Documente Academic
Documente Profesional
Documente Cultură
București
Bogdan Hurezeanu
bogdan.hurezeanu@upb.ro
Universitatea Politehnica
București
Structura cursului
2
Universitatea Politehnica
București
Bibliografie
3
Universitatea Politehnica
București
• Activităţi de invăţare
• Curs
• Proiect
• Cercetare dirijata
• Evaluare
• Proiect
• Prezentare
• Examen
4
Universitatea Politehnica
București
1.analiza spectrală
2.filtrare adaptivă
3.transformări timp-frecvenţă
4.teoria haosului
6.analiza multivariată.
Universitatea Politehnica
București
Ce este un semnal?
unde x(t) este semnalul analogic, iar pT(t) este un tren periodic, de
perioadă T, de impulsuri rectangulare de durată τ şi amplitudine unitară
Ce este cuantificarea?
Care e diferenta?
x(t) si x[n]
Universitatea Politehnica
București
x(t − P) = x(t)
Universitatea Politehnica
București
Operatii de semnal
y[n]=x[-2n+3]
,
Universitatea Politehnica
București
Consideram semnalul
Dupa obtinerea esantionului x (nT) se genereaza un impuls cu amplitudinea egala cu valoarea esantionului si durata
a
Universitatea Politehnica
București
esantionare cu memorare.
Functie de interpolare
frecventa Nyquist
FN=2B=2Fmax
Universitatea Politehnica
București
x[n] y[n]
T T
Universitatea Politehnica
București
Bogdan Hurezeanu
bogdan.hurezeanu@upb.ro
Curs MAPS
Universitatea Politehnica
București
Structura cursului
2
Curs MAPS
Universitatea Politehnica
București
Ce e este un filtru?
Un filtru este un sistem sau o retea care modifică selectiv forma unei unde,
caracteristicile de amplitudine-frecventă s / sau fază-frecventă ale semnalului într-o
manieră dorită
Curs MAPS
Universitatea Politehnica
București
Curs MAPS
Universitatea Politehnica
București
Curs MAPS
Universitatea Politehnica
București
1) Filtrele FIR pot avea un răspuns strict liniar în fază; ca urmare a răspunsului liniar în
fază nu se introduc erori de fază în semnalul prelucrat. Filtrele fără erori de fază sunt
importante în multe aplicatii, de exemplu la tele-transmisia datelor, în prelucrarea
semnalelor biologice, în procesarea audio si a imaginilor. Răspunsul în fază al filtrelor
IIR este neliniar, în special la capetele de bandă.
2) Filtrele FIR realizate nerecursiv, adică prin evaluarea directă a ecuatiei, sunt
întotdeauna stabile. Teoretic, stabilitatea filtrelor IIR nu poate fi garantată totdeauna.
3) Efectele utilizării unui număr limitat de biti pentru implementarea filtrelor, efecte cum
ar fi zgomotul de aproximare si erorile de cuantizare a coeficientilor, sunt mult mai
putin severe la FIR fată de IIR.
4) Atunci când sunt necesare benzi de tranzitie foarte înguste (tranzitii bruste) filtrele
FIR necesită, la implementare, mai multi coeficienti decât cele IIR. Astfel, pentru o
anumită specificatie a răspunsului în amplitudine, la implementarea FIR sunt
necesari timpi si spatii de stocare mai mari. Totusi există metode de crestere a vitezei
de calcul prin utilizarea FFT s a tehnicilor cu rate multiple de esantionare, ceea ce
poate îmbunătăĠi semnificativ eficienta implementărilor FIR.
Curs MAPS
Universitatea Politehnica
București
(6) În general este mai dificil din punct de vedere algebric să se sintetizeze
FIR, dacă suportul CAD nu este disponibil
Proiectarea unui filtru digital presupune cinci etape succesive:
A. specificarea cerințelor filtrului;
B. calculul coeficienților filtrului;
C. reprezentarea filtrului printr-o structură adecvată modului de
implementare;
D. analiza efectelor lungimii finite a cuvintelor asupra performantelor
filtrului;
E. implementarea filtrului în software si/sau în hardware
Curs MAPS
Universitatea Politehnica
București
Curs MAPS
Universitatea Politehnica
București
Definiție:
Un graf de semnal se numește primitiv daca:
Curs MAPS
Universitatea Politehnica
București
Curs MAPS
Universitatea Politehnica
București
z-1
z-1 1
y(n)
g g
Curs MAPS
Universitatea Politehnica
București
Pasul 4. Daca mai exista ramuri neetichetate se reia pasul 3. Indexul maxim
atribuit L, reprezintă cea mai lunga cale de semnal din graf.
Curs MAPS
Universitatea Politehnica
București
Curs MAPS
Universitatea Politehnica
București
z-1
1 z-1 1
xi xi
Curs MAPS
Universitatea Politehnica
București
Pas 3. Se transformă graful astfel încât să existe doar căi de semnal directe
intrare-iesire
Pas 4. Se scriu ecuatiile cu variabilele de stare Y ( z)
H ( z) x C ( zI A) 1 B
D
U ( z)
Curs MAPS
Universitatea Politehnica
București
0, k 0
h ( k ) D, k 0
Descrierea in timp cu variabile de stare CAk 1 B, k 0
Curs MAPS
Universitatea Politehnica
București
Curs MAPS
Universitatea Politehnica
București
Bogdan Hurezeanu
MAPS 1
bogdan.hurezeanu@upb.ro
Universitatea Politehnica
București
Structura cursului
MAPS 2
Universitatea Politehnica
București
MAPS 3
Universitatea Politehnica
București
MAPS 4
Universitatea Politehnica
București
/ f S T
unde T este perioada de esantionare, si fS = 1/T.
(1)
(4)
(5)
(6)
(7)
6
Universitatea Politehnica
București
unde
7 C CT
Universitatea Politehnica
București
MAPS 8
Universitatea Politehnica
București
MAPS 9
Universitatea Politehnica
București
xd[n]=x[nM]=xC(nMT). (4)
MAPS 10
Universitatea Politehnica
București
MAPS 11
Universitatea Politehnica
București
(5)
MAPS 12
Universitatea Politehnica
București
Sistem decimator
Dorim esantioanele xi[n]=xC(nT’) (unde T’=T/L) din secventa x[n] = xC (nT) (6)
MAPS 13
Universitatea Politehnica
București
Sistemul interpolator
sau
expander
MAPS 14
Universitatea Politehnica
București
MAPS 15
Universitatea Politehnica
București
MAPS 16
Universitatea Politehnica
București
MAPS 17
Universitatea Politehnica
București
deci:
MAPS 18
Universitatea Politehnica
București
MAPS 19
Universitatea Politehnica
București
Astfel
MAPS 20
Universitatea Politehnica
București
MAPS 21
Universitatea Politehnica
București
Simplificat
MAPS 22
Universitatea Politehnica
București
Tehnicile multi-rata:
• utilizarea upsampling-ului
• downsampling-ului
• a compresorilor
• sistemelor de expandare
MAPS 23
Universitatea Politehnica
București
Sunt echivalente
Sunt echivalente
MAPS 24
Descompunerile multifaza
Universitatea Politehnica
București
superpozitia a M subsecvente
MAPS 25
Universitatea Politehnica
București
MAPS 26
Universitatea Politehnica
București
(6)
MAPS 27
Universitatea Politehnica
București
MAPS 28
Universitatea Politehnica
București
MAPS 29
Universitatea Politehnica
București
MAPS 30
Universitatea Politehnica
București
MAPS 31
Fie gradul necesar pentru acest filtru (cu banda de tranzitie foarte mica!).
Universitatea Politehnica
București
δ1=0.02;δ2=0.001
MAPS 32
Universitatea Politehnica
București
Bogdan Hurezeanu
MAPS 1
bogdan.hurezeanu@upb.ro
Universitatea Politehnica
București
Structura cursului
MAPS 2
Universitatea Politehnica
București
Daca consideram un fragment de muzica compus din mai multe masuri si daca o
nota, "la", de exemplu, figureaza o data în acest fragment, analiza Fourier ne va prezenta
frecventa corespunzatoare cu o anumita amplitudine si cu o anumita faza, fara a localiza "la"
- ul în timp. Ori, este evident ca pe parcursul bucatii exista momente de timp când nu se aude
nota "la”
MAPS 3
Universitatea Politehnica
București
• transformarea Gabor
• transformarea Fourier pe termen scurt
• transformarea Wigner-Ville
• transformarea wavelet
MAPS 4
Universitatea Politehnica
București
MAPS 5
Universitatea Politehnica
București
MAPS 6
Universitatea Politehnica
București
Transformata Fourier
MAPS 7
Universitatea Politehnica
București
MAPS 8
Universitatea Politehnica
București
MAPS 9
Universitatea Politehnica
București
MAPS 10
Universitatea Politehnica
București
MAPS 11
Universitatea Politehnica
București
MAPS 12
Universitatea Politehnica
București
Transformata Wavelet
MAPS 13
Universitatea Politehnica
București
MAPS 14
Universitatea Politehnica
București
MAPS 15
Universitatea Politehnica
București
MAPS 16
Universitatea Politehnica
București
MAPS 17
Universitatea Politehnica
București
Conditia de admisibilitate
MAPS 18
Universitatea Politehnica
București
MAPS 19
Universitatea Politehnica
București
MAPS 20
Universitatea Politehnica
București
dispersia
MAPS 21
Universitatea Politehnica
București
MAPS 22
Universitatea Politehnica
București
MAPS 23
Universitatea Politehnica
București
MAPS 24
Universitatea Politehnica
București
MAPS 25
Universitatea Politehnica
București
Diferente :
• In ambele situaţii evaluarea transformatei presupune calculul unui produs scalar
dintre semnalul analizat şi un set de semnale care formează o bază particulară în
spaţiul vectorial al semnalelor de energie finită.
• La Fourier - baza este formată întotdeauna din acelaşi tip de semnale
(exponenţiale complexe, mai bine zis semnale armonice de tip sinus şi cosinus)
• La wavelet avem la dispoziţie o paletă largă de forme de undă, în particular
existând şi posibilitatea de a construi o bază optimală în raport cu semnalul
particular analizat
• baza în raport cu care se face reprezentarea de tip Fourier este ortogonală, /
wavelet există posibilitatea de a utiliza şi baze formate din vectori liniar
independenţi care nu sunt ortogonali
MAPS 26
Universitatea Politehnica
București
MAPS 27
Universitatea Politehnica
București
MAPS 28
Universitatea Politehnica
București
MAPS 29
Universitatea Politehnica
București
MAPS 30
Universitatea Politehnica
București
MAPS 31
Universitatea Politehnica
București
MAPS 32
Universitatea Politehnica
București
MAPS 33
Universitatea Politehnica
București
MAPS 34
Universitatea Politehnica
București
Bogdan Hurezeanu
MAPS 1
bogdan.hurezeanu@upb.ro
Universitatea Politehnica
București
Structura cursului
MAPS 2
Universitatea Politehnica
București
MAPS 3
Universitatea Politehnica
București
MAPS 4
Universitatea Politehnica
București
MAPS 5
Universitatea Politehnica
București
MAPS 6
Universitatea Politehnica
București
MAPS 7
Universitatea Politehnica
București
MAPS 8
Universitatea Politehnica
București
Ecuaţii Wiener–Hopf
MAPS 9
Universitatea Politehnica
București
MAPS 10
Universitatea Politehnica
București
MAPS 11
Universitatea Politehnica
București
MAPS 12
Universitatea Politehnica
București
MAPS 13
Universitatea Politehnica
București
MAPS 14
Universitatea Politehnica
București
Depinde de
- inversa matricei de autocorelatie a semnalului de intrare
- varianta zgomotului
MAPS 15
Universitatea Politehnica
București
MAPS 16
Universitatea Politehnica
București
Filtru adaptiv
- ieşirea filtrului, notată y[n],
furnizează o valoare estimată
a unui semnal dorit d[n].
- eroarea de estimare e[n].
Scopul filtrarii:
minimizarea erorii de estimare
conform unui criteriu statistic
precizat.
Schema-bloc a unui filtru adaptiv
MAPS 17
Universitatea Politehnica
București
MAPS 18
Universitatea Politehnica
București
MAPS 19
Universitatea Politehnica
București
Filtru adaptiv
Criterii statistice:
a) valoarea pătratică medie a procesului e[n];
b) media aritmetică a valorilor absolute ale erorii;
c) media aritmetică a unor puteri de ordin superior ale valorilor absolute
ale erorii.
MAPS 20
Universitatea Politehnica
București
Modele uzuale:
• AutoRegresiv(AR)
• Medie Alunecatoare (MA)
• AutoRegresiv cu Medie Alunecatoare(ARMA)
MAPS 22
Universitatea Politehnica
București
a) identificare de
sistem;
b) filtrare inversa;
c) predictie;
d) filtrarea
zgomotului
MAPS 23
Universitatea Politehnica
București
MAPS 24
Universitatea Politehnica
București
MAPS 25
Universitatea Politehnica
București
MAPS 26
Universitatea Politehnica
București
Bogdan Hurezeanu
MAPS 1
bogdan.hurezeanu@upb.ro
Universitatea Politehnica
București
Structura cursului
MAPS 2
Universitatea Politehnica
București
MAPS 3
Universitatea Politehnica
București
Ce putem face?
Determinam lungimea finita pentru estimarea spectrului din
parametrii statistici ale semnalului (cea mai mica posibila)
MAPS 4
Universitatea Politehnica
București
MAPS 5
Universitatea Politehnica
București
MAPS 6
Universitatea Politehnica
București
MAPS 7
Universitatea Politehnica
București
MAPS 8
Universitatea Politehnica
București
MAPS 9
Universitatea Politehnica
București
Estimarea DSP:
MAPS 10
Universitatea Politehnica
București
MAPS 11
Universitatea Politehnica
București
MAPS 12
Universitatea Politehnica
București
Bartlett
Valoare asteptata
MAPS 13
Universitatea Politehnica
București
MAPS 14
Universitatea Politehnica
București
MAPS 15
Universitatea Politehnica
București
secventa
Periodograma
secventa
MAPS 16
Universitatea Politehnica
București
Periodograma
Alte ferestre:
1. Bartlett
2. Hamming
3. Hanning
4. Blackman
5. Kaiser
MAPS 17
Universitatea Politehnica
București
MAPS 18
Universitatea Politehnica
București
MAPS 19
Universitatea Politehnica
București
Valoarea medie
Dispersia
MAPS 20
Universitatea Politehnica
București
MAPS 21
Universitatea Politehnica
București
L=8
L=16
L=32
L=128
MAPS 22
Universitatea Politehnica
București
Bartlett – Periodograma
mediata
MAPS 23
Universitatea Politehnica
București
L 1
1
S PER ,W
i
x i
k wk e j k
,1 i K
LU k 0
K
1
SW PER,W
S i
K i 1
MAPS 24
Universitatea Politehnica
București
MAPS 25
Universitatea Politehnica
București
E SW
1
2
S xx W e j d
L 1 2
W e j
1
LU
wk e jk
pentru valori N şi M mari estimatorul
devine nedeplasat.
k 0
Metoda Blackman-Tukey
MAPS 26
Universitatea Politehnica
București
Pentru un numar apropiat de N, dispersia estimatilor este mare => nu intervin in dsp
estimat
MAPS 27
Universitatea Politehnica
București
MAPS 28
Universitatea Politehnica
București
MAPS 29
Universitatea Politehnica
București
MAPS 30
Universitatea Politehnica
București
MAPS 31
Universitatea Politehnica
București
MAPS 32
Universitatea Politehnica
București
MAPS 33
Universitatea Politehnica
București
MAPS 34
Universitatea Politehnica
București
MAPS 35
Universitatea Politehnica
București
MAPS 36
Universitatea Politehnica
București
Metode parametrice
Urmarim ca eroarea de predicţie să fie minimizată
p
yk a i y k i ek Model autoregresiv
i 1
MAPS 37
Universitatea Politehnica
București
MAPS 38
Universitatea Politehnica
București
E yk Yk a
2 2
R E Yk Y k T
r0 .... rp 1
R : :
rp 1 .... r0
MAPS 39
Universitatea Politehnica
București
r0 a R a 2 r a
2 T Folosim
Levinson-Durbin
ˆa R 1 r
MAPS 40
Universitatea Politehnica
București
MAPS 42
Universitatea Politehnica
București
Bogdan Hurezeanu
MAPS 1
bogdan.hurezeanu@upb.ro
Universitatea Politehnica
București
Structura cursului
MAPS 2
Universitatea Politehnica
București
Analiza multivariata
utilizarea utilizarea unui grup de metode
statistico statistico-matematice matematice
cu ajutorul ajutorul carora se pot cerceta
cerceta simultan legaturile legaturile de
asociere asociere existente existente intre
mai mult de doua variabile variabile.
MAPS 3
Universitatea Politehnica
București
ECG
• prezent pe toată suprafaţa corpului uman, din semnalele
înregistrate neinvaziv, pe corpul uman
• alte semnale fiziologice de interes (semnal diafragmatic,
electrogastrograma –etc)
• Simpla filtrare (FIR, IIR) de cele mai multe ori nu este posibilă,
deoarece spectrul semnalului de interes şi spectrul semnalelor
perturbatoare se suprapun de obicei.
MAPS 4
Universitatea Politehnica
București
2 variante:
EVD – Eigen Value Decomposition
SVD – Singular Value Decomposition
MAPS 5
Universitatea Politehnica
București
x As
MAPS 6
Universitatea Politehnica
București
y Ax
Conform algoritmului PCA, componenta principală i este acea componentă
principală (PC), xi , având cea de-a i-a valoare din setul descrescător al
varianţelor, corespunzând valorii proprii i şi vectorului propriu i al matricei de
covariaţie a setului de date înregistrat
ˆy
xA
MAPS 7
Universitatea Politehnica
București
MAPS 8
Universitatea Politehnica
București
MAPS 9
Universitatea Politehnica
București
MAPS 10
Universitatea Politehnica
București
MAPS 11
Universitatea Politehnica
București
y Ax n
zgomot
Matrice mixare
observatii MAPS 12
Universitatea Politehnica
București
Considerente
- coloanele matricei A sunt linear independente
- componentele vectorului x usnt mutual
independente statistic
- componentele vectorului x si componentele
zgomotului sunt independete statistic
MAPS 13
Universitatea Politehnica
București
ˆy
xA
Sunt multi algoritmi de calcul a estimarii matricea A. Cei mai folositi actual
au la baza algoritmul JADE, respectiv FastICA
MAPS 14
Universitatea Politehnica
București
MAPS 15
Universitatea Politehnica
București
PCA ICA
Reduce dimensiunea Imparte semnalele amestecate in
semnale sursa independente
MAPS 16
Universitatea Politehnica
București
Algoritmul JADE
MAPS 17
Universitatea Politehnica
București
MAPS 18
Universitatea Politehnica
București
Algoritmul FastICA
MAPS 19
Universitatea Politehnica
București
MAPS 20
Universitatea Politehnica
București
MAPS 21