x (t T )
= lim
T
0
dt
T
de unde:
dx
dt
t = nT
= lim
Dac x[n ] reprezint semnalul n timp discret obinut prin eantionarea ideal
a semnalului x(t) cu pasul T, atunci ultima relaie se mai poate scrie:
dx
dt
t = nT
= lim
T 0
x[n ] x[n 1]
T
=
T 0
T
T
T
lim
care este cu att mi bun cu ct T este mai mic. Raionnd recursiv se obine relaia:
dkx
dt k
t = nT
1 k
x[n ]
Tk
(22)
a
k =0
dk y N
dkx
=
k
dt k k =0
dt k
(23)
=
x[n ]
k
k
k =0 T
k =0 T
M
(24)
Aceasta este ecuaia cu diferene finite care caracterizeaz sistemul n timp discret
echivalent sistemului n timp continuu considerat.
Se poate demonstra cu uurin c diferena finit de ordinul k a unei secvene
oarecare u[n ] are expresia:
k
k u[n ] = ( 1) C pk u[n p]
p
(25)
p =0
p=0
(26)
N
1 z 1
1 z 1
= X(z ) b k
Y(z ) a k
k =0
k =0
T
T
M
(27)
H a (s ) =
b
k =0
M
a
k =0
sk
(28)
H d (z ) = H a (s )
s=
1 z 1
T
(29)
1 z 1
T
(30)
1
1
1 T
T
+j
=
=
2
2
1 sT 1 T jT (1 T ) + (T )
(1 T )2 + (T )2
(31)
s=
sau:
z=
Notnd prile real i imaginar ale lui z cu x i y relaia (31) mai poate fi scris i n
forma:
1 T
(1 T )2 + (T )2 = x
=y
(1 T )2 + (T )2
(32)
1
1
y + x
=
2
2(1 T )
4(1 T )
(33)
1
1
2
x + y =
2
4
(34)
care descrie un cerc. n figura urmtoare este prezentat legtura dintre planele s i z
indus de aceast metod de echivalare.
Figura 3.3.1. Legtura dintre planele s i z indus de metoda de echivalare bazat pe aproximarea ecuaiei
difereniale care descrie sistemul n timp continuu cu o ecuaie cu diferene finite care descrie sistemul n
timp discret echivalent.
z = e j = cos + j sin 1 + j
(35)
z 1 = e j 1 j
Relaia (29) devine, pentru valori mici ale lui :
H d ( ) = H a ()
j= j
sau
H d ( ) =T = H a ()
(37)
H a (s ) =
A
. Funcia de transfer a sistemului n timp discret echivalent este:
1 + s
AT
T+
H d (z ) =
1
z 1
T+
AT
h d [n ] =
[n ]
T + T +
n figura urmtoare se prezint modulele rspunsurilor n frecven ale celor
dou sisteme.
Figura 3.3.2. Modulele rspunsurilor n frecven ale filtrului trece jos de ordinul I analogic i numeric
echivalent.
s=
2 1 z 1
T 1 + z 1
(38)
a 0 y (t ) + a 1
dy(t )
= b 0 x (t )
dt
(39)
H a (s ) =
b0
a 0 + a 1s
(40)
Se poate scrie:
t
dy
d + y ( t 0 )
d
t0
y (t ) =
y(nT ) =
nT
dy
d + y((n 1)T )
d
( n 1 T
(41)
dy( )
d
cuprins ntre liniile verticale duse prin punctele de abscise (n-1)T i nT i poate fi
aproximat cu aria trapezului dreptunghic de baz mic
dy( )
d
= nT
dy( )
d
= ( n 1)T
, baz mare
i nlime T.
y[n ] =
T dy( )
2 d
= ( n 1)T
dy( )
d
= nT
+ y[n 1]
(42)
a
dy(t ) b 0
=
x (t ) 0 y(t )
dt
a1
a1
nlocuind n ultimele relaii pe t cu nT respectiv cu (n-1)T se obin relaiile:
b0
a
x[n ] 0 y[n ] i
a1
a1
b
a
y'[n 1] = 0 x[n 1] 0 y[n 1]
a1
a1
y' [n ] =
y[n ] y[n 1] =
b
T a0
(y[n ] + y[n 1]) + 0 (x[n ] + x[n 1])
2 a1
a1
T a0
T a 0 T b0
y[n 1] 1
=
y[n ] 1 +
(x[n ] + x[n 1])
2 a1
2 a 1 2 a 1
T a 0 1
T a 0 T b0
z Y(z ) 1
= 1 + z 1 X(z )
Y(z ) 1 +
2 a1
2 a1 2 a1
H d (z ) =
b0
2 1 z 1
a 0 + a 1
1
T
1
+
z
(43)
H d (z ) = H a (s )
2 1 z 1
s=
T 1+ z 1
T
1 + s
2
z=
T
1 s
2
Expresia modulului lui z este:
2
z =
T T
1 + +
2 2
2
2
T T
1 +
2 2
(44)
< 0
= 0
> 0
z <1
z =1
z >1
Figura 3.4.1. Legtura dintre planele s i z indus de metoda de echivalare bazat pe transformarea
biliniar.
j =
2 1 e j 2
= j tg
j
T 1+ e
T
2
Deci:
2
T
tg sau = 2arctg
T 2
2
(45)
H d ( )
T
= 2 arctg
= H a ()
(46)
H d ( ) =
A
2
1 + j tg
T 2
(47)
Figura 3.4.2. Modulele rspunsurilor n frecven ale filtrului trece jos de ordinul I analogic i numeric
echivalent pe baza transformrii biliniare.
nou =
2
tg ( vechi )
T
RSZi =
Ps
Pu
RSZ0 =
Pu
Pn B0
RSZ0 Pu Pu
=
RSZi Ps PnB0
Pu = Ps
atunci mbuntirea RSZ este :
Pn
PnB0
Dar :
1
N 0 d = N 0
PnB =
2 -
1
N
N0 | H() |2 d = 0 | H() |2 d
P nB0 =
2 -
2 -
de aceea :
N0
No
| H() |2 d
2 -
| H() | d
2
H() = a 0 + a 1e j + ... + a N e jN
adic :
H( )
= a k cos(k ) + a k sin (k )
k =0
k =0
N
N
N
2
2
(
)
(
)
a
cos
k
=
a
cos
k
k =0
k =1
k =0
a
l = 0,
l k
a l cos(k ) cos(l )
(48)
N
N
(
)
a
sin
k
=
a 2k sin 2 (k ) +
k =1
k =0
k =1
l =1,
l k
a l sin (k ) sin (l )
k =0
+
k =1
l =1,
l k
sau :
N
H() = a 2k +
2
k =0
k =0
a
l=0,
l k
(49)
a l cos(k - l)
1
1
2
2
2
H() S() d =
S() d
2
2
sau, innd cont de (49) :
N
1 N 2
2
S(
)
d
+
a
k
2 k =0 -
k = '0
a k a l cos(k - l) S() d = Ps
l =0,
l k
N
adic :
N
N
R ss [0] a 2k +
k =0 k =0
1
2
a
a
cos[(k - l)] S() d = R ss [0]
k l
l =0,
2
l k
N
1
2
S() cos[(k - l)]d =
2
=
1 1
1
2 j(k -l)
2
S(
)
d
+
S() e j(k -l) d =
e
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
1 a 2k R ss [0] =
k =0
k =0
a
l= 0,
l k
a l R ss [k - l]
k =0
k =0
H() d = 2 a 2k +
2
l =0,
l k
a k a l cos (k - l) d
Dar :
cos(k - l)d =
1
1
(
)
[
]
d[
sin
(k
l)
]
=
sin
k
= 0; k l
k - l
kl
2
H() d = 2 a k
k =0
(50)
N =
1
N
a 2k
(51)
k =0
H() = a 02 + a 2N + 2a 0 a N cosN
i n acest caz, corespunztor relaiei (50) :
(1 a
2
0
a 2N R ss [0] = 2a 0 a N R ss [N]
N =
1
a + a 2N
2
0
1 < N < R N + 1
3. Valorile coeficienilor a 0 i aN vor fi :
a 0, N =
R N + N 1
R N - N + 1
R N N
R N N
2
F(a k ) = a 2k
k =0
F(a k )
=0
a k
2 a k = 0
k =0
una dintre condiiile care merit s fie verificat n proiectarea filtrului este :
N
a
k =0
=0
(52)
B ZN = a 2k
k =0
a 0 + a 1e j
H() =
b 0 + b 1 e j
De aceea se poate scrie :
a 0 + a 12 + 2a 0 a 1 cos
H() = 2
b 0 + b12 + 2b 0 b1 cos
2
a 0 + a 12 + 2a 0 a 1 cos
d
BzRII = H() d = 2
2
b 0 + b 1 + 2b 0 b 1 cos
2
Fcnd substituia :
tg
=t
2
se obine:
a a1
B zRII = 2 0
b 0 b1
a + a1
t 2 + 0
a 0 a1
dt
b + b1 t + 1
2
t + 0
b 0 b1
Cu notaiile :
a 0 + a1
b + b1
a a1
= ; 0
= si 0
=
a 0 a1
b 0 b1
b 0 b1
expresia benzii echivalente de zgomot devine :
B zRII = 2
t 2 + 2 dt
2 2 1+ t2
t +
2 2 1
2 1
2 1
= 2
+
t + 2
t2 +1
2
t2 + 2
t 2 + 2 1 + t 2
)(
i deci :
2 2
B zRII = 2 2 2
1
dt
2 1
dt
+
t 2 + 2 2 1 t 2 + 1
adic :
B zRII
t
d
2
2
2
+ 1 arctg(t )
= 2 2 2
1 t 2 2 1
1 +
2
2 2 2 1
2 + ( 1)
=
2
= 2 2 2
+ 2
2 1
1 1
B zRII = 2 2
( + )
2
( + 1)
Se pot calcula, n acelai fel, benzile echivalente de zgomot i pentru filtre RII
de ordin superior. Astfel de filtre se utilizeaz n construcia modulatoarelor sau a
demodulatoarelor numerice, a multiplexoarelor numerice, a codoarelor n subbenzi,
etc. Studiul acestor filtre se justific i pentru c ele pot fi utilizate drept filtre prototip
pentru filtrele digitale adaptive.
y[n]
2
Figura 3.6.1. Sistem de supraeantionare.
n
x , pentru n # 2
y[n] = 2
in rest
0,
]Se calculeaz legtura dintre transformatele Fourier n timp discret ale
semnalelor x[n] i y[n] :
Y() =
y[n]e
jn
n =
y[2p]e
j 2 p
p =
y[2p + 1]e
j( 2 p +1)
p =
sau :
Y() =
x[p]e
j 2 p
= X(2)
p =
y[n]
2
z[n]
2
Se constat c :
n
y , pentru n # 2
z[n] = 2
in rest
0,
Dar :
n
x , pentru n # 2
y[n] = 2
in rest
0,
De aceea :
n
x , pentru n # 4
z[n] = 4
in rest
0,
Legtura dintre transformatele Fourier n timp discret ale secvenelor x[n] i z[n] este :
Z() =
z[n]e jn =
n =
z[4p]e j4 p +
p =
z[4p + 1]e
j( 4 p +1)
p =
p =
z[4p + 3]e
j( 4 p +1)
p =
x[p]e
j 4 p
= X(4)
p =
Deci intercalnd cte trei zerouri ntre eantioanele succesive ale rspunsului la
impuls al unui filtru cu rspunsul n frecven H() se obine rspunsul la impuls al
unui filtru cu rspunsul n frecven H(4). Dar funcia H(2) este periodic de
perioad 2/2 iar funcia H(4) este periodic de perioad 2/4. De aceea se poate
afirma c intercalnd 2N-1 zerouri ntre eantioanele succesive ale rspunsului la
impuls ale unui filtru numeric cu rspunsul n frecven H() se obine rspunsul la
impuls al unui sistem cu rspunsul n frecven H(2N), care este o funcie periodic
de perioad 2/2N.
OBSERVAIE. Benzile echivalente de zgomot ale sistemelor cu rspunsurile n
frecven H(),H(2),...,H(2N) sunt identice. ntr-adevr :
B z = | H() | d =
-
| H() |
0
0
2
du 1
2
2
- | H() | d = 2 | H(u) | 2 = 2 -2 | H(u) | du + 0 | H(u) | du =
1
2
| H(-u) | du +
2 0
2
1
= | H* (u) |2 du +
20
2
1
- | H(2 ) | d = 2 N
N
| H(u) |
du =
2
2
0 | H(u) | du = 0 | H(u) | du = B z
2N
| H(u) |2 du =
2N
1
2N
2 N 1 1 ( k +1)2
k = 2 N 1
| H(u) |2 du
k 2
Dar :
| H(u) | du =
k 2
| H(v) | dv = B
2
De aceea :
| H(2
) |2 d =
1 N
2 Bz = Bz
2N
(53)
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 :
Pu = Ps
iar dac semnalul s[n] este prelucrat cu sistemul cu rspuns n frecven H() atunci :
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
RSZ i
P P
= u n = u
1 Pn 0 Ps Ps
H ()
<
2
H ( )
RSZ 0
RSZ i
= u
M Ps M
H ( M )
P
= u
Ps
H ()
=
2
H ( )
Deoarece :
RSZ 0
RSZ i
RSZ 0
>
M RSZ i
s[n] = cos n + cos n + cos n
8
4
2
Transformata Fourier n timp discret a acestui semnal este :
S() =
jn
jn
cos
n
e
cos
n
e
cos n e jn
+
+
8
4
2
n =
n =
n =
cos n cos n e jn =
M
M
n =
j
n
1 j n
= e M + e M
2 n =
n =
rezult :
j
+ n
1 j M n
2
cos n e
+ e M
2 n =
M
n =
2 (t) =
nlocuind t cu
1 jkt
e
2 k =
2
, ultima relaie devine :
M
2
2
1 j M - n
2
=
e
M
2 n =
1 j 2 + n
2
=
2
e M
M
2 n = -
De aceea :
2
2
cos n 2
+ 2
+
M
M
iar transformata Fourier n timp discret a semnalului s(t) este :
S() = 2 + 2 + + 2 +
8
4
8
+ 2 + + 2 + 2 +
4
2
2
Puterea acestui semnal este :
Ps =
1 1 1 3
+ + =
2 2 2 2
8 8
8 8
+ H 2 + H 2 + +
4 4
4 4
+ H 2 + H 2 + =
2 2
2 2
= H
8
jarg H
jarg H
8
e
2 + e 8 2 + +
+ H
4
jarg H
jarg H
4
e
2 + e 4 2 + +
+ H
2
jarg H
jarg H
2
e
2 + e 2 2 +
+ H cos n + arg H
2
2
2
Puterea semnalului de ieire este :
Pu = H + H + H
2 8
2
4
2
(54)
1
, n = 0 M 1
h[n] = M
0,
in rest
H() =
1 M 1 jk 1 1 - e jM
e = M 1 - e j
M k =0
jM
1 e
M j 2
e
M
2
sin
2
sin
Deci :
H() =
1
e
M
j(M -1)
M
2
sin
2
sin
Penru M = 15 se obine :
H() =
De aceea :
1 j7
e
15
15
2
sin
2
sin
1
H = e
8 15
7
8
1 j
H = e 4
4 15
1 j
H = e 2
2 15
15
16
sin
16
15
sin
8
sin
8
15
sin
4
sin
4
sin
Astfel :
+ H(4) 2 + H(4) 2 + +
4
+ H(8) 2 + H(8) 2 + =
2
= H(0) 2 + 2 + + 2 +
4
+ 2 + + 2 + 2 +
2
u[n] = cos
n + cos n + cos n
8
4
2
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
RSZi = = 1,5
1
La ieirea sistemului cu rspuns n frecven H() vom avea urmtorul RSZ :
RSZ 0 =
4,62 10 3
= 30 4,62 10 3 = 0,435
1
30
3
RSZ 0 = 2 = 45 = 141,37
1
30
iar mbuntirea RSZ realizat cu acest filtru dat de raportul :
RSZ 0
RSZi
141,37
= 94,247
1,5
OBSERVAII
O1. Filtrele din acest paragraf au fost numite echivalente cu filtre transversale
analogice avnd n vedere c pot fi utilizate (la fel ca i filtrele analogice amintite) la
prelucrarea semnalelor numerice periodice. Cele dou categorii de filtre se numesc
echivalente deoarece ambele au rspunsuri n frecven periodice (cele numerice cu
perioad submultiplu al lui 2).
O2. Dei durata rspunsului n frecven H(2N) este de 2N ori mai mare dect
durata rspunsului la impuls a filtrului prototip H(), numrul coeficienilor nenuli ai
celor dou sisteme este acelai. De accea se poate afirma c nu apar complicaii prea
mari de calcul prin folosirea filtrelor propuse.
O3. Procedeul de generare al sistemului cu rspunsul n frecven H(2N)
poart numele de supraeantionare deoarece rspunsul la impuls al filtrului cu
rspunsul n frecven H(2N) poate fi privit ca fiind obinut prin eantionarea cu o
frecven de 2N ori mai mare dect frecvena de eantionare folosit pentru obinerea
rspunsului la impuls al sistemului cu rspunsul n frecven H().
O4. Inserarea de zerouri este utilizat i pentru construcia filtrelor conjugate
n oglind (Quadratur Mirror Filter) folosite n codarea subband [Mal.94], [Kun.84],
[Bas.,Chi.,Cho.95], [Blu.,Uns.98], [Bol.,Hla.,Fei.96], [Kla.,Hol.,Flo.97].
O5. Sistemul folosit ca exemplu la sfritul acestui paragraf se numete
mediator numeric alunector [DeS.,Isa.92], [Asz.93].
O6. Alte proprieti ale filtrelor prezentate n acest paragraf sunt demonstrate
n [Isa.95(1)].
a k s i [n k ] =
k =0
k =0
s 0 [n k ]
(55)
b s[n k ]
s 0 [n ] =
(56)
k =0
b1 b 2 b M 1
b0
bM
s 0 [n ]
h[n ] =
b
k =0
[n k ]
(57)
H( ) = b k e jk
(58)
k =0
s 0 [n ] =(1/M) s i [n k ]
(59)
k =0
h 0 [n ] =(1/M) [n k ]
(60)
k =0
(61)
k =0
h[n ]
Band de blocare
-1 0
x[n ] = s i [n ] + n i [n ]
(62)
acest semnal este prelucrat de ctre sistemul nerecursiv n timp discret cu rspunsul la
impuls h[n], obinndu-se semnalul y[n]:
y[n ] = s 0 [n ] + n 0 [n ]
(63)
RSZ 0 = s 02 [n ] / Pn 0 [n ]
(64)
(65)
2
0
M 1
M 1
p =0
p =0
[n ] s i2 [p] h 2 [n 0 p]
(66)
p = 0, M 1
(67)
n = n 0 ( M 1), n 0
(68)
n = 0, M 1
(69)
eantioane nu sunt corelate cu cele ale semnalului s i [n ] i sunt independente ntre ele.
Se poate demonstra c, din toate sistemele nerecursive cu rspunsul la impuls de durat
M, acela care asigur la ieirea sa un raport semnal pe zgomot RSZ0 maxim este cel dat
de relaia (69).
De aceea, acesta este un filtru adaptat la semnalul s i [n ] n ipoteza c acesta
este perturbat aditiv de zgomot alb.
Dac semnalul util de la intrarea filtrului adaptat are expresia:
1,
n = 0, M 1
0,
n rest
si[n] =
(70)
i dac constanta a este aleas de valoare 1/M, atunci expresia rspunsului la impuls al
filtrului adaptat la acest semnal este:
1 / M,
n = 0, M 1
0,
n rest
h[n] =
(71)
(72)
s i [n ] = s ir [n ] *
[n kN]
(73)
k =
s i [n ] = s ir [0]
[n kN] + s ir [1]
k =
+ s ir [N 1]
[n kN 1] + ...
k =
(74)
[n kN N + 1]
k =
Folosind notaia:
s i1 [n ] = s ir [1]
[n kN l]
k =
l = 0, N 1
(75)
s i1 [n ] + ... + s iN 1 [n ]
s i [n ] = s i 0 [n ] +
p l [n ] =
[n kN l]
l = 0, N 1
k =
(77)
obinndu-se secvenele s i1 [n ] .
Se observ c aceste secvene sunt astfel construite nct ntre dou eantioane
nenule consecutive conin N eantioane nule. Eantioanele nenule din secvena s ip [n ]
t [kT0 , (k + 1)T0 ]
(78)
2n 0 = M n 02 [n ] - M2 {n 0 [n ]}
(79)
2
n0
2
2
M 1
M 1
= M (1 / M ) n i [n k ] - (1 / M ) {n i [n k ] }
k =0
k =0
(80)
2
n0
M 1
k =0
(81)
Y(s)
X(s)
=
1
R
sC
sau:
Y(s)
1
=
X(s)
sCR
de unde rezult expresia funciei de transfer a sistemului din figura 4.1.1.1, care este:
H(s) =
1
sCR
H() =
1
jCR
(1)
Te
2
2C(V1 V2 )
Te
(2)
V1 V2
R
(3)
Te
2C
uc =
Q C1 Te
=
x
C C 2
y(t) = -uc =
C1 Te
x
C 2
x(t)
t
uc1(t)
t
-y(t)
t
0
Te
Te/2
3Te/2
2Te
5 Te/2
3Te
7Te/2
4Te
9Te/2
5Te
11Te/2
Te
sarcina
2
(5)
Aceasta este ecuaia cu diferene finite care descrie sistemul n timp discret
echivalent.
Lund n relaia (5) transformata z, se obine :
C Y(z) = C z-1 Y(z) C1 z-1 X(z)
de unde rezult funcia de transfer a sistemului n timp discret echivalent :
C1 z 1
C1
Y(z)
= H(z) =
=
1
X(z)
C(1 z ) C(1 z)
(6)
z = e sTe
de aceea funcia de transfer a sistemului din figura 3, conform relaiei (6) este:
C1
H(s) = C sT
1 e e
(7)
e sTe = e sTe
s=0
+ Te s e
sTe
s=0
+ ...
e sTe 1 + sTe
Folosind aceast aproximare, expresia funciei de transfer (din relaia (7)), H(s),
devine:
C1
C
H(s)=
=
1 (1 + sTe )
(8)
1
C
s Te
C1
Te
1
=
C1 C 1 f e
(9)
a 0s 2
b 0 s 2 + b 1s + b 2
(10)
1
a 0 s
RC
HTB(s)= b 0 s 2 + b 1s + b 2
(11)
Conectnd un nou integrator ideal se obine sistemul global cu funcia de transfer trecejos de tipul :
2
1
a0
RC
HTJ(s)=
b 0 s 2 + b 1s + b 2
(12)
b0
d2y
dy
d2x
+
b
+
b
y
=
a
1
2
0
dt
dt 2
dt 2
(13)
b 0 y( t ) + b1 y()d + b 2
y()d = a
x(t)
(14)
Figura 4.1.2.3. Construcia blocurilor din figura 4.1.2.2 cu ajutorul amplificatoarelor operaionale.
b0 = R 4 ; a0 = R 2
R3 + R4
R3
R R + R4
; b1 = 1 3
;b2 =
R1 + R 2
RC R 1 + R 2
(RC)2
(16)
Deoarece expresiile funciilor de transfer ale sistemelor de tip trece-sus, treceband i trece-jos de ordinul II sunt :
A TS s 2
;
s 2 + 20 s + 2 0
20 A TB s
H TB (s ) = 2
;
s + 20 s + 2 0
H TS (s ) =
(17)
A TJ 2 0
H TJ (s ) = 2
s + 20 s + 2 0
prin identificarea relaiilor (17) cu relaiile (10), (11) i (12), pe baza relaiilor (16) se
obine :
R3
a
R
R4
b
1
; 2 0 = 2 = 3
;
= 0 =
R1
b0
b 0 R 4 (RC )2
1+
R2
1 R 4 R1 + R 2
=
Q=
;
2 R 1 R 3 + R 4
1+
A TS
(18)
a0 1
R
A TB = 2 ;
b 0 RC
R1
R
1+ 3
a0
R4
1
=
=
(RC )2 b 0 0 2 1 + R 1
R2
20 A TB =
A TJ
R1 = R 3 = R 4 = R
Cu aceast observaie parametrii celor trei funcii de transfer devin:
A TS =
2
1+
R
R2
; 0 =
R + R2
R
1
;Q =
; A TB = 2 ; A TJ =
RC
2R
R
2
1+
R
R2
(19)
n figura 4.1.2.5 este prezentat schema unui filtru activ universal realizat cu
capaciti comutate, [Hue. 84].
A TS = A TJ =
Q=
2
1+
R
R2
; A TB =
R2
R
(20)
R + R2
C
; 0 = 1 f e
2R
C
H(, t ) =
2Aj 0 (t )
0 (t ) 2 + 2 j 0 (t )
2
Figura 4.2.2. Caracteristica momentan de modul a filtrului cu suprafaa de modul din figura 4.1.1
la momentul t p = 1 .
{(, t ) R, p Z,
p
p fixat se
Ea se noteaz H , t p
sau H , p
( )
cu p = 0 t p . Aceast curb
( ) ( )
0 0
0 2 , 0 + 2 .
P3. n banda de urmrire modulul rspunsului n frecven al unui filtru treceband cu urmrire de ordinul II este maxim.
Aceast proprietate este exemplificat n figura 4.2.3. Aceast proprietate se
poate reformula i astfel:
P3. Modulul caracteristicii globale de frecven a unui filtru cu urmrire este
o bun aproximare a modulului caracteristicii de frecven a unui filtru trece-band
ideal n banda 00
0
, 0 +
.
2
2
f c (t ) =
C2
i (t )
C1
d[n ]
--
x[n ]
Filtru adaptiv
y[n ]
[n ]
Semnalul de intrare x[n ] este prelucrat n aa fel nct semnalul de ieire y[n ]
s semene ct mai mult cu semnalul model (de referin) d[n ]. Deosebirea dintre
semnalele d[n ] i y[n ] este apreciat pe baza erorii medii ptratice E 2 [n ] . Cu E s-a
notat operatorul de mediere statistic. Minimizarea acestei erori este realizat prin
modificarea coeficienilor filtrului utilizat. Un exemplu clasic de utilizare a filtrrii
adaptive este n albirea semnalelor aleatoare. n acest caz semnalul x[n ] este un
semnal aleator staionar iar semnalul de referin, d[n ], este un zgomot alb. Pe durata
procesului de adaptare coeficienii filtrului numeric se modific dup achiziia fiecrui
nou eantion al semnalului x[n ] n aa fel nct E 2 [n ] s scad tot mai mult spre o
valoare minim. Procesul de adaptare se ncheie n momentul n care se atinge aceast
valoare minim. Dup acest moment, indiferent care ar fi noile valori ale eantioanelor
semnalului x[n ] , valorile lui E [n ] oscileaz n jurul acestei valori minime. Un alt
exemplu de aplicaie a filtrelor adaptive este acela cnd rspunsul dorit este cunoscut
ca fiind rspunsul unui sistem, care trebuie identificat, la o excitaie cunoscut.
Identificarea sistemului poate fi realizat prin determinarea, la sfritul
perioadei de adaptare, a coeficienilor filtrului adaptat la a crui intrare este adus
aceeai excitaie ca i la intrarea sistemului necunoscut i al crui rspuns dorit este
rspunsul sistemului necunoscut.
Pentru a descrie funcionarea i proprietile filtrelor adaptive se va presupune
pentru nceput c toate semnalele din figura 5.1.1 sunt staionare, c au funcii de
corelaie finite i c filtrul numeric este un sistem liniar i invariant n timp, de tipul cu
rspuns finit la impuls. n continuare se vor utiliza intercorelaiile semnalelor x[n ] i
2
r [n ] = r [ n ]
Deci autocorelaia este funcie par.
Coeficienii filtrului numeric (eantioanele rspunsului su la impuls) se
noteaz cu w [n ] .Valoarea erorii medii ptratice este:
} {
} {
} {
(1)
deoarece operatorul de mediere statistic este liniar. Relaia (1) se mai scrie:
1
dz
(R dd (z ) + R yy (z ) 2R dy (z ))
E 2 [k ] =
z
2j
(2)
R yy ( ) = W ( ) R xx ( )
2
adic:
R yy (z )
= W (z )
z =1
2
z =1
R xx (z )
(3)
z =1
Dar:
W (z )
2
z =1
= W (z )W * (z )
z =1
i:
W * (z )
z =1
( )
= W z 1
z =1
R yy (z )
z =1
( )
= W (z )W z 1
z =1
R xx (z )
(4)
z =1
Relaia:
R dy ( ) = W ( )R dx ( )
se mai poate scrie i sub forma:
R dy (z )
z =1
= W (z )
z =1
R dx (z )
(5)
z =1
[Lim., Opp., 88]. Substituind relaiile (4) i (5) n relaia (2) se obine:
[ ( )
1
dz
W z 1 R xx (z ) 2R dx (z ) W (z )
E 2 [k ] = rdd [0] +
z
2j z =1
(6)
relaie care exprim eroarea medie ptratic pe baza expresiei funciei de transfer a
filtrului numeric W (z ) . Fiind vorba despre un filtru cu rspuns finit la impuls se poate
scrie:
(7)
L 1
W (z ) = w [i]z i
i =0
{ }
dimensional {E{ [k ]}, w [0], w [1],..., w [L 1]}. Prin procesul de adaptare se determin
acei coeficieni w [i ], i = 0, L 1 care minimizeaz valoarea E{ [k ]}. Deci prin
Conform relaiei (6) se constat c E 2 [k ] este o suprafa n spaiul L + 1
2
min
adaptare se realizeaz o deplasare pe suprafaa amintit mai sus, din punctul iniial de
coordonate E 2 [k ] , w 0 [0], w 0 [1],..., w 0 [L 1] n punctul final de coordonate
{{
min
min
min
L 1 L 1
L 1
i =0 m =0
i =0
(8)
rxx [1]
... rxx [L 1]
rxx [0]
r [1]
rxx [0]
... rxx [L 2]
xx
.
.
.
.
R=
.
.
.
.
.
.
.
.
rxd [0]
r [1]
xd
P=
rxd [L 1]
w [0]
w [1]
W=
.
.
w [L 1]
E 2 [k ] = rdd [0] + W T RW 2P T W
(9)
((
))
(( (
)))
E 2 [k ]
w 2[0]
E( [k ] )
w [1]
.
=
2
E [k ]
w [L 1]
Dar:
({
})
L 1
E 2 [k ]
= 2w [l]rxx [0] + 2 w [m ]rxx [l m ] 2rxd [l]
w [l]
m =0
ml
[Ale., 88]. innd seama de paritatea funciei de autocorelaie, pe baza ultimelor dou
relaii rezult c vectorul gradient poate fi exprimat n forma:
L 1
w [m]rxx [m]
L m1 =0
rxd [0]
r [1]
w [m]rxx [m 1]
m
xd
=0
.
.
= 2
2
.
.
.
L 1
rxd [L 1]
w [m ]r [m (L 1)]
xx
m
=0
= 2RW 2P
Minimul de pe suprafaa de eroare este atins n punctul n care gradientul se
anuleaz. Se poate deci scrie:
2RWmin = 2P
Admind c matricea de autocorelaie a semnalului de intrare este inversabil
se poate obine matricea coeficienilor optimi ai filtrului adaptiv:
Wmin = R 1 P
(10)
(11)
adic:
( )
(12)
(R )
1 T
= R 1
i deci:
(R ) R = R
1 T
R=I
(13)
Aceast relaie exprim legtura dintre valoarea minim a erorii medii ptratice
i vectorul coeficienilor optimi ai filtrului adaptiv.
Conform relaiei (10), pentru determinarea coeficienilor filtrului optim este
necesar cunoaterea matricelor R i P (care depind doar de semnalele x[n ] i d[n ]).
n practic matricea R nu este de obicei cunoscut. De aceea de obicei aceast matrice
se estimeaz. Pornind de la valoarea estimat a lui R i de la o valoare iniial a
vectorului W se calculeaz o prim estimaie a gradientului. Pe baza noului eantion
achiziionat se face o nou estimare a lui R. Pe baza relaiei (10) se face o nou
estimare a lui W i se calculeaz gradientul. n cazul n care noua valoare este mai
apropiat de zero se consider c estimarea lui W este n sensul corect i se continu n
acelai fel. n caz contrar se estimeaz R n sens contrar i se refac operaiile enunate
mai sus.
n acest mod se deruleaz un algoritm de cutare a vectorului Wmin .
Metodele de cutare ale minimului suprafeei de eroare se bazeaz n general
pe estimri locale ale gradientului erorii fcute dup achiziia fiecrui nou eantion din
secvena x[n ] . nmulind la stnga cei doi membrii ai relaiei (10) cu
1 1
R = W R 1 P
2
sau pe baza relaiei (11):
1 1
R se obine:
2
(14)
1
Wmin = W R 1
2
Relaia (15) conduce la metoda de cutare a minimului de tip Newton.
Notnd cu W[k ] vectorul coeficienilor filtrului la momentul k se obine:
(16)
care fixeaz viteza de convergen a vectorului W[k ] spre vectorul Wmin . Forma
w k [0]
w [1]
k
W[k ] =
w k [L 1]
La pasul k al algoritmului se calculeaz:
[k ] = 2RW[k ] 2P
(17)
W[k + 1] = (1 2 )
k +1
W[0] + 2Wmin (1 2 )
l=0
(18)
0 < 1 2 < 1
atunci irul W[k ] converge la limita Wmin . Considernd c matricea de autocorelaie
este unitar, relaia (16) se poate scrie n forma:
W[k + 1] = W[k ] [k ]
(19)
Fcnd notaia:
x[k ]
x[k 1]
X[k ] =
x[k (L 1)]
ieirea filtrului adaptiv poate fi exprimat i matricial:
y[k ] = W T [k ]X[k ]
(20)
E 2 [k ] 2 [k ]
Cu aceast aproximare gradientul la momentul k devine:
{[k ]}
k
[
]
{w k [0]}
2
2
[k ]
[k ] {[k ]}
{w [0]}2
{w k [1]}
k
.
2 2 [k ]
=2
[k ]
{w [1]}2
.
.
.
{[k ]}
.
[k ]
{w k [L 1]}
2 2 [k ]
2
{w k [L 1]}
[k ] = d[k ] y[k ]
De aceea:
{[k ]}
{y[k ]} ( 20 )
=
= x[k l]
{w k [l]}
w k [l]
l = 0, L 1
{y[k ]}
{w [0]}
k
{
[k ]}
y
{w k [1]}
= 2[k ]X[k ]
.
[k ] 2[k ]
{y[k ]}
{w k [L 1]}
(21)
(22)
0<
2
<1
L max
(20)
unde max reprezint valoarea maxim a valorilor proprii ale matricei de autocorelaie
a semnalului de intrare, R, [Wid., Ste., 85].
5.2. Aplicaii
n continuare se prezint cteva rezultate de simulare ale unor filtre adaptive de
tip LMS folosite pentru mbuntirea RSZ. n primul experiment se consider sistemul
din figura 5.1.1. Filtrul propriuzis este de tip transversal. n figura 5.1.2. este prezentat
semnalul d[n ] , n figura 5.1.3. semnalul x[n ] iar n figura 5.1.4. semnalul y[n ] .
Anliznd ultima figur se constat c, dup perioada de nvare, semnalul de la ieirea
filtrului urmrete bine partea util a semnalului de la intrare, dei acest semnal este
nestaionar. n acest regim permanent coeficienii filtrului sunt cei prezentai n figura
5.1.5.
Deci filtrul adaptiv de tip LMS din figura 5.1.1. realizeaz pentru semnalul din
figura 5.1.3. o mbuntire a raportului semnal pe zgomot de 6,59 ori. Dezavantajul
schemei din figura 5.1.1. este necesitatea cunoaterii semnalului de referin. De fapt
aceast schem se utilizeaz n aplicaiile de identificare a sistemelor. La intrarea
sistemului de identificat este adus semnalul x[n ] . La ieirea sa se obine semnalul
d[n ] , care este folosit ca i semnal de referin pentru filtrul adaptiv. n acest mod
rspunsul la impuls al filtrului adaptiv n regim permanent va reprezenta o bun
aproximare a rspunsului la impuls al sistemului de identificat. O structur mai bun de
filtrare adaptiv pentru aplicaiile de mbuntire a raportului semnal pe zgomot este
cea prezentat n figura 5.1.6, [Wid., Ste., 85].
Figura 5.1.10. Coeficienii filtrului adaptiv n regim permanent i valorile rapoartelor semnal pe zgomot.
X (1) X (2 ) ... X ( N )
(1)
X ( +1) ,
med{X i } = X ( ) + X ( +1)
daca
daca
N = 2 + 1
N = 2
centrat pe momentul n, prin nmulirea lor se obine semnalul x[n ] , care la momentul
n are N eantioane. Considernd c acestea ar reprezenta secvena de variabile
aleatoare de mai sus, mediana acesteia este rspunsul "filtrului median" la semnalul
x[n ] , la momentul n. Deplasnd fereastra w [n ] peste semnalul x[n ] , (prin centrarea
sa succesiv pe diferite momente de timp) se obine rspunsul filtrului median la
semnalul x[n ] . n figura urmtoare se reprezint cteva exemple de semnale precum i
rspunsurile unui filtru median, cu N de valoare 7, la aceste semnale.
Analiznd figura 6.1.1 se constat c pentru semnale de intrare monotone, prin
filtrare median nu se modific forma semnalului. Aproximarea semnalelor monotone
pe poriuni prin filtrare median este afectat de erori. Acestea se manifest la
momentele de timp la care monotonia semnalului se schimb. De asemenea se constat
Tot pe baza ordonrii statistice descrise de relaia (1) pot fi obinute diferite
combinaii liniare ale elementelor acesteia:
Tn = a i X (i )
(2)
i =1
(3)
Pentru a combina avantajele filtrelor liniare cu cele ale filtrului median au fost
concepute filtrele mediane hibride, caracterizate de urmtoarea legtur intrare-ieire:
(4)
1
y[i ] = med x i j , x i , x i + j
j=1
j=1
x[n ] = x d [n ] + x a [n ]
(5)
y[n ] = x d [n ] + y a [n ]
(6)
RSZ i =
x d2 [i]
i =0
M
(7)
x [i]
2
a
i =0
RSZ o =
x [i]
2
d
i =0
M
(8)
y [i]
2
a
i =0
RSZ o
=
RSZ i
x [i]
i =0
M
2
a
(9)
y [i]
i =0
2
a
A K = x Rn Kx A
unde
K x = {x + k k K}
[Pre. 87]. Primul operator morfologic este cel de eroziune. Erodata mulimii A n
raport cu elementul structurant K este diferena de tip Minkovski dintre A i K . Se
noteaz:
E K {A} = A K = x R n K x A
(10)
A K = Ak
kK
(14)
Figura 6.3.1. Imaginea original (stnga) i erodata sa (dreapta) obinut folosind un element structurant
ptrat cu latura de 2 pixeli.
A K = u, k K, u A k
(17)
Figura 6.3.2 Imaginea original (stnga) i dilatata sa (dreapta). S-a folosit un element structurant ptrat cu
latura de 2 pixeli.
f1 f f 2
De obicei f1 este erodata lui f iar f 2 dilatata lui f. Imaginea filtrat este:
f 1 (x )
f (x ) f 2 (x )
f (x )
pentru
f (x ) f 1 (x ) < f 2 (x ) f (x )
pentru f (x ) f 1 (x ) > f 2 (x ) f (x )
in rest
Figura 6.3.3. Un exemplu de aplicare a filtrului de contrast. n stnga imaginea original. n dreapta
rezultatul filtrrii.
XB = X B B
(18)
XB = X B B
(19)
Figura 6.3.4. Un exemplu de aplicare al operatorilor de deschidere i de nchidere asupra imaginii din
stnga figurii 6.2.2.
1.
2. , i sunt filtre.
3. este cel mai mic filtru superior lui i cel mai mare filtru
inferior lui .
Cu s-a notat supremumul iar cu s-a notat infimumul celor doi operatori.
i j j i I i
unde cu I s-a notat operatorul de identitate. Fie operatorii m i , n i , ri i s i definii dup
cum urmeaz:
m i = i i ; n i = i i ; ri = i i i ; s i = i i i
Cum orice deschidere este mai mic dect orice nchidere de aceeai talie, se poate
scrie :
i i
Atunci, conform teoremei anterioare, se poate afirma c n i , m i , ri i s i sunt filtre.
Propoziia urmtoare demonstreaz c ordinea de iterare a filtrelor conteaz.
Propoziie. Fie (i k )k =1 ntregi strict pozitivi astfel nct i k i1 = i p . Atunci:
p
m i p m i p 1 ...m i 2 m i1 = m i 1 = m i p
n ip n i p 1 ...n i2 n i1 = n i1 = n ip
O demonstraie pentru aceast propoziie poate fi gsit n [Sch., Mat. 94].
Filtrele alternate secvenial sunt definite de iteraiile urmtoare :
M i = m i m i 1 ... m 2 m1
N i = n i n i 1 ... n 2 n 1
R i = ri ri1 ... r2 r1
Si = s i s i 1 ... s 2 s1
n particular pot fi scrise relaiile urmtoare:
R i = i M i i Si = i N i
Aceste filtre se bucur de un numr mare de proprieti. Iat cteva relaii referitoare la
compunerea lor. Pentru i j :
M jM i = M j M i M j
R i R j R j = R jR i
S jS i = S j S i S j
Ni N j N j = N jNi
M it = m1 m 2 ... m i -1 m i
R it = r1 r2 ... ri -1 ri
N it = n 1 n 2 ... n i -1 n i
S it = s 1s 2 ... s i -1s i
~
~
~
~
M i = M it M i ; R i = R it R i ; N i = N it N i ; Si = Sit Si
Aceste filtre au proprietatea:
~ ~
~ ~
~
M i M j = M j M i = M sup (i , j)
n figura 6.3.1.1 se prezint dou exemple de utilizare a filtrelor alternate
secvenial. n partea de sus este prezentat imaginea de filtrat, n mijloc se afl
imaginea obinut prin filtrarea cu ajutorul unui filtru morfologic deschidere-nchidere
iar n partea de jos se poate vedea imaginea obinut prin filtrarea cu un filtru
morfologic nchidere-deschidere.
n cele dou exemple de filtrare din figura anterioar au fost folosite elemente
structurante ptrate cu latura de 2 pixeli.
6.4. Filtre neliniare folosite n domeniul unei transformri ortogonale
O modalitate interesant de filtrare a unui semnal este cea bazat pe
prelucrarea unei transformate a acelui semnal. De exemplu, de multe ori, pentru
filtrarea adaptiv a unui semnal se prefer strategia urmtoare:
- se calculeaz o transformat ortogonal a semnalului de prelucrat,
- se efectueaz filtrarea adaptiv n domeniul transformatei,
- se aplic, rezultatului obinut la pasul anterior, transformarea ortogonal invers,
obinndu-se rezultatul filtrrii.
O astfel de abordare are unele avantaje:
...V1 V0 V1 ... ,
i)
ii)
= {0},
mZ
Vm = L2 (R ) ,
mZ
iii)
()f (x ) Vm
f (2 x ) Vm 1 ,
iv)
2
(
)
x
2
=
2 m x n s fie o baz ortonormal a lui Vm .
m ,n
nZ
{ (t ) = (t n )}
0,n
nZ
f 0 (t ) =
(20)
f (t ), (t ) (t )
n =
0,n
0,n
1
2
f 1 (t ) =
2 1 t n a lui V1 :
nZ
f (t ), (t ) (t )
n =
1, n
(21)
1, n
{ (t )}
m,n
nZ
a lui Vm :
f m (t ) =
f (t ), (t ) (t )
n =
m,n
(22)
m,n
f 0 (t ) cu funciile
e1 (t ) e 2 (t ) ... e m (t )
(23)
lui L2 (R ) .
Notnd:
f 0 (t ), m ,n (t ) = s m [n ]
se poate stabili relaia ntre secvenele s m [n ] i s 0 [n ] pentru m > 0 .
1,n (t ) =
l =
nZ
a lui V0 este:
1,n (t ), (t l ) (t l )
(24)
Dar:
1,n (t ), (t l ) =
1
2
1
*
2 2 u (u + 2n l)du
(25)
Cu notaia:
1,n (t ), (t l ) = h[2n l]
relaia (24) devine:
1,n (t ) =
h[2n l](t l)
l =
Deci:
s1 [n ] =
s [p]h [2n p]
p =
s m [n ] =
s [p]h [2n p]
p =
m 1
(26)
s m [n ] pornind de la secvena s m1 [n ] .
orice m ntreg.
Funciile m ,n (t ) se numesc "wavelet". Funcia generatoare (t ) poate fi
(t ) =
atunci:
c[n ](2t n )
n =
(27)
(t ) =
(28)
( 1) c[1 n ](2t + n )
n
n =
e1 (t ) = f 0 (t ) f 1 (t )
Se constat c:
e1 (t ) W1
(29)
e m (t ) =
(30)
e (t ), (t ) (t )
1
n =
m,n
m,n
Cu notaia:
e1 (t ), m ,n (t ) = d m [n ]
(31)
1,n (t ) =
l =
nZ
rezult:
1,n (t ), (t l ) (t l )
(32)
Dar:
1,n (t ), (t l ) =
1
2
1
*
2 2 t n (t l)dt
sau:
(33)
12 *
1,n (t ), (t l ) = 2 2 u (u + 2n l )du
1
2
Folosind notaia:
1,n (t ), (t l ) = g[2n l]
(34)
1,n (t ) =
(35)
g[2n l](t l)
l =
i:
d 1 [n ] = e1 (t ), 1,n (t ) = f 0 (t ), 1,n (t ) =
(36)
l =
n general:
d m [n ] =
(37)
s [l]g [2n l]
l =
m 1
s m1 [n ]
g * [n ]
d m [n ]
s m1 [n ] n semnalul d m [n ] .
g[n ] = ( 1)
1 n
h[1 n ]
(38)
s m [n ] , d k [n ], k = 1, m .
s 0 [n ] n semnalele
(39)
f 0 (t ) = f m (t ) + e k (t )
k =1
s 0 [k ] =
s [l] (t ), (t k )
l =
1, l
d [p] (t ), (t k )
p =
1, p
(40)
s 0 [k ] =
s1 [l]h[2l k ] +
l =
d [p]g[2p k ]
p =
s m 1 [k ] =
s m [l]h[2l k ] +
l =
d [p]g[2p k ]
p =
(41)
Figura 6.4.2.5. Filtrul Daubechies 2; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.6. Filtrul Daubechies 3; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.7. Filtrul Daubechies 4; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.8. Filtrul Daubechies 5; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.9. Filtrul Daubechies 6; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.10. Filtrul Daubechies 7; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.11. Filtrul Daubechies 8; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.12. Filtrul Daubechies 9; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
Figura 6.4.2.13. Filtrul Daubechies 10; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n
intervalul [0,].
i
2
3
4
5
6
7
8
9
10
Coeficieni
0.4830 0.8365 0.2241 -0.1294
0.3327 0.8069 0.4599 -0.1350 -0.0854 0.0352
0.2304 0.7148 0.6309 -0.0280 -0.1870 0.0308 0.0329 -0.0106
0.1601 0.6038 0.7243 0.1384 -0.2423 -0.0322 0.0776 -0.0062
-0.0126 0.0033
0.1115 0.4946 0.7511 0.3153 -0.2263 -0.1298 0.0975 0.0275
-0.0316 0.0006 0.0048 -0.0011
0.0779 0.3965 0.7291
0.4698
-0.1439
-0.2240
0.0713
0.0806 -0.0380 -0.0166
0.0126 0.0004 -0.0018 0.0004
0.0544 0.3129 0.6756 0.5854 -0.0158 -0.2840 0.0005 0.1287
-0.0174 -0.0441 0.0140 0.0087 -0.0049 -0.0004 0.0007 -0.0001
0.0381 0.2438 0.6048 0.6573 0.1332 -0.2933 -0.0968 0.1485
0.0307 -0.0676 0.0003 0.0224 -0.0047 -0.0043 0.0018 0.0002
-0.0003 0.0000
0.0267 0.1882 0.5272 0.6885 0.2812 -0.2498 -0.1959 0.1274
0.0931 -0.0714 -0.0295 0.0332 0.0036 -0.0107 0.0014 0.0020
-0.0007 -0.0001 0.0001 -0.0000
s 0 [8]
s [7]
0
.
S0 = .
s [1]
0
iar h[n ] are durata 4. Primul pas al algoritmului de calcul al TWD este:
Y1 = M 0 X 0
cu:
X 0 = S0
i:
h[0]
h[3]
0
M0 =
0
0
h[2]
h[1]
Se obine:
h[1]
h[2]
h[3]
h[0]
h[1]
h[2]
h[3]
0
h[3]
0
0
0
0
h[0]
0
0
h[0]
h[1]
h[2]
h[3]
0
0
0
0
h[3]
h[0]
h[1]
h[2]
s 1 [4]
d [4]
1
s 1 [3]
d 1 [3]
Y1 =
s 1 [2]
d 1 [2]
s [1]
1
d 1 [1]
Prin permutri rezult:
s1 [4]
s [3]
1
s1 [2]
s 1 [1]
1
Y1 =
d 1 [4]
d 1 [3]
d [2]
1
d 1 [1]
Elementele vectorului Y11 sunt secvenele s1 [n ] i d 1 [n ] . Separnd
elementele acestor secvene se obin vectorii X 11 i X 12 cu:
Fie M1 matricea care reprezint sfertul din stnga sus al matricei M 0 . Cel de
al doilea pas al algoritmului FWT este descris cu relaia:
Y2 = M 1 X 11
Rezultatul este:
s 2 [2]
d [2]
Y2 = 2
s 2 [1]
d 2 [1]
Prin permutri rezult:
X 12 = [s 2 [2] s 2 [1]];
T
X 22 = [d 2 [2] d 2 [1]]
T
transformare
R y [n ],
ortogonal
n = 0, N 1 cu autocorelaia R x [n ] i se aplic
se obine secvena y[n ] cu autocorelaia
n = 0, M 1 , cu R y [n ] < R x [n ] .
Figura 6.4.3.1. Sistemul folosit pentru compresia de date bazat pe o transformare ortogonal.
y = Tx;
y = Py;
x = T 1 y
(21)
(42)
y = sgnx (| x | -s)
Se noteaz cu X variabila aleatoare care descrie comportarea statistic a
semnalului dm[i] la momentul fixat i. Se consider c semnalele dm[i] sunt de tip
zgomot alb i c variabila aleatoare X este distribuit gaussian (avnd media 0 i
dispersia 2). Aplicnd variabilei aleatoare X transformarea funcional descris n
figura 6.4.4.1.1 se obine variabila aleatoare Y. Se determin pY(y) n funcie de
densitatea de probabilitate a variabilei aleatoare X, pX(x). Conform figurii 6.4.4.1.1
rezult:
p Y (y) =
pX ( x1) pX ( x 2)
+
dy
dy
dx 1
dx 2
unde:
x 1 (,0 ); y = x 1 + s x 1 = y s ;
dy
= 1 , y (-, s )
dx 1
i:
x 2 (0, ); y = x 2 s x 2 = y + s;
dy
= 1 , y (s, , )
dx 2
De aceea se poate scrie:
-s
Se constat faptul c funcia pY(y) este par. Media acestei variabile aleatoare este:
mY =
yp
(y) dy = 0
=
2
Y
pY (y) dy =
y [p
2
(43)
p X (y s) dy +
p X (y + s) dy
I1 =
pX (y s) dy
I1 =
(u + s )2 pX (u) du =
pX (u) du +
(44)
-
0
+ 2s
up
(u) du +
pX (u) du
Dar:
0
2
u p X (u) du =
i
2
(u) du = FX (0) =
1
2
unde cu FX(x) s-a notat funcia de repartiie a variabilei aleatoare X. Deci relaia (44)
devine:
2
I1 = + 2s u pX (u) du +
2
2
-
Urmeaz calculul lui:
(45)
I2 =
pX (y + s) dy
I 2 = (u s ) pX (u) du = u 2 pX (u) du
2
2s u pX (u) du + s 2 p X (u) du =
2s u pX (u) du +
2
2
0
u pX (u) du =
0
v pX ( v) dv =
vp
(v) dv
i astfel I2 devine:
0
(46)
I2 =
+ 2s u pX (u) du +
2
2
-
= I1 + I 2 = + 4s
2
Y
up X (u) du + s 2
I3 =
up
(u) du =
ue
u2
2 2
2 -
u
u2
2
2
2
2
=
d e = 2 e
2 -
du =
2Y = 2 4s
+ s2
(48)
Trebuie determinat mulimea valorilor lui s pentru care are loc relaia:
(49)
2Y < 2
Pentru aceste valori, prin aplicarea transformrii (42), se obine un nou semnal
aleator (descris de variabila aleatoare Y la momentul i) a crui putere este inferioar
puterii semnalului dm[n] i deci metoda propus este eficient.
Condiiile (48) i (49) conduc la relaia:
s 2 4s
<0
Figura 6.4.4.1.3. Mulimea valorilor lui s pentru care metoda "wavelet shrinkage" este eficient.
Ymin =
2
= 0,6
(50)
De aceea, n cel mai fericit caz, se poate vorbi de o mbuntire a RSZ de 2,77
ori. Astfel, metoda propus nu poate conduce la rezultate remarcabile dect n cazul
unor semnale care au deja RSZ destul de mare.
Referitor la distorsionarea semnalului dm[n] se poate afirma c acele eantioane
care au valori mari (mult mai mari dect s) nu sunt afectate de metoda propus dar c
acele eantioane care au valori apropiate de s sunt puternic afectate de metoda propus.
Avnd n vedere c alegerea pragului s depinde de dispersia zgomotului n(t),
2, rezult c "wavelet shrinkage" este o metod de filtrare neliniar adaptiv n
domeniul TWD. Este clar c aplicarea relaiei (42) presupune un volum de calcul mult
inferior celui solicitat de algoritmul LMS [Isa. 94(1)], [Isa. 94(2)] sau de filtrarea
Wiener multicanal [Naf. 95], [Bov., Mar., Qua. 94], [Che., Lin. 94], [Shy. 92].
6.4.4.2. Filtrul de tip hard-thresholding
O alt metod de filtrare neliniar n domeniul TWD este propus de Moulin n
[Mou. 94]. Aceast metod se bazeaz pe o detecie de prag. Transformarea care st la
baza acestei metode este:
(51)
Filtrul neliniar descris n relaia de mai sus a fost numit de ctre Donoho filtru
de tip hard-thresholding. Raionnd ca mai sus se consider variabila aleatoare X
distribuit gaussian cu media nul i dispersia 2. Aceasta este transformat cu ajutorul
relaiei:
x,
y=
0,
x >s
(52)
x s
s
-s
s
-s
p Y (y) =
k
p X (x k )
dy
dx k
FY (y) = P( Y y)
Pe intervalul (- , -s) variabilele X i Y sunt identice. De aceea:
FY (y) = P( Y y) = FX (y) , y (, s)
+ p X (y) (y s)
Se determin media mY a variabilei aleatoare Y:
mY =
yp (y)dy
Y
pY (y)
Fx ( y )
[Fx (s ) Fx ( s )]( y )
y
-s
0 s
Deoarece:
mY =
yp Y (y )dy =
yp X ( y)dy + yp X ( y)dy
(54)
m Y = - y p X (y) dy s y pX (y) dy = 0
deoarece cele dou integrale sunt nule fiind integrale de funcii impare pe intervale
simetrice.
n continuare se calculeaz dispersia variabilei aleatoare Y.
2
Y
2
y p Y ( y) dy =
2
2
2
y p Y ( y) dy + y pY (y) dy + y pY (y) dy =
p Y ( y) dy + y2 pY (y) dy =
p Y ( y) dy y 2 p Y (y) dy
s
sau:
s
2
2
= 2 y pX (y) dy
2
Y
y pX (y) dy = y
2
y2
22
=
ye
2
y2
2
y2
2 2
y2
dy =
yd e 2
2 0
s
2
2
s2 s y2
se 2 e 2 dy =
dy =
s
y
s
s
2
2
22
1
se
+ 2
=
e 2 dy =
se 2 + 2 (FX (s) FX (0) ) =
2
2
2
0
2
s
2
2
=
se
2
2
+ 2 F (s) 1
X
Revenind, avem:
= +
2
Y
2
2
se
s2
22
2 2 FX (s)
2
=
2
Y
2
2
se
s2
22
2 2 FX (s)
2
(55)
2Y 2 .
2Y 2
s =0
=0
2Y 2
s =
= 2
Ei = xi
i =0
N 1
; E e = yi
; RSZ i =
i =0
E
Ei
; RSZ e = 2e
2
E e = x i 2s
2
i =0
N 1
x
i =0
+ s2
sau, cu notaia:
N 1
x
i =0
2
i
= S N 1
vom avea:
E e = E i 2s S N 1 + s 2
De aceea, n cazul acestei metode:
RSZ e =
E i 2s S N 1 + s 2
4
2
s + s 2
2
0,
pentru d m [i] < s
[i]
dm
(56)
-s
Legtura dintre funciile de repartiie ale celor dou variabile aleatoare este:
FY (y ) = FX (y s )( y ) + FX (y + s )(y )
Derivnd aceast relaie se obine legtura dintre densitile de probabilitate
corespunztoare:
yp (y)dy = 0
mY =
Y =
p X (y s )dy + y 2 p X (y + s )dy
0
Dar:
0
2
y p X (y s )dy =
(u + s )
p X (u )du =
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 u 2 p X (u )du 4s up X (u )du + s 2 1 FX (s ) + FX ( s )
2
u
s
i:
p X (u )du = 1 FX (s ) +
2
x
2x
2
se
s2
2 2x
up (u )du =
X
2
X
p X (s )
Y = 2s 2 1 FX (s ) 2s X p X (s ) + 2 X 1 FX (s )
2
x[n ] = x u [n ] + z x [n ]
unde zx[n] este un zgomot staionar cu puterea 2x . Dac semnalele x u [ n ] i z x [ n ] sunt
necorelate atunci se poate scrie:
Px = Px u + Pn x
Raportul semnal pe zgomot la intrare este egal cu:
RSZi =
Px u
2x
y[n ] = y u [n ] + z y [n ]
iar RSZ la ieire va fi:
RSZ e =
Py u
Y
Py
RSZ e
=
= u2 X
RSZ i Y Px u
Py Y X
Px X Y
N1
N2
k =1
k1 =1
k 2 =1
N2
Py = x [k 1 ] + x 2 [k 2 ] +
k1 =1
k 2 =1
N1
N2
+ 2s x[k 2 ] x[k 1 ] + (N 1 + N 2 )s 2
k1 =1
k 2 =1
N2
k1 =1
k 2 =1
N2
N1
k 2 =1
k 1 =1
k =1
x 2 [k 1 ] + x 2 [k 2 ] Px Px u + 2X
i:
x [k 2 ] x [k 1 ]
x [k ]
N 1 + N 2 N
cu 0 < < 1
Py = Px + 2s + Ns 2
Incluznd i distorsiunea semnalului util de la ieire n categoria perturbaiilor,
raportul semnal pe zgomot la ieire poate fi calculat cu formula:
RSZ e =
Px u
Py Px u
Px u
Ns 2 + 2s + X
(57)
Aceasta este formula pentru calculul RSZ la ieire utilizat n restul acestui
capitol i n capitolul urmtor. Valoarea maxim a acestui raport se obine atunci cnd
numitorul su este minim. Aceast situaie apare atunci cnd pragul ia valoarea optim,
s0, dat de relaia:
s0 =
Dac sunt satisfcute ipotezele fcute, atunci exist o valoare optim a pragului
pentru maximizarea raportului semnal pe zgomot la ieire, n cazul filtrului de tip softthresholding.
Din nefericire aceast valoare optim este dificil de calculat naintea efecturii
filtrrii deoarece constantele , , i N au valori care depind de forma de und a
semnalului util de la intrare precum i de tipul de zgomot de la intrare.
Tipul semnalului
Sinusoidal
Modulat n
frecven
Dreptunghiular
Gaussian
Sinus cardinal
Fiecare dintre aceste semnale este caracteristic pentru o anumit aplicaie din
domeniul telecomunicaiilor. De exemplu semnalul sinusoidal poate fi asociat cu
modulaia de faz, semnalul modulat n frecven apare frecvent n radiolocaie,
semnalul de tip tren de impulsuri dreptunghiulare apare n comunicaiile de date n
banda de baz, semnalul de tip tren de impulsuri gaussiene apare n comunicaiile de
date fr interferen intersimbol iar semnalul de tip tren de impulsuri de tip sinus
cardinal apare n comunicaiile de date cu interferen intersimbol. Se poate afirma de
asemenea c fiecare din semnalele din tabelul 1 descrie cte o clas de semnale destul
de larg. Aceste clase se difereniaz ntre ele prin regularitatea elementelor lor, prin
numrul lor de parametrii, etc.
Cte o realizare a semnalelor aleatoare care pot fi generate cu ajutorul acestui
program este prezentat n figurile 7.1.6, 7.1.7, 7.1.8 i 7.1.9.
Tipul semnalului
Zgomot alb
Zgomot uniform
Tren de impulsuri
Salve de impulsuri
Figura 7.1.12. Tren de impulsuri dreptunghiulare perturbat aditiv cu zgomot de tip tren de impulsuri.
Figura 7.1.13. Tren de impulsuri gaussiene perturbat aditiv de zgomot n salve de impulsuri.
Figura 7.1.14. Rezultatul aplicrii metodei asupra semnalului din figura 7.1.10.
Figura 7.1.15. Rezultatul aplicrii metodei adaptive de mbuntire a raportului semnal pe zgomot
semnalului din figura 7.1.11.
Figura 7.1.16. Semnalul obinut n urma aplicrii metodei adaptive de mbuntire a raportului semnal pe
zgomot semnalului din figura 7.1.12.
Figura 7.1.17. Semnalul obinut n urma aplicrii metodei adaptive de mbuntire a raportului semnal pe
zgomot semnalului din figura 7.1.13.
Figura 7.1.18. Distorsiunea de amplitudine a semnalului sinusoidal n urma extragerii sale din zgomot alb.
Figura 7.1.19. Distorsiunea de amplitudine a semnalului modulat n frecven n urma extragerii sale din
zgomot uniform.
Figura 7.1.22. a). Semnal util cu zgomot cu distributie normal cu un RSZi = 2 i semnalul
reconstituit;b). Semnal util cu zgomot alb (distribuie gaussian) cu un RSZi = 2 i semnalul
reconstituit.
Figura 7.1.22. c). Semnal util cu zgomot n impuls i semnalul reconstituit; d). Semnal util cu zgomot n
salve de impulsuri i semnalul reconstituit.
RSZ
RSZ =2
RSZ =3
RSZ =4
2,2 10-2
7 10-3
1,8 10-3
Eroarea metodei
propuse
4 10-3
5 10-4
3 10-5
Figura 7.1.24 (continuare). Diferite perturbaii cu semnale aleatoare ale semnalului util
prezentat n figura 7.1.22 precum i semnalele rezultate n urma prelucrrii:
c). Semnal chirp cu suprapuneri de tip impuls.
d). Chirp cu salve de impulsuri.
Figura 7.1.25. Variaia temporal a perioadei instantanee a semnalului de test prezentat n figura 7.1.22.
Figura 7.1.26. Una dintre estimatele variaiei n timp a perioadei corespunztoare semnalului reconstituit
cu ajutorul metodei de de-noising propus.
Figura 7.1.27. Variaia n timp a erorii intermediare de estimare pentru semnalul reconstituit
cu ajutorul metodei de de-noising propus.
Figura 7.1.28. Variaia n timp a erorii medii de estimare a perioadei instantanee bazat pe metoda de denoising propus. Media a fost efectuat pe 16 realizri ale semnalului reconstituit.
N
2
3
4
5
6
7
8
9
10
N
2
3
4
5
6
7
8
9
10
Figura 7.2.4. Funcionarea metodei de de-noising cnd se utilizeaz funcia wavelet mam Dau 10.
TWDD {x[n ]} = [TWD D 2,1 {x[n ]}TWD D 2, 2 {x[n ]}TWD D 2, 4 {x[n ]}" TWD D10,8 {x[n ]}]
Pe prima coloan a matricii din membrul drept al ultimei relaii se gsete
TWD a semnalului considerat, calculat folosind funcia wavelet mam Dau 2 i un
numr de o iteraie, pe a doua coloan se gsete TWD a semnalului considerat,
(1)
unde u[n] reprezint semnalul util iar z[n] reprezint zgomotul. Se va considera c
aceste dou semnale sunt strict pozitive. Acesta este cazul, de exemplu la sistemele
radar. Pentru a mbunti RSZ n acest caz se parcurg urmtorii pai:
1. Se logaritmeaz semnalul s[n ] , obinndu-se semnalul l[n ] . Acesta va avea o
component util i una perturbatoare, fiind de forma l[k] = l u [k] + n[k] .
Componenta util este egal cu logaritmul lui u[n ] iar componenta perturbatoare
cu logaritmul lui z[n ] .
2. Se aplic metoda de de-noising adaptiv, creia i este destinat acest capitol,
obinndu-se o estimat a semnalului l u [n ] .
3. Se antilogaritmeaz rezultatul obinut la pasul anterior.
Figura 7.2.2.3. Cel de al treilea exemplu de utilizare a metodei de de-noising adaptiv n cazul zgomotului
multiplicativ. RSZ la intrare este de 3,45. RSZ la ieire este de 207,56.
n cele trei figuri sunt reprezentate formele de und ale semnalelor util (n
partea de sus), achiziionat (la mijloc) i reconstruit (jos). Parametrii TWD folosite au
fost: funcia wavelet mam Dau 9 i un numr de patru iteraii.
S-a considerat cunoscut puterea semnalului util u[ n ], Pu , pe baza creia s-a
calculat constanta Pf =
1
log 10 (Pu ) , care s-a utilizat la calculul RSZ de ieire (calcul
2
efectuat cu ajutorul relaiei (57) din capitolul 6) n cadrul fiecrei iteraii a metodei de
de-noising adaptiv. Cantitatea Px u din relaia (57) din capitolul 6 a fost nlocuit cu
constanta Pf .
Experimentul a fost repetat de trei ori pentru a se dovedi c metoda de cretere
a RSZ funcioneaz bine ntr-o gam larg de RSZ de intrare, situat n zona de valori
foarte mici ale acestei mrimi.
x(t)
H()
1
0
x(t)
1(t)
Figura 8.1. Sistemul de implementare a teoremei WKS.
Demonstraia acestei teoreme se bazeaz pe faptul c mulimea {sinc((tk))}kZ este o baz ortonormal a spaiului Hilbert al semnalelor de energie finit i
band limitat la , B2. Aceast mulime este generat prin translaii cu ntregi ale
rspunsului la impuls al filtrului trece jos ideal h ( t ) = sin c[( t )] .
Filtrul de reconstrucie, cu rspunsul la impuls h(t) nu este cauzal. Dac x(t)
este de band nelimitat atunci rspunsul sistemului din figura 8.1. este doar o
aproximaie a semnalului de intrare datorit fenomenului de aliasing [Isa., 92].
Pentru eantionarea semnalelor de band nelimitat, n practic se folosesc
filtre antialiasing, aa dup cum se vede n figura 8.2. Filtrul de la intrare este un astfel
de sistem iar cel de la ieire este filtrul de reconstrucie. Semnalul z(t) trebuie s fie de
band limitat cu pulsaia maxim din spectru de valoare . Cea mai bun aproximare
de medie ptratic a semnalului de intrare cu semnale de band limitat este proiecia
sa ortogonal pe spaiul B2.
h (t)
z(t)
u(t)
x(t)
L (R)
h(t)
y(t)
1(t)
g (t)
x(t)
z(t)
u(t)
g(t)
y(t)
1(t)
Figura 8.3. Sistem de reconstrucie perfect din eantioane a unor semnale de band nelimitat.
z( t ) = x ( t ) g v ( t ) =
x ()g v ( t )d = x (), g ( t )
u ( t ) = z ( t ) 1 ( t ) =
z ( k ) ( t k ) =
k =
x (), g( k ) ( t k )
k =
y( t ) = u ( t ) g ( t ) =
x (), g( k ) g( t k )
k =
y( t ) = x ( t )
Propoziia este demonstrat.
(1)
x(t)
g (t-t 0 )
z 1(t)
u 1(t)
(t)
1
Filtru antialiasing
g(t)
Filtru de
reconstrucie
z1 (t ) =
x ()g v ( t t 0 )d = z( t t 0 )
u 1 ( t ) = z 1 ( t ) 1 ( t ) =
k =
z ( k t 0 ) ( t k )
u 1 (t) = u(t t 0 )
x(t- t 0)
Deci fiecare semnal x(t) din V0 poate fi perfect reconstruit, folosind sistemul
din figura 8.4, abstracie fcndu-se de o ntrziere t0. Dac t0 are o valoare superioar
duratei rspunsului la impuls g(t), atunci filtrele care compun sistemul din figura 8.4
sunt cauzale. Diferite particularizri ale funciei g, conduc la noi teoreme de
eantionare pentru diferite spaii Hilbert V0. Se obin i filtrele antialiasing
corespunztoare. n continuare se prezint dou exemple. O lucrare excelent pe aceai
tem este [Ben., 92]. Paragraful 5 al acestei lucrri "Regular Sampling and Frames"
trateaz reconstrucia semnalelor eantionate uniform. Dar analiza este efectuat doar
pentru semnale de band limitat iar condiia de cauzalitate a sistemelor de
reconstrucie nu este impus.
A. Exemplul 1 (legat de teoria funciilor wavelet)
Fie 1V0 spaiul funciilor constante pe poriuni :
(2)
g ( t ) = ( t ) ( t 1)
(3)
Deoarece lungimea suportului funciei 1g(t) este egal cu 1, valoarea lui t0 din acest
exemplu va fi de 1. Se poate observa c:
1
g ( t )=1 g (1 t )
Linie de
ntrziere
integrator
(t-1)
( t ) = (A 0 / )e t / ( t )
A | 2 ( + 2k) | 2 B
(4)
k =
Seria din ultima relaie reprezint spectrul semnalului obinut prin eantionarea
ideal cu pas unitar a autocorelaiei semnalului 2(t). Expresia acestei funcii este:
R ( t ) = A 0 / 2 e |t|/
Eantionnd aceast funcie cu pas unitar se obine semnalul n timp discret cu
transformata Fourier n timp discret :
Acesta este motivul pentru care folosind identitatea lui Poisson se obine:
k =
A = R (); B = R (0)
Fie 2V0 spaiul Hilbert generat de mulimea {2(t-k)}kZ . Pentru acest spaiu
mulimea generatoare este o baz Riesz. Din nefericire suportul funciei 2(t) nu este
compact. Dar orice baz Riesz poate fi transformat ntr-o baz ortonormal. Folosind
notaia :
() | 2 =
|2 m
k =
( + 2k) | 2
()
g ()= 2 ()/ 2 m
g () = [ /(1 + j)](1 e 1 / e j )
cu :
Deci:
2
2
1 e
g ( t ) = [e t / (( t ) ( t 1))]
(t)
Linie de
ntrziere
(t-1)
g (1 t ) = [e (1 t ) / ((1 t ) ( t ))] = (1 + e 1 / )1 g ( t ) 2 g ( t )
x L (t ) = a l t l
l=0
x L (t ), L (t k ) = x (k )
n schema din figura 8.4 nu mai este necesar folosirea filtrului antialiasing.
Reconstrucia perfect, din eantioane prelevate uniform, a semnalului x L (t ) , poate fi
realizat cu ajutorul sistemului din figura 8.2.1.
u 1(t)
x L (t)
1(t)
g(t)
x L (t )
Filtru de
reconstrucie
Figura 8.2.1. Sistem de eantionare ideal i reconstrucie perfect a unui polinom de gradul L.
PP1 (t ), t I1
P (t ), t I
2
P2
.
x (t )
.
PPl (t ), t I l
(5)
100
200
300
400
500
600
700
800
Numrul de
ordine al
segmentului
1
2
3
4
5
Gradul polinomului
corespunztor
Durata segmentului
[numr de eantioane]
0
5
6
7
9
128
128
128
256
64
g (t )=1 g (t )
Prin derivarea polinomului PPl (t ) , de grad Pl , se obine polinomul PPl 1 ( t ) ,
x(t)
Derivare z 1(t)
de Pl ori
u 1(t)
1g(t)
Integrare x(t)
de Pl ori
1(t)
Evident sistemul din figura anterioar este unul cu parametrii variabili n timp,
fiind necesar ca acest sistem s fie controlat de algoritmul de segmentare amintit mai
sus. Acest algoritm trebuie s specifice lungimea intervalului I l , pe care parametrii
blocurilor de intrare i ieire ale sistemului din figura 8.2.3. trebuie pstrai constani.
De asemenea algoritmul de segmentare trebuie s specifice valoarea Pl .
BIBLIOGRAFIE
276 Bibliografie
[Bov., Mar., Qua. 94] A.C.Bovik, P.Maragos,T.F.Quatieri, AM&FM energy detection
and separation in noise using multiband energy operators, IEEE Transactions on signal
processing, vol.41,no.12,december 1993.
[Buc., Don. 95] J. Buckheit, D. Donoho, Improved Linear Discrimination Using
Time-Frequency Dictionaries. Technical Report, Stanford University, July 1995.
[Buc., Don. 96] J. B. Buckheit, D. Donoho, Time-Frequency Tillings which Best
Expose the Non-Gaussian Behaviour of a Stochastic Process. Proceedings of the IEEE
Conference TFTS96, pp.1-4, Paris, July 1996.
[Che., Lin. 94] B. S. Chen, C. W. Lin, Multiscale Wiener Filter for the Restoration of
Fractal Signals: Wavelets Filter Bank Approach. IEEE Transactions on Signal
Processing, vol. 42, No. 11, pp.2972-2982, November 1994.
[Chi., Kol., Cul. 96] H. A. Chipman, E.D. Kolaczyk, R.E. Mc Culloch, Signal
Denoising Using Adaptive Bayesian Wavelet Shrinkage, Proceedings of TFTS96, pp.
225-228, Paris 1996.
[Coh., dAl. 95] A. Cohen, J. P. dAles, Nonlinear Approximation of Stochastic
Processes. n Wavelets and Statistics. A. Antoniadis si G. Oppenheim (editori),
Springer Verlag, pp.129-132, 1995.
[Coh., Kov. 96] A. Cohen, J. Kovacevic, Wavelets: The Mathematical Background,
Proceedings of the IEEE, vol.84, no. 4, April 1996, pp.514-521.
[Coif., Don. 95] R. R. Coifman, D. L. Donoho, Translation Invariant De-Noising. n
Wavelets and Statistics. A. Antoniadis si G. Oppenheim (editori), pp.125-150, Springer
Verlag 1995.
[Coif., Sai. 96] R. R. Coifman, N. Saito, The Local Karhunen-Loeve Bases.
Proceedings of the IEEE Conference TFTS 96", pp.129-132, Paris, July 1996.
[Cou. 84] F. de Coulon, Thorie et traitement des signaux. Presses polytechniques
romandes. Lausanne 1984.
[Dau. 88] I. Daubechies, Orthonormal Bases of Compactly Supported Wavelets.
Comm. Pure Appl. Math., No. 41, pp.909-996, 1988.
[DeS., Isa. 93] A. De Sabata, A. Isar, Semnale Circuite i Sisteme. Indrumator de
laborator, Litografia UPT, 1993.
[Don. 92] D. L. Donoho, De-Noising via Soft Thresholding. Technical Report 409,
Stanford University, November 1992.
[Don. 93] D. L. Donoho, Wavelet Shrinkage and W.V.D.-A Ten Minute Tour.
Technical Report 416, Stanford University, January 1993.
[Eze., Jen. 92] J.E. Ezell, W. K. Jenkins .a., Adaptive Analog Signal Processing with
Acoustics Charge Transport Filters. Proceedings of the IEEE International Symposium
on Circuits and Systems, San Diego, CA., May, 1992.
[Gao. 97] H. Y. Gao, Wavelets Shrinkage Estimate for Heteroscedatic Regression
Models. Preprint MathSoft, 1997.
[Gao. 97(1)] H.-Y. Gao, Threshold Selection in WaveShrink, Preprint MathSoft,
1997.
[Gao. 97(2)] H.-Y. Gao, Wavelet Shrinkage Denoising Using the Non-negative
Garrote, Preprint MathSoft, 1997.
Bibliografie 277
[Hil., Ogd. 97] M. L. Hilton, R. J. Ogden, Data Analytic Wavelet Threshold Selection
in 2-D Signal Denoising, IEEE Trans. on S.P. vol. 45, no.2, February 1997, pp. 496500.
[Hue. 84] L.P. Huelsman, P.E. Allen, Introduction to the theory and design of active
filters, Prentice Hall, 1984.
[Isa. 92] A.Isar, A New Expression of the Aliasing Error Bound", International
Conference, "ICEA 92", Tizi-Ouzu, 04-06 May 1992.
[Isa., Isa. 92] D.Isar, A. Isar, Adaptive Median Filter, International Conference "
Signals, Circuits and Systems " Iai, Romnia, 1992.
[Isa. 93] A. Isar, Nouvelles modalits de dcomposition multirsolution. Quatorzieme
Colloque GRETSI, Juan-Les Pins, pp.363-366, 13-16 Septembre 1993.
[Isa. 93(1)] A. Isar, Tehnici de msurare adaptiv cu aplicaii n aparatura de msurare
numeric. Teza de doctorat, Universitatea Politehnica Timioara 1993.
[Isa. 94(1)] D. Isar, LMS Adaptive Filter for Frequency Modulated Signal Processing,
Proceedings of the Symposium on electronics and telecommunications , vol.III,
Timioara, sept.29-30, 1994.
[Isa. 94(2)] D.Isar, The study of a LMS adaptive filter, Proceedings of the symposium
on electronics and telecommunications, vol.III, Timioara, sept. 29-30, 1994.
[Isa., Asz. 94] A.Isar, T.Asztalos, Using the fast wavelet transform for data
compression, Proceedings of the symposium on electronics and telecom., vol.III,
Timioara, sept. 29-30, 1994.
[Isa. 95] D.Isar, Metode convenionale de cretere a raportului semnal pe zgomot,
Referat nr. 1 n cadrul pregtirii pentru doctorat, conductor tiinific Prof. dr. ing. Ioan
Naforni.
[Isa. 95(1)] D.Isar, Metode moderne de cretere a raportului semnal pe zgomot,
Referat nr. 2 n cadrul pregtirii pentru doctorat, conductor tiinific Prof. dr. ing. Ioan
Naforni.
[Isa., Asz., Isa. 95] D.Isar, T.Asztalos, A.Isar, De-noising with wavelets, International
Symposium SCS95, Iai, Romnia, 1995.
[Isa. 97] D. Isar. De-noising adaptatif. Seizieme Colloque GRETSI, pp.1249-1252,
Grenoble, 15-19 Septembre 1997.
[Isa., Naf. 98]. A.Isar, I. Naforni, Reprezentri timp-frecven. Editura
Politehnica, Timioara, 1998.
[Kla., Hol., Flo. 97] A. Kla., M. Holschneider, K. Flornes, Two-channel Perfect
Reconstruction Filter Banks over Comutative Rings, propus pentru publicare la IEEE
Transactions on Signal Processing.
[Kol. 96] E.D. Kolaczyk, A Method for Wavelet Shrinkage Estimation of Certain
Signals Using Corrected Thresholds, articol propus la revista Statistica Sinica.
[Kun. 84] M. Kunt, Traitement numrique des signaux. Trait dElectricit de lEPFL,
vol. XX, 3-eme dition, Presses Polytechniques Romandes, 1984.
[Lan., Guo., Ode., Bur, Wel. 95] M. Lang, H. Guo, J. E. Odegard, C. S. Burrus, R. O.
Wells, Nonlinear Processing of a Shift Invariant DWT for Noise Reduction.
278 Bibliografie
Proceedings of SPIE Symposium on Aerospace Sensing and Dual Photonics, Orlando,
SUA. April 1995.
[Lem, Mal. 91] P.G.Lemari-Rieusset, G.Malgouyres, Support des fonctions de base
dans une analyse multi-rsolution, Comptes Rendus de lAcademie de Sciences, Paris,
tome 313, serie I, pp377-380, 1991
[Lin., Opp. 88] J. S. Lim, A. V. Oppenheim (editori), Advanced Topics in Signal
Processing. Prentice Hall, New Jersey 1988.
[Lim., Sim. 73] W.C. Lindsey, M. K. Simon, Telecommunication Systems
Engineering, Prentice-Hall, New Jersey, 1973.
[Mal. 89(1)] S. Mallat, A Theory for Multiresolution Signal Decomposition: the
Wavelet Representation. IEEE Transactions on Pattern Analysis and Machine
Inteligence, vol. II, No.7, pp.674-693, July 1989.
[Mal. 94] G. Malgouyres, Introduction a la thorie des ondelettes. Curs de var,
Timioara 1994.
[Mat., Dum., Sta. 01] A. Mateescu, N. Dumitriu, L. Stanciu, Semnale i Sisteme,
Teora, Bucureti, 2001.
[Mey. 92] Y. Meyer, Ondelettes et algorithmes concurents, Hermann, 1992.
[Mou. 94] P.Moulin, Wavelet Thresholding Techniques for Power Spectrum
Estimation. IEEE Trans. on S.P., vol. 42, No.11, pp. 3126-3136, November 1994.
[Naf., Isa. 91] M.Naforni, D.Isar, Numerical Traking Filter, The International
Conference "ICATE '91", Craiova , Romnia, 1991.
[Naf. 92] I. Naforni, Banda echivalent de zgomot a unor filtre, Conferina naional
de la Oradea, Mai, 1992.
[Naf., Cm., Isa. 93] M.Naforni, A.Cmpeanu, D.Isar, Tehnici experimentale de
analiz statistic a semnalelor aleatoare
ergodice i staionare, Conferina
Naional Oradea, Romnia, 1993.
[Naf., Isa., Isa. 92] M. Naforni, A. Isar, D. Isar, A Generalization of the Sampling
Theorem. Rev. Roum. Sci. Tehn.-Electrotehn. et Energ., 37, pp. 177-183, Bucarest
1992.
[Naf. 95] I. Nafornita, Prelucrarea adaptiva a semnalelor de telecomunicatii", 1995,
note de curs.
[Naf., Cam., Isa. 95] I. Naforni, A. Cmpeanu, A. Isar, Semnale circuite i sisteme.
vol. I, Editura UPT, 1995.
[Nar., Lou., Les., Dar. 96] S. B. Narayanan, J. Mc. Loughlin, Les Atlas, J. Darapo, An
Operator Theory Approach to Discrete Time-Frequency Distribution. Proceedings of
the IEEE Conference TFTS96, pp. 521-524, Paris 1996.
[Nas. 94] G. P. Nasson, Wavelet Regression by Cross-Validation. Preprint University
of Bristol, March 1994.
[Nas., Sap., Saw. 97] G. P. Nason, T. Sapantias, A. Sawezenko, Statistical Modeling
of Time Series using Non-decimated Wavelet Representations, Preprint University of
Bristol, 1997.
[Ode., Bur. 96] J. Odegard, C. S. Burrus, New Class of Wavelets for Signal
Approximation, Proceedings of ISCAS96.
Bibliografie 279
[Pes., Ade., Pes., Hel. 96] L. Pesu, E. Ademovic, J.-C. Pesquet, P. Helisto, Wavelet
Packet Based Respiratory Sound Classification, Proceedings of TFTS96, Paris, 1996,
pp. 377-380.
[Pit.,Ven. 86(1)] I. Pitas, A. N. Venetsanopoulos, Nonlinear Mean Filters in Image
Processing, IEEE Transactions on ASSP, vol. 14, no. 3, June 1986.
[Pit., Ven. 86(2)] I. Pitas, A. N. Venetsanopoulos, Edge Detectors on Nonlinear
Filters, IEEE Transactions on PAMI, vol.8, no.4, July 1986.
[Pre. 87] F. Preteux, Description et intrprtation des images par la morphologie
mathmatique. Application a limage mdicale. These de doctorat dEtat, Universit
Paris VI, 1987.
[Pre. 95] F. Preteux, La morphologie mathmatique. Ses fondements: ensembliste,
topologique, probabiliste. Cours fournit au dpartement Signal et Image, INT-Evry,
1995.
[Sch., Mat. 94] M. Schmitt, J. Mattioli, Morphologie mathmatique, Masson, Paris,
1994.
[Shy. 92] J.J.Shynk, Frequency-domain and multirate adaptive filtering, Signal
Processing Magazine, january 1992.
[Sp. 87] A. Sptaru, Fondements de la thorie de la transmission de linformation.
Presses Polytechniques Romandes, Lausanne, 1987.
[Tsi., Nik. 98] G.A. Tsihrintzis, G. L. Nikias, Modeling, Parameter Estimation and
Signal Detection in Radar Clutter with Alpha-Stable Distributions, Preprint Univ. of
Virginia, 1998.
[Wid., Ste. 85] B. Widrow, S.D. Stearns, Adaptive Signal Processing, Prentice Hall,
1985.
ANEXA
Programul de denoising:
#include<math.h>
#include<string.h>
#include<graphics.h>
#include<stdlib.h>
#include"frame.c"
#define NR 512
#define NACT 512
double huge x[NR];
double huge y[NR];
static double huge z[NACT];
double huge temp[NACT];
int N=2;
int ni=4;
int filef=1;
int nc=0; //numarul coeficientilor redusi la 0
int pas;//numarul iteratiilor facute
///variabile si functii pt grafica
void initmodegr(void);
void graph(int xo,int yo,int tabl);
int amplmax=1;
char polar=1;
//amplitudine maxima
//polaritate - implicit bipolar
static
static
static
static
double
double
double
double
cd[20];
ci[20];
cid[20];
cii[20];
static
static
static
double
double scara;
int r=0;
char s[20];
*prag;
282 Anexa
static struct {
double ampl,df,prg;
char type[15];
int No,pol;
double alpha;
double incr;
} env;
void initinvc(void)
{ int i;
for(i=0;i<2*N;i++)
if(i%2) cid[i]=cd[i];
else cid[i]=cd[2*N-2-i];
for(i=0;i<2*N;i++)
cii[i]=pow(-1,i)*cid[2*N-1-i];
}
void initni(void)
{
ni=(int)(pow(2.0,(int)(N/2+1)));
}
void gprintf(char *msg)
{
if(r==8){clrscr();r=0;}
gotoxy(1,r+1);
printf("%s",msg);
r++;
}
void initc(void)
{int i;
char buf[50];
switch(N){
case 2 :cd[0]=0.4829629131445341;
cd[1]=0.8365163037378079;
cd[2]=0.2241438680420134;
cd[3]=-0.1294095225512604;
break;
case 3 :cd[0]=0.332670552950;
cd[1]=0.806891509311;
cd[2]=0.459877502118;
cd[3]=-0.135011020010;
cd[4]=-0.085441273882;
Anexa 283
case 4
case 5
case 6
case 7
cd[5]=0.035226291882;
break;
:cd[0]=0.230377813309;
cd[1]=0.714846570553;
cd[2]=0.630880767930;
cd[3]=-0.027983769417;
cd[4]=-0.187034811719;
cd[5]=0.030841381836;
cd[6]=0.032883011667;
cd[7]=-0.010597401785;
break;
:cd[0]=0.160102397974;
cd[1]=0.603829269797;
cd[2]=0.724308528438;
cd[3]=0.138428145901;
cd[4]=-0.242294887066;
cd[5]=-0.032244869585;
cd[6]=0.077571493840;
cd[7]=-0.006241490213;
cd[8]=-0.012580751999;
cd[9]=0.003335725285;
break;
:cd[0]=0.111540743350;
cd[1]=0.494623890398;
cd[2]=0.751133908021;
cd[3]=0.315250351709;
cd[4]=-0.226264693965;
cd[5]=-0.129766867567;
cd[6]=0.097501605587;
cd[7]=0.027522865530;
cd[8]=-0.031582039318;
cd[9]=0.000553842201;
cd[10]=0.004777257511;
cd[11]=-0.001077301085;
break;
:cd[0]=0.077852054085;
cd[1]=0.396539319482;
cd[2]=0.729132090846;
cd[3]=0.469782287405;
cd[4]=-0.143906003929;
cd[5]=-0.224036184994;
cd[6]=0.071309219267;
cd[7]=0.080612609151;
cd[8]=-0.038029936935;
cd[9]=-0.016574541631;
cd[10]=0.012550998556;
cd[11]=0.000429577973;
cd[12]=-0.001801640704;
284 Anexa
cd[13]=0.000353713800;
break;
case 8 :cd[0]=0.054415842243;
cd[1]=0.312871590914;
cd[2]=0.675630736297;
cd[3]=0.585354683654;
cd[4]=-0.015829105256;
cd[5]=-0.284015542962;
cd[6]=0.000472484574;
cd[7]=0.128747426620;
cd[8]=-0.017369301002;
cd[9]=-0.044088253931;
cd[10]=0.013981027917;
cd[11]=0.008746094047;
cd[12]=-0.004870352993;
cd[13]=-0.000391740373;
cd[14]=0.000675449406;
cd[15]=-0.000117476784;
break;
case 9 :cd[0]=0.038077947364;
cd[1]=0.243834674613;
cd[2]=0.604823123690;
cd[3]=0.657288078051;
cd[4]=0.133197385825;
cd[5]=-0.293273783279;
cd[6]=-0.096840783223;
cd[7]=0.148540749338;
cd[8]=0.030725681479;
cd[9]=-0.067632829061;
cd[10]=0.000250947115;
cd[11]=0.022361662124;
cd[12]=-0.004723204758;
cd[13]=-0.004281503682;
cd[14]=0.001847646883;
cd[15]=0.000230385764;
cd[16]=-0.000251963189;
cd[17]=0.000039347320;
break;
case 10 :cd[0]=0.026670057901;
cd[1]=0.188176800078;
cd[2]=0.527201188932;
cd[3]=0.688459039454;
cd[4]=0.281172343661;
cd[5]=-0.249846424327;
cd[6]=-0.195946274377;
cd[7]=0.127369340336;
cd[8]=0.093057364604;
cd[9]=-0.071394147166;
Anexa 285
cd[10]=-0.029457536822;
cd[11]=0.033212674059;
cd[12]=0.003606553567;
cd[13]=-0.010733175483;
cd[14]=0.001395351747;
cd[15]=0.001992405295;
cd[16]=-0.000685856695;
cd[17]=-0.000116466855;
cd[18]=0.000093588670;
cd[19]=-0.000013264203;
break;
for(i=0;i<2*N;i++)
ci[i]=pow(-1,i)*cd[2*N-1-i];
sprintf(buf,"Valoarea lui N este %2d",N);
gprintf(buf);
initinvc();
}
void DWT(int n)
{int nn,i,k;
double yt=0;
nn=n;
for(i=0;i<nn;i++){
yt=0;
if((i+1)%2)
for(k=0;k<2*N;k++) {
yt+=z[(k+i)%nn]*cd[k];
y[i/2]=yt;
}
else
for(k=0;k<2*N;k++) {
yt+=z[(k+i-1)%nn]*ci[k];
y[(nn+i)/2]=yt;
}
}
for(i=0;i<nn;i++)
z[i]=y[i];
return;
}
void rear(int n)
{int i;
286 Anexa
double *temp;
temp=farcalloc(n,sizeof(double));
if(temp==NULL) {
printf("Eroare la alocarea memoriei\n");
exit(1);
}
for(i=0;i<n;i++)
*(temp+i)=z[i];
for(i=0;i<n;i++){
if((i+1)%2) z[i]=*(temp+i/2);
else
z[i]=*(temp+(n+i)/2);
}
farfree(temp);
}
void iDWT(int n)
{
int nn,i,k;
double yt=0;
nn=n;
rear(ni);
for(i=0;i<ni;i++){ yt=0;
if((i+1)%2) {
for(k=0;k<2*N;k++)
yt+=z[(k+i+ni-2*(N-1))%ni]*cid[k];
y[i]=yt;
}
else
{
for(k=0;k<2*N;k++)
yt+=z[(k+i+ni-1-2*(N-1))%ni]*cii[k];
y[i]=yt;
}
}
for(i=0;i<ni;i++)
z[i]=y[i];
ni*=2;
return;
}
void initz(int sens)
{int i;
for(i=0;i<NACT;i++)
if(sens) z[i]=x[i];
Anexa 287
else
}
z[i]=y[i];
288 Anexa
for(i=ni;i<NACT;i++) {
absy=fabs(y[i]);
if(y[i]<0) signe=-1;
else
signe=1;
if((absy-pc)>0)
y[i]=signe*(absy-pc);
else { y[i]=0; k++;}
}
return(k);
}
void saveenv(FILE *fp)
{int l; double px=0.0;
for(l=0;l<NACT;l++) px+=x[l]*x[l]/NACT;
fprintf(fp,"N=%d\n",N);
fprintf(fp,"Tipul semnalului\t : %s \n",env.type);
fprintf(fp,"Amplitudine\t\t : %3.3f\n",env.ampl);
fprintf(fp,"Df factor\t\t : %3.3f\n",env.df);
fprintf(fp,"Puterea semnalului este : %3.5f\n",px);
fprintf(fp,"Pragul este\t\t : %3.3f\n",*prag);
return;
}
int savef(double pc, double tt)
{
//int nc;
FILE *fp;
int i;
if(filef){
gprintf("Introduceti numele fisierului *.dat : ");
showcursor();
scanf("%s",s);
hidecursor();
strcat(s,".dat");
fp=fopen(s,"wt");
filef=0;
saveenv(fp);
fprintf(fp,"Raport S/Zg intrare : %3.7f\n",tt);
}
else
fp=fopen(s,"at");
fprintf(fp,"N=%d\n",N);
fprintf(fp,"Pas : %2d \t Prag : %3.3f\n",pas,pc);
nc=redcoef(pc);
fprintf(fp,"Numarul coef. redusi la zero : %2d\n",nc);
fclose(fp);
return(nc);
}
Anexa 289
double saverez(double px)
{FILE *fp;
int i;
double sum=0.0,tt=0.0;
for(i=0;i<NACT;i++)
sum+=(temp[i]-y[i])*(temp[i]-y[i])/NACT;
fp=fopen(s,"at");
fprintf(fp,"Eroarea medie patratica este : %3.7f\n",sum);
if(sum>0.001){
tt=px/sum;
fprintf(fp,"Raport S/Zg iesire = %4.7f \n",tt);
}
fclose(fp);
return(sum);
}
void achizs(double dfact,double A)
{int i;
for(i=0;i<NACT;i++)
x[i]=A*sin(3.141592/256*dfact*i);
return;
}
void achizc(double dfact,double A,double dincr)
{int i;
for(i=0;i<NACT;i++)
x[i]=A*sin(3.141592/256*(dfact+dincr*i/64)*i);
return;
}
void achizd(double dfact,double alpha, double A,int pol)
{
int i;
for(i=0;i<NACT;i++)
if((i%((int)(NACT/dfact)))<((int)(alpha*NACT/dfact)))
x[i]=A;
else if(pol) x[i]=-A;
else
x[i]=0;
return;
}
double rnd(void)
{
double nr;
nr=rand()/(double)RAND_MAX;
return(nr);
}
290 Anexa
double gauss(void)
{
double v1,v2;
double nr1,nr2,R,X,tp;
v1=-sqrt(3/2.0); v2=-v1;
tp=1.0;
for(;tp>0.0;){
nr1=rnd();
nr2=v1+(v2-v1)*rnd();
R=nr2/sqrt(nr1);
X=R;
tp=log(nr1)+R*R/3.0;
}
return(X);
}
double addnoise(double A)
{
int i;
double ni,np=0;
for(i=0;i<NACT;i++){
ni=A*gauss(); np+=ni*ni;
x[i]+=ni;
}
np/=NACT;
return(sqrt(np));
}
void errorm(void)
{ cadru_dbl(7,10,50,12,BLACK,BLUE);
printf("\tApasati C,D sau S");
}
void hidecursor(void)
{
_AH=01;
_CH=0x20;
geninterrupt(0x10);
}
void showcursor(void)
{
_AH=01;
_CH=6;
_CL=7;
geninterrupt(0x10);
}
Anexa 291
double initxy(void)
{
int i,k,l,pol=0;
char c;
double ampl=0,alpha=0.5,df=1.0,incr=1.0,prag1=0;
int nrline=4;
textmode(C80);
mainframe();
cadru_dbl(6,6,70,10,BLACK,BLUE);
printf("Apasati S pentru semnal Sinusoidal");
gotoxy(1,2);
printf("Apasati D pentru semnal Dreptunghiular");
gotoxy(1,3);
printf("Apasati C pentru semnal Modulat Chirp ");
for(;((c=getch())!='s')&&(c!='S')&&(c!='d')&&(c!='D')&&(c!='c')&
&(c!='C');)
errorm();
if((c=='d')||(c=='D')) nrline+=2;
cadru_dbl(5,5,75,7+nrline,BLACK,BLUE);
gotoxy(1,1);
printf("Introduceti numarul N (2..10) : ");
scanf("%d",&N);
gotoxy(1,2);
printf("Introduceti amplitudinea semnalului : ");
scanf("%lf",&l); env.ampl=ampl; amplmax=ampl;
gotoxy(1,3);
printf("Introduceti valoarea factorului df ( >=1 ): ");
scanf("%lf",&df);
env.df=df;
gotoxy(1,4); printf("Introduceti dispersia zgomotului : ");
scanf("%lf",&prag1);
if((c=='d')||(c=='D'))
{ gotoxy(1,5);
printf("Introduceti valoarea factorului alpha ( <1 ): ");
scanf("%lf",&alpha);
gotoxy(1,6);
printf("Specificati polaritatea (0-unipol. 1-bipol): ");
scanf("%d",&pol); polar=(char)pol;
}
if((c=='c')||(c=='C'))
{ gotoxy(1,5);
printf("Introduceti valoarea incrementului (0.125<incr<64
): ");
scanf("%lf",&incr);
}
cadru_dbl(7,7,70,10,BLACK,BLUE);
hidecursor();
gotoxy(1,1); printf("Valoarea lui N este %d",N);
gotoxy(1,2); printf("Amplitudinea semnalului este de %f",ampl);
292 Anexa
switch(c){
case 'd' :
case 'D' : achizd(df,alpha,ampl,pol);
strcpy(env.type,"Dreptunghiular");
env.alpha=alpha; env.pol=pol;
break;
case 's' :
case 'S' : achizs(df,ampl); strcpy(env.type,"Sinusoidal");
break;
case 'c' :
case 'C' : achizc(df,ampl,incr); strcpy(env.type,"Chirp");
env.incr=incr;
break;
default : errorm();
}
showcursor();
return(prag1);
}
void afismax(int n)
{
int i;
double max=0;
for(i=n;i>n/2;i--)
if(max<fabs(y[i-1])) max=fabs(y[i-1]);
printf("Valoarea maxima pe scara %2d este %3.5f \n",NACT/n,max);
if(n/2>=ni) afismax(n/2);
else return;
}
int savey(void)
{
FILE *fp;
int i;
");
showcursor();
scanf("%s",s);
hidecursor();
strcat(s,".dat");
fp=fopen(s,"wt");
for(i=0;i<NACT;i++)
fprintf(fp,"%f\n",y[i]);
fclose(fp);
return(1);
}
Anexa 293
void main(void)
{
int i,k,l,j,maxc=0,contor;
int redc[10];
char buf[50];
double pc=1.0,px=0.0,pe=0.0,py=0,tt=1.0,tt1,old=0.0;
pc=initxy();
for(l=0;l<NACT;l++) {px+=x[l]*x[l]/NACT; temp[l]=x[l];}
sprintf(buf,"puterea semnalului este : %3.5f",px);
pe=addnoise(pc);
hidecursor();
cadru_dbl(1,14,60,24,BLACK,BLUE);
window(2,15,59,22);
gprintf(buf);
sprintf(buf,"puterea zgomotului este : %3.5f",pe*pe);
gprintf(buf);
*prag=pe*0.8;
tt=px/(pe*pe);
sprintf(buf,"Raport S/Zg intrare %4.7f
gprintf(buf);
",tt);
for(contor=0;contor<10&&(old<tt);contor++){
pas=contor+1;
initni(); initc();
if(contor)
WT(0);
else WT(1);
//
*prag=pe*sqrt(2*log(NACT)/(NACT*log(2)));
savef(*prag,tt);
iWT();
tt1=saverez(px);
if(tt1>0.001){
old=tt;
tt=px/tt1;
sprintf(buf,"Pas = %2d\t Raport S/Zg out = %4.7f
",pas,tt);
gprintf(buf);}
else gprintf("Putere zgomot iesire nesemnificativ");
*prag=*prag*0.8; // prag functie de disp. zg.
getch();
} // end of for loop
savey();
294 Anexa
showcursor();
gprintf("Apasati o tasta");
getch();
initmodegr();
cleardevice();
graph(55,115,0);
graph(55,355,1);
getch();
closegraph();
}
///graphics functions
void initmodegr(void)
{
int gd,gm,errc;
gd=VGA; gm=VGAHI;
//detectgraph(&gd,&gm);
//initgraph(&gd,&gm,"c:\\bc20\\bgi");
initgraph(&gd,&gm,"");
errc=graphresult();
if(errc!=grOk){
gprintf("Erroare la initializarea modului grafic !!");
gprintf("Apasa o tasta");
getch();
window(1,1,80,25);
clrscr();
exit(1);
}
}
void coordsys(int xo,int yo)
{ char s[40];
int i;
setlinestyle(SOLID_LINE,0xFFFF,THICK_WIDTH);
line(xo-20,yo,xo+550,yo);
line(xo,yo-90,xo,yo+90);
setlinestyle(DASHED_LINE,0xFFFF,NORM_WIDTH);
line(xo,yo-70,xo+530,yo-70);
line(xo,yo+70,xo+530,yo+70);
setlinestyle(SOLID_LINE,0xFFFF,NORM_WIDTH);
moveto(xo+7,yo-95);
itoa(amplmax,s,10);
outtext(s);
moveto(xo+7,yo+72);
outtext("-"); outtext(s);
for(i=0;i<=500;i+=100)
Anexa 295
{line(xo+i,yo-3,xo+i,yo+3);
moveto(xo+i-10,yo-25); itoa(i,s,10); outtext(s);
}
moveto(xo+540,yo-25); outtext("n");
}
void graph(int xo,int yo, int tabl)
{
char s[50];
int i;
int left,top,right,bottom;
setcolor(WHITE);
setbkcolor(BLACK);
left=5;right=635;
if(tabl) { top=245; bottom=465;}
else
{ top=5; bottom=225;}
setlinestyle(SOLID_LINE,0xFFFF,THICK_WIDTH);
moveto(left,top); lineto(right,top); lineto(right,bottom);
lineto(left,bottom); lineto(left,top);
setlinestyle(SOLID_LINE,0xFFFF,NORM_WIDTH);
settextstyle(SMALL_FONT,HORIZ_DIR,2);
setusercharsize(3,2,2,1);
coordsys(xo,yo);
moveto(xo,yo);
setlinestyle(SOLID_LINE,0xFFFF,THICK_WIDTH);
for(i=0;i<512;i++)
if(tabl) lineto((int)(xo+i),(int)(yo-(int)(70*y[i]/amplmax)));
else
lineto((int)(xo+i),(int)(yo-(int)(70*x[i]/amplmax)));
if(!tabl) {
moveto(xo+150,yo+75); outtext("The input sequence");
}
else {
sprintf(s,"The output sequence");
moveto(xo+150,yo+80); outtext(s);
}
}
296 Anexa
Sursa pentru frame.c
#include<stdio.h>
#include<alloc.h>
#include<dos.h>
#include"cadrdbl.c"
void mainframe(void)
{int i;
window(1,1,80,25);
textbackground(GREEN);
textcolor(BLACK);
clrscr();
for(i=0;i<3680;i+=2)
pokeb(0xB800,(i+160),178);
}
Anexa 297
gotoxy(xlt+1,yrb+1);
for(i=0;i<(xrb-xlt+2);i++)
putch(219);
window(xlt+1,ylt+1,xrb,yrb-1);
textbackground(backc);
textcolor(WHITE);
clrscr();
gotoxy(1,1);
return;
}