Documente Academic
Documente Profesional
Documente Cultură
Capitolul 3 - PASD - Partea I (Până La Pagina 35)
Capitolul 3 - PASD - Partea I (Până La Pagina 35)
se poate arata ca
N 1
1
X (e )
2
I N (e j ) j
(51)
N n 0
Se constata de asemenea ca, datorita limitelor finite ale sumei, estimatorul este
deplasat, chiar daca rˆxx' (k ) este un estimator nedeplasat al secventeei de
autocorelatie. Relatiile (53) si (55) pot fi interpretate ca fiind transformatele Fourier
ale secventelor de autocorelatie ferestruite. In cazul relatiei (53) a fost utilizata
fereastra triunghiulara
Nk
, k N
w B (k ) N (56)
0, in rest
Aceasta functie fereastra este denumita fereastra Bartlett. In relatia (55) a fost
utilizata functia fereastra dreptunghiulara
1, k N
w R (k ) (57)
0, in rest
Relatiile (53) si (55) se transforma in relatii de convolutie in domeniul frecventa
1 j ( )
E[I N ( )]
2 Pxx ( )WB (e ) d (58a)
30
Programul de Masterat IISC – Curs PASD
1 j ( )
E[ PN ( )]
2 Pxx ( )WR (e )d (58b)
x4 , k l si p n sau
k p si l n sau
E[ x(k ) x(l ) x( p) x(n)] (63)
k n si l p
0, in rest
Pentru alte procese, decit cele cu functie densitate de probabilitate gaussiana,
rezultatul poate sa nu fie la fel de simplu. Din relatiile (61) si (63) rezulta
x4 N 1 N 1 N 1 N 1
j ( n p )(1 2 )
E[ I N (1 ) I N ( 2 )] N
N2
2
e j ( p n )(1 2 )
e
p 0 n 0 p 0 n 0
sau
2 2
x4 2 sin[( 1 2 ) N / 2 sin[( 1 2 ) N / 2
E[ I N ( 1 ) I N ( 2 )] 2 N
N N sin[( 1 2 ) / 2 ] N sin[( 1 2 ) / 2 ]
(64)
Covariatia periodogramei devine
cov[I N ( 1 ), I N ( 2 )] E[I N ( 1 )I N ( 2 )] E[I N ( 1 )]E[I N ( 2 )]
(65)
Deoarece E[I N ( 1 )] E[I N ( 2 )] 2x , din relatiile (64) si (65) rezulta
sin[( ) N / 2] 2 sin[( ) N / 2 2
4
cov[ I N ( 1 ), I N ( 2 )] x
1 2
1 2
N sin[( 1 2 ) / 2] N sin[( 1 2 ) / 2]
(66)
Dispersia estimatorului spectrului la o frecventa particulara 1 2 este
4
sin(N )
2
var[I N ( )] cov[I N ( ), I N ( )] x 1 (67)
N sin( )
32
Programul de Masterat IISC – Curs PASD
Fig. 5
creste, este ca, atunci cind lungimea inregistrarii semnalului creste, fluctuatiile in
periodograma se indesesc. Deoarece reducerea dispersiei se traduce printr-o crestere
a deplasarii este necesar sa fie realizat un compromis intre cei doi parametri.
si deci
2 2
X N (e j ) Pxx ( ) YN (e j )
ceea ce conduce la
I N ( ) Pxx ( )I Ny ( )
Folosind relatia (66) covariatia periodogramei la diferite frecvente poate fi
aproximata de
cov[ I N ( 1 ), I N ( 2 )]
x (i ) (n) x (n iM M ), 0 n M 1, 1 i K (71)
si se calculeaza K periodograme
M 1 2
1
(i )
IM )
(
M
x (i )
(n)e jn
, 1 i K (72)
n 0
Daca rxx (m) este mic pentru m > M, este posibil de presupus ca periodogramele
(i )
IM ( ) sunt independente unele fata de altele. In aceasta situatie poate fi definit un
alt estimator al spectrului de putere
1 K (i )
Bxx ( ) I M ( ) (73)
K i 1
Valoarea asteptata a estimatorului propus este
37
Programul de Masterat IISC – Curs PASD
1 K
E[Bxx ( )] E[I M
(i )
( )] E[I M
(i )
( )] (74)
K i 1
Din relatiile (58a) si (59a) rezulta
2
1 sin[( ) M / 2]
E[Bxx ( )] )] Pxx ( ) sin[( ) / 2] d
(i )
E[I M ( (75)
2M
1 1 2
sin(M )
2
var[Bxx ( )] var[I M ( )] Pxx ( )1 (76)
K K M sin
Din relatia (76) reiese ca dispersia lui Bxx ( ) este invers proportionala cu numarul
de periodograme care sunt mediate si ca, atunci cind K devine foarte mare, dispersia
tinde catre zero, astfel ca estimatorul propus de Bartlett este un estimator consistent.
O comparatie intre relatiile (75), pentru E[Bxx ( )] , si (58a), pentru
E[I N ( )] , arata ca in ambele cazuri valoarea asteptata a estimatorului este data de
o relatie de convolutie intre spectrul adevarat si o “fereastra spectrala” de forma
1 sin(N )
2
WB ( )
N sin
unde N N pentru periodograma si N M N / K pentru estimatorul Bartlett.
Deplasarea lui Bxx ( ) este mai mare decit cea a lui I N ( ) datorita cresterii
largimii lobului principal a functiei fereastra. Deplasarea poate fi deci interpretata
prin efectul asupra rezolutiei spectrului. Pentru o lungime fixa a secventei de date,
cu cit numarul periodogramelor creste, dispersia descreste, dar odata cu descresterea
38
Programul de Masterat IISC – Curs PASD
lui M, rezolutia obtinuta descreste si ea. Prin urmare, in cazul estimatorului Bartlett
trebuie realizat un compromis intre deplasare sau rezolutia spectrala si dispersie.
Alegerea valorilor pentru N si M se face pe baza cunoasterii
anterioare a comportarii semnalului analizat. De exemplu, daca se stie ca semnalul
prezinta un virf foarte ingust care este necesar sa fie detectat, se alege o valoare
mare pentru M pentru a avea o rezolutie buna in frecventa.
unde
39
Programul de Masterat IISC – Curs PASD
M 1 2
1
W (e j
)
MU
w(n)e jn
(81)
n 0
Fereastra w(m) trebuie sa fie o secventa para astfel incit S xx ( ) sa fie reala si o
functie para, cind secventa de date x(n) este reala. In plus reamintim ca spectrul de
putere este o functie nenegativa in frecventa si deci putem pretinde ca si S xx ( ) sa
fie nenegativa. De retinut ca atit periodograma cit si estimatorul Bartlett sunt functii
de frecventa nenegative. Din relatia (83) este clar ca, o conditie necesara, dar nu
neaparat si suficienta, ca S xx ( ) sa fie nenegativa, este
W (e j ) 0, (86)
Aceasta este adevarat in cazul ferestrei Bartlett dar nu este adevarat in cazul altor
functii fereastra (Hamming, Hanning, etc.). Aceste ferestre asigura o rezolutie mai
buna in frecventa si lobi laterali mai mici ai spectrului insa produc estimatori
negativi ai spectrului.
1 j ( )
E[ I N ( )]
2 Pxx ( )WB (e d
M 1
E[ S xx ( )] rxx (m)wB (m)w(m)e jm (88)
m ( M 1)
unde
m
w B ( m) 1 , mN
N
Din relatiile (87) si (89) se vede ca, o crestere a latimii spectrului ferestrei produce o
netezire suplimentara a spectrului dat de estimator cu pretul reducerii rezolutiei in
frecventa a acestuia.
Pentru calculul dispersiei estimatorului densitatii spectrale de putere se
evalueaza covariatia periodogramei ponderate. Covariatia intre frecventele 1 si 2
este
cov[S xx ( 1 ), S xx ( 2 )] E[{S xx ( 1 ) E[S xx ( 1 )]}{S xx ( 2 ) E[S xx ( 2 )]}] (90)
1
S xx ( ) E[S xx ( )] (I N ( ) E[I N ( )])W (e j ( ) )d (91)
2
astfel ca
42
Programul de Masterat IISC – Curs PASD
1 j ( 1 )
cov[ S xx ( 1 ), S xx ( 2 )] W (e )W (e j ( 2 ) ) cov[ I N ( ), I N ( )]dd
4 2
(92)
Tinind seama de relatia (69) rezulta
sin[( ) N / 2] 2 sin[( ) N / 2] 2
cov[I N ( ), I N ( )] Pxx ( ) Pxx ( )
N sin[( ) / 2] N sin[( ) / 2]
(93)
Daca se presupune ca termenii
2 2
sin[( ) N / 2] sin[( ) N / 2]
si
N sin[( ) / 2] N sin[( ) / 2]
variaza mult mai lent decit Pxx ( ) si W (e j ) . deci sunt strins concentrate in jurul
valorilor = - si = (pentru valori mari ale lui N), aproximind intii integrala
dupa valorile lui , rezulta
1 j ( 2 )
cov[ S xx ( 1 ), S xx ( 2 )] Pxx ( )W (e
2
)[W (e j ( 1 ) ) W (e j ( 1 ) )]d
2N
(94)
De asemenea, daca se face ipoteza ca spectrul functiei fereastra este suficient de
ingust, astfel incit termenul W (e j ( 1 )W (e j ( 2 ) ) este neglijabil, relatia (94)
devine
1 j ( 1 )
cov[S xx ( 1 ), S xx ( 2 )] Pxx ( )W (e
2
)W (e j ( 2 ) )d (95)
2N
Aceasta relatie arata ca daca latimea spectrului functiei fereastra creste, astfel ca
W (e j ( 1 ) ) si W (e j ( 2 ) ) se suprapun mult, covariatia la diferite frecvente dintre
estimatori creste.
Pentru a calcula dispersia estimatorului S xx ( ) , se evalueaza covariatia
pentru 1 2
43
Programul de Masterat IISC – Curs PASD
1
var[S xx ( )] Pxx ( )W
2
(e j ( ) )d (96)
2N
Relatiiile (89) si (99) sunt valabile in ipoteza ca lungimea ferestrei w(m) , 2M-1,
aplicata estimatorului functiei de autocorelatie, rˆxx (m) , este astfel incit spectrul sau,
W (e j ) , este ingust fata de variatiile spectrului Pxx ( ) , si in acelasi timp, este larg
Daca lungimea inregistrarii creste, din relatia (89) se vede ca se poate mari si
latimea ferestrei, astfel incit spectrul ei, W (e j ) , sa fie ingust fata de variatiile lui
Pxx ( ) , ceea ce implica
44
Programul de Masterat IISC – Curs PASD
1 j
lim E[S xx ( )] Pxx ( )
M 2 W (e )d
Fig. 6
In aceasta figura sunt puse in evidenta doua efecte ale functiei fereastra:
– fenomenul de scurgere spectrala (leakage) care consta in deplasarea
componentelor spectrale, induse de lobii laterali ai functiei fereastra, in alte zone ale
spectrului unde pot obtura componentele de amplitudine mai redusa.
– efectul de grilaj (picket fence) care consta in distorsionarea componentelor
spectrale atunci cand punctele de esantionare a spectrului nu coincid cu cele in care
lobii laterali ai functiei fereastra au amplitudine maxima.
Efectul de grilaj poate fi atenuat prin supraesantionarea transformatei. In
practica aceasta se obtine prelungind secventa temporala cu esantioane zero. In fapt
aceasta operatie nu mareste rezolutia in frecventa a transformatei ci determina
esantionarea la intervale mici a lobului principal al spectrului ferestrei.
Scurgerea spectrala poate fi atenuata utilizind in locul ferestrei
dreptunghiulare alte tipuri de functii fereastra. Se aleg functii fereastra la care lobul
principal al transformatei este mai ingust decat cel al ferestrei dreptunghiulare.
Totusi reducerea latimii lobului principal al ferestrei se obtine in detrimentul
cresterii amplitudinii lobilor laterali. In consecinta functia fereastra trebuie sa
satisfaca urmatoarele calitati:
– sa aiba lobi laterali de amplitudine redusa;
– latimea lobului principal sa fie cat mai mica;
– sa fie eficienta din punct de vedere al volumului de calcul.
Cerintele de mai sus sunt contradictorii, ele impunind realizarea unui
compromis intre parametrii enumerati.
46
Programul de Masterat IISC – Curs PASD