Prelucrarea numerica adaptiva a semnalelor Ãndrumator de lucrari ...
Prelucrarea numerica adaptiva a semnalelor Ãndrumator de lucrari ... Prelucrarea numerica adaptiva a semnalelor Ãndrumator de lucrari ...
Prelucrarea numerica adaptiva a semnalelor Îndrumator de lucrari de laborator Prof. dr. ing. Alexandru Isar Universitatea “Politehnica” Timisoara, 2002
- Page 2 and 3: Cuprins Lucrarea nr. 1. Filtre cu c
- Page 4 and 5: (din figura 2a)este de valoare C(V
- Page 6 and 7: q 2 [n] = q 2 [n-1]-q 1 [n-1] = C y
- Page 8 and 9: H TJ (s)= 2 ⎛ 1 ⎞ a0 ⎜ ⎟
- Page 10 and 11: H TJ ( s) = s 2 A TJ ⋅ ω 2 0 + 2
- Page 12 and 13: ‣ pentru construcţia instrumenta
- Page 14 and 15: LUCRAREA NR 2 FILTRE ADAPTATE LA SE
- Page 16 and 17: 2 ( ω) ( ω) ∞ ⎛ 1 ⎞ S RSZ0
- Page 18 and 19: suprafeţe. Intersecţia dintre sup
- Page 20 and 21: Generator de semnal Filtru comandat
- Page 22 and 23: LUCRAREA NR 3 UTILIZAREA TRANSFORM
- Page 24 and 25: Prin recurenţă se poate scrie: s
- Page 26 and 27: Folosind notaţia: relaţia (14) de
- Page 28 and 29: transformarea ortogonală respectiv
- Page 30 and 31: Elementele vectorului 1 1 Y sunt se
- Page 32 and 33: LUCRAREA NR 4 ÎMBUNĂTĂŢIREA RAP
- Page 34 and 35: 5.2 . Se reprezintă grafic fiecare
- Page 36 and 37: Identificarea sistemului poate fi r
- Page 38 and 39: coordonate 2 [ k] coordonate E 2 [
- Page 40 and 41: Filtrul cu aceşti coeficienţi est
- Page 42 and 43: sau ţinând seama de relaţia (11)
- Page 44 and 45: 2µ 0 < Lλ max < 1 unde λ max rep
- Page 46 and 47: LUCRAREA NR 6 MĂSURAREA FRECVENŢE
- Page 48 and 49: Metoda de măsurare a frecvenţei i
- Page 50 and 51: Sistemul de achiziţii de date este
<strong>Prelucrarea</strong> <strong>numerica</strong> <strong>adaptiva</strong> a<br />
<strong>semnalelor</strong><br />
Îndrumator <strong>de</strong> <strong>lucrari</strong> <strong>de</strong> laborator<br />
Prof. dr. ing. Alexandru Isar<br />
Universitatea “Politehnica” Timisoara,<br />
2002
Cuprins<br />
Lucrarea nr. 1. Filtre cu capacităţi comutate 1<br />
Lucrarea nr. 2. Filtre adaptate la semnale modulate în 12<br />
frecvenţă<br />
Lucrarea nr. 3. Utilizarea transformării “wavelet” rapidă 20<br />
la compresia <strong>de</strong> date<br />
Lucrarea nr. 4. Îmbunătăţirea raportului semnal/zgomot prin 30<br />
utilizarea transformării “wavelet” discretă<br />
Lucrarea nr. 5. Studiul algoritmului LMS 33<br />
Lucrarea nr. 6. Măsurarea frecvenţei instantanee a<br />
44<br />
<strong>semnalelor</strong> modulate în frecvenţa cu purtător sunusoidal<br />
Lucrarea nr. 7. Măsurarea frecvenţei instantanee a<br />
52<br />
<strong>semnalelor</strong> modulate în frecvenţă cu purtător sinusoidal<br />
perturbate aditiv <strong>de</strong> zgomot, folosind filtrarea adaptivă<br />
Lucrarea nr. 8. Tehnici <strong>de</strong> balizare folosind transformata 54<br />
“wavelet”<br />
Seminar nr. 1 59<br />
Seminar nr. 2 67<br />
Seminar nr. 3 70
LUCRAREA NR 1<br />
FILTRE CU CAPACITĂŢI COMUTATE<br />
1.Scopul lucrării.<br />
Se studiază o categorie <strong>de</strong> filtre analogice realizate pa<br />
baza tehnologiei capacităţilor comutate şi se pune în evi<strong>de</strong>nţă o<br />
modalitate <strong>de</strong> sinteză a acestor filtre.<br />
2. Integratorul i<strong>de</strong>al cu capacităţi comutate.<br />
În figura 1 se prezintă schema unui integrator i<strong>de</strong>al<br />
X(s)<br />
R<br />
C<br />
figura 1<br />
schema integratorului i<strong>de</strong>al<br />
Y(s)<br />
Consi<strong>de</strong>rând amplificatorul<br />
operaţional din schema prezentată<br />
ca fiind i<strong>de</strong>al, se poate scrie :<br />
Ys () Xs ()<br />
= − sau<br />
1 R<br />
sC<br />
Ys ()<br />
Xs () = − 1 <strong>de</strong> un<strong>de</strong> rezultă expresia funcţiei <strong>de</strong> transfer a<br />
sCR<br />
sistemului din figura 1, care este:<br />
Hs () = − 1<br />
sCR<br />
iar răspunsul său în frecvenţă<br />
1<br />
H()<br />
ω = −<br />
(1)<br />
jωCR<br />
În continuare se prezintă principiul con<strong>de</strong>nsatorului<br />
comutat. Fie în acest scop sistemul din figura 2a. Comutatorul K<br />
este comandat în aşa fel încât stă câte T e<br />
pe poziţia 1,respectiv<br />
2<br />
aceeaşi durată pe poziţia 2. Când K este pe poziţia 1,<br />
con<strong>de</strong>nsatorul C se încarcă cu tensiunea V 1. Când comutatorul K este<br />
pe poziţia 2, con<strong>de</strong>nsatorul C se încarcă cu tensiunea V 2 . Deci<br />
transferul <strong>de</strong> sarcină între con<strong>de</strong>nsorul C şi sursa din dreapta<br />
1
(din figura 2a)este <strong>de</strong> valoare C(V 1 -V 2 ). Deci în<br />
intervalul <strong>de</strong> timp T e /2 are loc o variaţie <strong>de</strong>curent <strong>de</strong> forma :<br />
i= 2 CV ( 1 − V2)<br />
T e<br />
(2)<br />
1 2 i<br />
K<br />
R<br />
V1 V2 V1 V2<br />
C<br />
2a<br />
figura 2: principiul con<strong>de</strong>nsatorului comutat<br />
2b<br />
Dacă în locul con<strong>de</strong>nsatorului şi a comutatorului ar fi<br />
montată o rezistenţă, ca în figura 2b), atunci prin acest circuit<br />
ar fi apărut, în acelaşi sens, curentul :<br />
i = V 1 − V 2<br />
; (3)<br />
R<br />
<strong>de</strong>ci rezistenţa R poate fi simulată cu ajutorul con<strong>de</strong>nsatorului<br />
comutat. Din i<strong>de</strong>ntificarea membrilor drepţi ai relaţiilor (2) şi<br />
(3) se obţine :<br />
R = T e<br />
2C<br />
Deci valoarea rezistenţei simulate poate fi reglată prim<br />
modificarea frecvenţei <strong>de</strong> comandă a comutatorului K.<br />
În figura 3 este prezentată schema unui integrator i<strong>de</strong>al cu<br />
capacităţi comutate<br />
1 2<br />
C<br />
Cât timp comutatorul K<br />
stă pe poziţia 1 (T e /2 s)<br />
con<strong>de</strong>nsatorul C1 se încarcă,<br />
că<strong>de</strong>rea <strong>de</strong> tensiune pe acest<br />
element fiind egală cu valoarea<br />
X(t) K<br />
AO<br />
curentă a tensiunii x(t). Cât<br />
Y(t)<br />
C1<br />
timp K se găseşte pe poziţia 2,<br />
tensiunea pe C1 se anulează<br />
(că<strong>de</strong>rea <strong>de</strong> tensiune între<br />
bornele<br />
amplificatorului<br />
operaţional este nulă),<br />
figura 3 schema unui integrator i<strong>de</strong>al sarcina înmagazinată în C1<br />
realizat cu capacităţi comutate transferîndu-i-se lui C.<br />
2
Funcţionarea sistemului din figura 3 poate fi înţeleasă pe<br />
baza exemplului din figura 4. Pe intervalul [0, T e /2], tensiunea pe<br />
C1 atinge valoarea x(T e /2). La momentul T e /2, con<strong>de</strong>nsatorul C1 se<br />
<strong>de</strong>scarcă, sarcina acumulată pe acesta, Q=C1x(T e /2), fiind<br />
transferată con<strong>de</strong>nsatorului C. Această variaţie <strong>de</strong> sarcină produce<br />
că<strong>de</strong>rea <strong>de</strong> tensiune pe con<strong>de</strong>nsatorul C,<br />
u<br />
c<br />
Q C1<br />
= = ⋅<br />
C C<br />
⎛<br />
x T e ⎞<br />
⎜ ⎟<br />
⎝ 2 ⎠<br />
ieşire este :<br />
De aceea pe intervalul<br />
⎡Te<br />
Te<br />
⎣⎢ 2 , ⎤<br />
⎦⎥<br />
expresia semnalului <strong>de</strong> la<br />
y(t) = -u c = −<br />
C1<br />
C<br />
⋅<br />
⎛ ⎞<br />
x⎜<br />
T e<br />
⎟<br />
⎝ 2 ⎠<br />
; apoi ciclul <strong>de</strong>scris se repetă<br />
x(t)<br />
u c1 (t)<br />
-y(t)<br />
t<br />
t<br />
t<br />
Admiţând că transferul<br />
<strong>de</strong> sarcină din capacitatea<br />
C1 în capacitatea C se<br />
realizează instantaneu,<br />
rezultă, conform figurii 4<br />
că semnalul <strong>de</strong> ieşire,<br />
y(t), se modifică doar la<br />
momente discrete <strong>de</strong> timp.<br />
Din acest motiv, sistemul<br />
din figura 3 poate fi<br />
echivalat cu un sistem în<br />
timp discret.<br />
La momentul (n-1)T e + T e<br />
2<br />
sarcina con<strong>de</strong>nsatorului C1<br />
este :<br />
q 1 [n-1]=C 1 x[n-1];<br />
0 T e 2T e 3T e 4T e 5Te<br />
T e /2 3T e /2 5 T e /2 7T e /2 9T e /2 11T e /2<br />
figura 4: exemplu <strong>de</strong> funcţionare al sistemului<br />
din figura 3<br />
iar sarcina con<strong>de</strong>nsatorului<br />
C :<br />
q 2 [n-1]=Cy[n-1] ;<br />
⎡<br />
Te<br />
⎤<br />
În intervalul ( n − ) Te<br />
+ , nTe<br />
⎣<br />
⎢<br />
1<br />
2 ⎦<br />
⎥<br />
, comutatorul K se află pe<br />
poziţia 2. La momentul nT e sarcina con<strong>de</strong>nsatorului C1 este 0 iar<br />
sarcina con<strong>de</strong>nsatorului C este :<br />
3
q 2 [n] = q 2 [n-1]-q 1 [n-1] = C y[n] ;<br />
adică C y[n] = C y[n-1]-C 1 x[n-1]; (5)<br />
Aceasta este ecuaţia cu diferenţe finite care <strong>de</strong>scrie sistemul<br />
în timp discret echivalent.<br />
Luând în relaţia (5) transformata Z, se obţine :<br />
C Y(z) = C z -1 Y(z) – C 1 z -1<br />
X(z)<br />
<strong>de</strong> un<strong>de</strong> rezultă funcţia <strong>de</strong> transfer a sistemului în timp discret<br />
echivalent :<br />
Yz ()<br />
Xz ()<br />
= Hz () = −<br />
−1<br />
C1<br />
⋅ z C1<br />
=<br />
−1<br />
C( 1 − z ) C( 1 − z)<br />
(6)<br />
Admiţând că metoda <strong>de</strong> echivalare a sistemului în timp continuu<br />
din figura 3 cu sistemul în timp discret <strong>de</strong>scris <strong>de</strong> ecuaţia (5)<br />
este cea a invarianţei răspunsului la impuls, rezultă că<br />
variabilele z şi s sunt legate prin relaţia :<br />
z<br />
=<br />
e sT e<br />
<strong>de</strong> aceea funcţia <strong>de</strong> transfer a sistemului din figura 3, conform<br />
relaţiei (6) este:<br />
Hs () =<br />
1<br />
C1<br />
C<br />
− e sT e<br />
(7)<br />
Se ştie că metoda <strong>de</strong> echivalare bazată pe invarianţa<br />
răspunsului la impuls conduce la rezultate bune pentru frecvenţe<br />
<strong>de</strong> eşantionare mari, <strong>de</strong>ci pentru valori T e apropiate <strong>de</strong> zero.<br />
Dezvoltarea în serie Taylor a funcţiei e sTe în jurul lui<br />
zero este :<br />
e sTe =e sT e<br />
s=0 + T e s e sT e<br />
s=0 + ...<br />
Reţinând doar primii doi termeni ai <strong>de</strong>zvoltării rezultă :<br />
e sT e ≅ 1 + sT e<br />
Folosind această aproximare, expresia funcţiei <strong>de</strong> transfer<br />
(din relaţia (7)), H(s), <strong>de</strong>vine :<br />
4
C1<br />
H(s)= C<br />
1 − ( 1 + sTe<br />
)<br />
= −<br />
s C C<br />
1<br />
1<br />
T<br />
e<br />
; (8)<br />
Comparând relaţiile (1) şi(8) se constată faptul că grupul<br />
K, C 1 din figura 3 echivalează rezistenţa R din figura 1 şi că :<br />
R = T e 1<br />
=<br />
C C ⋅ f<br />
1 1<br />
e<br />
; (9)<br />
un<strong>de</strong> cu f e s-a notat frecvenţa cu care comută K.<br />
Deci în condiţiile în care sunt valabile aproximaţiile<br />
făcute (frecveţa f e mult mai mare <strong>de</strong>cât frecvenţa maximă din<br />
spectrul semnalului x(t)) folosind sistemul din figura 3 se poate<br />
obţine un integrator i<strong>de</strong>al.<br />
3. Metodă <strong>de</strong> sinteză a filtrelor cu capacităţi comutate.<br />
Rezultatul paragrafului anterior este foarte important<br />
având în ve<strong>de</strong>re că orice sistem în timp continuu poate fi<br />
sintetizat utilizând forma canonică 1 <strong>de</strong> implementare, care este<br />
bazată pe folosirea integratoarelor i<strong>de</strong>ale. În continuare se dă un<br />
exemplu <strong>de</strong> sinteză , care conduce la obţinerea filtrului activ<br />
universal.<br />
Ne propunem să proiectăm un filtru <strong>de</strong> ordinul II, care să<br />
aibă ieşiri <strong>de</strong> tip trece-jos, trece-sus şi trece-bandă.<br />
Funcţia <strong>de</strong> transfer <strong>de</strong> tip trece-sus este:<br />
as 0 2<br />
H TS (s)=<br />
bs 0 2 + bs 1 + b2<br />
; (10)<br />
Conectând la ieşirea acestui filtru un integrator i<strong>de</strong>al se<br />
obţine un sistem global cu funcţia <strong>de</strong> transfer <strong>de</strong> tip trece-bandă:<br />
H TB (s)= -<br />
⎛ 1 ⎞<br />
as 0 ⎜ ⎟<br />
⎝ RC ⎠<br />
bs + bs+<br />
b<br />
0 2 1 2<br />
; (11)<br />
Conectând un nou integrator i<strong>de</strong>al se obţine sistemul global<br />
cu funcţia <strong>de</strong> transfer trece-jos <strong>de</strong> tipul :<br />
5
H TJ (s)=<br />
2<br />
⎛ 1 ⎞<br />
a0<br />
⎜ ⎟<br />
⎝ RC ⎠<br />
bs + bs+<br />
b<br />
0 2 1 2<br />
; (12)<br />
Ecuaţia diferenţială corespunzătoare funcţiei <strong>de</strong> transfer<br />
din relaţia (10) este:<br />
b<br />
0<br />
2<br />
dy<br />
dt<br />
+ b<br />
dy + by = a dx ; (13)<br />
2<br />
dt<br />
dt<br />
2 1 2 0<br />
2<br />
Integrând <strong>de</strong> două ori această relaţie se obţine :<br />
t<br />
t<br />
t<br />
byt () + b ∫ y() τdτ + b ∫ ∫ y() τdτ = axt () ; (14)<br />
0 1 2 0<br />
−∞<br />
−∞ −∞<br />
Sistemul caracterizat <strong>de</strong> această ecuaţie este prezentat în<br />
figura 5.<br />
x(t)<br />
a0<br />
-b2<br />
1/b0<br />
b1<br />
-<br />
-<br />
t<br />
∫<br />
−∞<br />
t<br />
∫<br />
−∞<br />
y TS (t)<br />
y TB (t)<br />
y TJ (t)<br />
figura 5 : schema bloc a sistemului cu<br />
funcţia <strong>de</strong> transfer H TS (s)<br />
Se constată că<br />
sistemul din figura 5<br />
prezintă şi ieşiri <strong>de</strong> tip<br />
trece-bandă şi trece-sus.<br />
Schema obţinută poate fi<br />
re<strong>de</strong>senată, folosind un<br />
sumator cu trei intrări. Se<br />
obţine astfel sistemul din<br />
figura 6. Acesta poate fi<br />
construit cu amplificatoare<br />
operaţionale conectate în<br />
structură <strong>de</strong> amplificator,<br />
sumator, sau integrator.<br />
In continuare<br />
amplificatoarele operaţionale<br />
utilizate în structurile mai<br />
sus amintite şi <strong>de</strong>senate în<br />
figura 7, se vor consi<strong>de</strong>ra<br />
i<strong>de</strong>ale.<br />
Folosind figurile 6 şi 7, prin interconectarea<br />
corespunzătoare a blocurilor constitutive, se obţine structura<br />
filtrului activ universal prezentat în figura 9.<br />
6
x(t)<br />
a0<br />
b1<br />
1/b0<br />
-<br />
t<br />
∫<br />
−∞<br />
y TS (t)<br />
-1/RC<br />
t<br />
∫<br />
−∞<br />
R<br />
C<br />
AO<br />
R2<br />
A<br />
R1<br />
-b2<br />
-<br />
t<br />
∫<br />
−∞<br />
figura 6 : schema bloc a<br />
filtrului activ universal<br />
u1<br />
u2<br />
u3<br />
AO<br />
A=-R2/R1<br />
R<br />
R<br />
u u1<br />
-u<br />
u2<br />
AO<br />
u3<br />
figura 7 : construcţia blocurilor din figura 6 cu ajutorul amplificatoarelor<br />
operaţionale<br />
R4<br />
R3<br />
C<br />
C<br />
x(t)<br />
R1<br />
AO1<br />
y TS (t)<br />
R<br />
AO2<br />
R<br />
y TB (t)<br />
AO3<br />
y TJ (t)<br />
R2<br />
figura 8 : schema unui filtru activ universal<br />
Din figurile 6 şi 8 se pot <strong>de</strong>termina expresiile<br />
coeficienţilor funcţiilor <strong>de</strong> transfer din relaţiile (10),(11) şi<br />
(12). Rezultă :<br />
b<br />
= R ;a 0 = R R + R<br />
2<br />
R + R<br />
0 4<br />
3 4<br />
1 2<br />
R1 R3 + R4<br />
R3<br />
; b1<br />
=<br />
; b2<br />
= ; (16)<br />
2<br />
RC R + R<br />
1 2<br />
( RC)<br />
Deoarece expresiile funcţiilor <strong>de</strong> transfer ale sistemelor<br />
<strong>de</strong> tip trece-sus, trece-bandă şi trece-jos <strong>de</strong> ordinul II sunt :<br />
H<br />
TS<br />
( s)<br />
=<br />
s<br />
2<br />
A<br />
TS<br />
⋅<br />
s<br />
2<br />
+ 2ξω s + ω 2 0<br />
0<br />
; H ( s)<br />
TB<br />
=<br />
s<br />
2<br />
2ξω0ATBs<br />
+ 2ξω s + ω ;<br />
0<br />
2 0<br />
7
H<br />
TJ<br />
( s)<br />
=<br />
s<br />
2<br />
A<br />
TJ<br />
⋅<br />
ω<br />
2 0<br />
+ 2ξω<br />
s +<br />
0<br />
ω<br />
2 0<br />
; (17)<br />
Prin i<strong>de</strong>ntificarea relaţiilor (17) cu relaţiile (10),(11)<br />
şi (12), pe baza relaţiilor (16) se obţine :<br />
a0<br />
A TS = =<br />
b<br />
0<br />
1<br />
1<br />
+<br />
+<br />
R<br />
R<br />
R<br />
R<br />
3<br />
4<br />
1<br />
2<br />
2 b2<br />
R3<br />
1<br />
; ω 0 = = ⋅ ;<br />
2<br />
b R<br />
0<br />
4<br />
( RC)<br />
Q<br />
1 R4<br />
= = ⋅<br />
2ξ<br />
R<br />
1<br />
R<br />
R<br />
+ R<br />
+ R<br />
1 2<br />
3 4<br />
;<br />
2ξω<br />
A<br />
TJ<br />
0<br />
A<br />
TB<br />
a<br />
= −<br />
b<br />
0<br />
0<br />
⎛ 1 ⎞<br />
⎜ ⎟ ⇒<br />
⎝ RC⎠<br />
R3<br />
1 +<br />
a0<br />
1 R4<br />
= ⋅<br />
2<br />
( RC)<br />
b0 ω0 2 =<br />
R1<br />
1 +<br />
R<br />
A<br />
TB<br />
2<br />
= −<br />
R<br />
R<br />
2<br />
1<br />
;<br />
(18)<br />
De obicei în schema filtrului activ universal se aleg:<br />
∗<br />
R1 = R3 = R4<br />
= R<br />
Cu această observaţie parametrii celor trei funcţii <strong>de</strong><br />
transfer <strong>de</strong>vin:<br />
A<br />
=<br />
2<br />
R<br />
1 +<br />
R<br />
1<br />
RC Q R + R2 R2<br />
; ω0<br />
= ; = ; A = − ; A =<br />
2R<br />
R<br />
TS TB TJ<br />
(16)<br />
2<br />
1<br />
2<br />
R<br />
+<br />
R<br />
2<br />
În figura 9 este prezentată schema unui filtru activ<br />
universal realizat cu capacităţi comutate.<br />
8
R *<br />
x(t)<br />
AO1<br />
R * R *<br />
y TS (t)<br />
1 2<br />
K1<br />
C1<br />
C<br />
AO2<br />
y TB (t)<br />
1 2<br />
K2<br />
C2<br />
C<br />
AO3<br />
y TJ (t)<br />
R2<br />
figura 9 : filtru activ universal realizat cu capacităţi comutate<br />
Parametrii acestui sistem sunt:<br />
A<br />
= A =<br />
2<br />
R<br />
1 +<br />
R<br />
TS TJ TB<br />
2<br />
R2<br />
; A = − ;<br />
R<br />
Q<br />
=<br />
R<br />
+ R<br />
2R<br />
2<br />
C1<br />
; ω 0 = ⋅ f e ; (20)<br />
C<br />
! Orice filtru cu capacităţi comutate poate fi sintetizat<br />
pornind <strong>de</strong> la forma canonică I <strong>de</strong> implementare, folosind mo<strong>de</strong>lul<br />
din exemplul anterior.<br />
4. Filtre cu capacităţi comutate monocip<br />
În prezent se fabrică circuite integrate cu funcţia <strong>de</strong><br />
filtru cu capacităţi comutate. În lucrarea <strong>de</strong> faţă, se utilizează<br />
un astfel <strong>de</strong> circuit, realizat <strong>de</strong> firma MAXIM, a cărui foaie <strong>de</strong><br />
catalog este prezentată în ANEXĂ. Acest circuit integrat<br />
înglobează două filtre active universale cu capacităţi comutate.<br />
Rezistenţele R1 ÷ R4<br />
se conectează din exterior. De asemenea<br />
semnalul <strong>de</strong> comandă, cu frecvenţa f e , se aplică din exterior.<br />
Legătura dintre ω 0 şi f e poate fi <strong>de</strong> asemenea impusă din exterior.<br />
Principalele aplicaţii ale acestor circuite integrate sunt:<br />
‣ pentru prelucrarea numerică a <strong>semnalelor</strong>;<br />
‣ pentru construcţia filtrelor “anti-aliasing” programabile;<br />
‣ pentru construcţia sistemelor <strong>de</strong> analiză a vibraţiilor sau<br />
a <strong>semnalelor</strong> audio;<br />
‣ pentru construcţia sistemelor <strong>de</strong> testare a echipamentelor<br />
<strong>de</strong> telecomunicaţii;<br />
9
‣ pentru construcţia instrumentarului <strong>de</strong> aviaţie.<br />
5. Desfăşurarea lucrării<br />
Modul <strong>de</strong> conectare al circuitului MAX266, pentru lucrarea<br />
<strong>de</strong> faţă, presupune unei singure secţiuni <strong>de</strong> ordinul II, fiind<br />
disponibile funcţiile <strong>de</strong> transfer <strong>de</strong> tip trece-jos, trece-bandă şi<br />
opreşte-bandă.<br />
5.1. Se studiază <strong>de</strong>pen<strong>de</strong>nţa modulului răspunsului în<br />
frecvenţă <strong>de</strong> fiecare tip (trece-jos, opreşte-bandă ţi trecebandă),<br />
<strong>de</strong> frecvenţa f e . În acest scop, pentru trei frecvenţe<br />
diferite ale semnalului <strong>de</strong> tact se ridică răspunsul în frecvenţă<br />
folosind cele trei ieşiri şi modificând frecvenţa semnalului <strong>de</strong> la<br />
intrarea IN. Cele 9 caracteristici <strong>de</strong> frecvenţă obţinute se vor<br />
reprezenta grafic. Frecvenţa semnalului <strong>de</strong> pe intrarea IN nu va<br />
<strong>de</strong>păşi o zecime din frecvenţa semnalului <strong>de</strong> pe intrarea CLK.<br />
Semireglabilul P, va avea cursorul la un capăt.<br />
5.2. Pe baza <strong>de</strong>terminărilor experimentale efectuate la<br />
punctul anteriore vor i<strong>de</strong>ntifica în fiecare caz parametrii celor<br />
trei tipuri <strong>de</strong> filtre, amplificare, frecvenţă centrală (sau <strong>de</strong><br />
tăiere) şi factorul <strong>de</strong> calitate.<br />
5.3 Se repetă punctele 5.1. şi 5.2., având cursorul<br />
semireglabilului P fixat la celălalt capăt.<br />
5.3. Să se reprezinte grafic forma <strong>de</strong> undă a<br />
semnalului <strong>de</strong> la intrarea IN precum şi cea a <strong>semnalelor</strong> <strong>de</strong> la cele<br />
trei ieşiri într-o situaţie în care acestea pot fi observate bine.<br />
Se vor specifica parametrii <strong>semnalelor</strong>, amplitudine, perioadă<br />
e.t.c.<br />
6. Întrebări.<br />
6.1. Exprimaţi legătura între spectrele <strong>semnalelor</strong> x(t) şi<br />
y(t) din figura 4. Motivaţi, pe baza expresiei obţinute,<br />
necesitatea ca frecvenţa f e să fie mult mai mare <strong>de</strong>cât frecvenţa<br />
maximă din spectrul semnalului x(t).<br />
6.2. Justificaţi relaţia (16).<br />
6.3. Cum trebuie conectate comutatoarele S 1A şi S AB pentru<br />
ca secţiunea A a circuitului MAX266 să aibă schema din figura 9<br />
6.4. Ştiind că funcţia <strong>de</strong> transfer a unui filtru opreşte<br />
bandă <strong>de</strong> ordinul II este:<br />
H<br />
( s)<br />
OB =<br />
s<br />
2<br />
2<br />
s<br />
1 +<br />
2<br />
ω 0<br />
+ 2ξsω + ω ;<br />
0<br />
2 0<br />
arătaţi modificările care trebuiesc făcute schemei din figura 8<br />
pentru ca să se obţină schema unui filtru opreşte-bandă.<br />
10
6.5. Ştiind că funcţia <strong>de</strong> transfer a unui filtru trecetot<br />
<strong>de</strong> ordinul II este :<br />
2<br />
2<br />
s − 2ξsω0<br />
+ ω<br />
HTT ( s)<br />
0<br />
=<br />
2<br />
2<br />
s + 2ξsω0<br />
+ ω ;<br />
0<br />
arătaţi modificările care trebuiesc făcute schemei din figura 8<br />
pentru ca să se obţină schema unui filtru trece-tot.<br />
6.6. Să se scrie funcţiile <strong>de</strong> transfer ale sistemului din<br />
figurile 5 ÷ 20 din foaia <strong>de</strong> catalog a circuitului MAXIM266.<br />
BIBLIOGRAFIE<br />
[1]. J.P. HUELSMAN : “Active Filters”, Prentice Hall, 1986;<br />
[2]. *** MAX265/266 “Pin and Resistor Programmed Universal<br />
Active Filters”, MAXIM Integrated Products, 1994;<br />
[3]. E. POP, I. NAFORNIŢĂ ş.a. “Meto<strong>de</strong> în prelucrarea<br />
numerică a <strong>semnalelor</strong>”, vol.I. Ed. Facla, Timişoara, 1986;<br />
[4]. A. MATEESCU, A. ŞERBĂNESCU, “Circuite cu capacităţi<br />
comutate”, Ed. Militară, Bucureşti, 1987.<br />
11
LUCRAREA NR 2<br />
FILTRE ADAPTATE LA SEMNALE MODULATE ÎN FRECVENŢĂ<br />
1.Scopul lucrării.<br />
Se experimentează un filtru cu urmărire realizat cu capacităţi<br />
comutate, urmărindu-se îmbunătăţirea raportului semnal pe zgomot<br />
realizată la prelucrarea <strong>semnalelor</strong> modulate în frecvenţă<br />
perturbate aditiv cu zgomot alb.<br />
2.Filtre adaptate<br />
Se pune problema <strong>de</strong>terminării expresiei răspunsului la<br />
impuls h()<br />
t al sistemului liniar şi invariant în timp care<br />
maximizează raportul semnal pe zgomot la ieşirea sa la momentul<br />
<strong>de</strong> timp T, când la intrarea sa este adus semnalul:<br />
() t = s() t n()<br />
t<br />
x +<br />
un<strong>de</strong> x () t este un semnal <strong>de</strong>terminist <strong>de</strong> energie finită iar n()<br />
t<br />
este un zgomot staţionar cu <strong>de</strong>nsitatea spectrală <strong>de</strong> putere Φ n ( ω)<br />
.<br />
Se <strong>de</strong>fineşte raportul semnal pe zgomot al semnalului <strong>de</strong> la<br />
ieşirea filtrului consi<strong>de</strong>rat:<br />
() t = u() t + n () t<br />
y 0<br />
un<strong>de</strong> u () t este răspunsul sistemului la semnalul s () t iar n 0 () t<br />
răspunsul la n () t , cu formula:<br />
0<br />
() t<br />
RSZ =<br />
u<br />
() t<br />
P<br />
n 0<br />
2<br />
Puterea semnalului aleator <strong>de</strong> la ieşire este:<br />
P<br />
n 0<br />
∞<br />
∫<br />
−∞<br />
⎛ 1 ⎞ 2<br />
= ⎜ ⎟ H( ω) Φ n ( ω)<br />
dω<br />
⎝ 2π<br />
⎠<br />
Expresia semnalului util <strong>de</strong> la ieşire este:<br />
u<br />
∞<br />
∫<br />
−∞<br />
() t s() t ∗ h() t = s() τ h( t − τ)<br />
= dτ<br />
12
Valoarea lui u () t la momentul T este:<br />
u<br />
∞<br />
∫<br />
−∞<br />
⎛ 1 ⎞<br />
jωT<br />
= ⎜ ⎟ e dω<br />
⎝ 2π<br />
⎠<br />
( T) H( ω) S( ω)<br />
iar valoarea raportului semnal pe zgomot la ieşire la acelaşi<br />
moment <strong>de</strong> timp este:<br />
2<br />
∞<br />
⎛ 1 ⎞<br />
jωT<br />
⎜ ⎟ ∫ H( ω) S( ω)<br />
e dω<br />
⎝ 2π<br />
⎠ −∞<br />
RSZ0 ( T)<br />
=<br />
(1)<br />
∞<br />
⎛ 1 ⎞ 2<br />
⎜ ⎟ ∫ H( ω) Φ n ( ω) dω<br />
⎝ 2π<br />
⎠<br />
−∞<br />
Inegalitatea Cauchz-Buniakovski-Schwartz se exprimă în forma:<br />
∞<br />
∫<br />
−∞<br />
A<br />
2<br />
⎛<br />
∗<br />
2<br />
2<br />
( ω) B ( ω) dω<br />
≤ ⎜ ( ) ⎟⎜<br />
( ) ∫ A ω dω<br />
∫ B ω dω<br />
⎟ −∞ ⎝ −∞ ⎠<br />
Această relaţie este o egalitate dacă:<br />
un<strong>de</strong> K este o constantă.<br />
Pentru:<br />
şi:<br />
A<br />
⎝<br />
∞<br />
( ) = ( ω)<br />
A ω KB<br />
2<br />
⎞⎛<br />
1<br />
( ω) = H( ω) ( Φ ( ω)<br />
) 2<br />
n<br />
⎠<br />
∞<br />
1<br />
−<br />
jωT<br />
( ω) = S( ω) e ( Φ ( ω)<br />
) 2<br />
B<br />
n<br />
inegalitatea Cauchy-Buniakovski-Schwartz <strong>de</strong>vine:<br />
∗<br />
⎞<br />
adică:<br />
∞<br />
∫<br />
−∞<br />
H<br />
2<br />
⎛<br />
⎜<br />
⎜<br />
⎝<br />
jωT<br />
2<br />
( ω) S( ω) e dω<br />
≤ ⎜ ∫ H( ω) Φ n ( ω)<br />
∞<br />
−∞<br />
1<br />
2<br />
2<br />
⎛<br />
⎜<br />
⎞⎜<br />
⎟⎜<br />
dω⎟⎜<br />
⎟⎜<br />
⎠⎜<br />
⎜<br />
⎝<br />
∞<br />
∫<br />
−∞<br />
Φ<br />
S<br />
n<br />
( ω)<br />
( ω)<br />
2<br />
1<br />
2<br />
2<br />
⎞<br />
⎟<br />
⎟<br />
⎟<br />
dω⎟<br />
⎟<br />
⎟<br />
⎟<br />
⎠<br />
∞<br />
∫<br />
−∞<br />
H<br />
2<br />
jωT<br />
2<br />
( ω) S( ω) e dω<br />
≤ ⎜<br />
∫ H( ω) Φ n ( ω)<br />
⎛<br />
⎜<br />
⎝<br />
∞<br />
−∞<br />
⎞⎛<br />
dω⎟<br />
⎜<br />
⎜<br />
⎠⎝<br />
∞<br />
∫<br />
−∞<br />
S<br />
Φ<br />
2<br />
( ω)<br />
( ) ⎟ ⎟ ⎞<br />
dω<br />
n ω<br />
⎠<br />
Folosind această relaţie (1) <strong>de</strong>vine:<br />
13
2<br />
( ω)<br />
( ω)<br />
∞<br />
⎛ 1 ⎞ S<br />
RSZ0 ( T)<br />
≤ ⎜ ⎟ ∫ dω<br />
(3)<br />
⎝ 2π<br />
⎠−∞<br />
Φ n<br />
<strong>de</strong>oarece <strong>de</strong>nsitatea spectrală <strong>de</strong> putere a unui semnal aleator<br />
staţionar este o funcţie reală pozitivă. În cazul <strong>de</strong> faţă,<br />
relaţia (2) <strong>de</strong>vine:<br />
adică:<br />
H<br />
⎛<br />
⎜<br />
⎜<br />
⎝<br />
1<br />
−<br />
{ } 2<br />
* − jωT<br />
( ω) Φ ( ω) = KS ( ω) e Φ ( ω)<br />
n<br />
1<br />
2<br />
⎞<br />
⎟<br />
⎟<br />
⎠<br />
*<br />
n<br />
*<br />
−<br />
( ω)<br />
e<br />
( ω)<br />
jωT<br />
KS<br />
H ( ω)<br />
=<br />
(4)<br />
Φ<br />
n<br />
Aceasta este (cu excepţia unei constante multiplicative) expresia<br />
răspunsului în frecvenţă al filtrului care maximizează raportul<br />
semnal pe zgomot <strong>de</strong> la ieşirea sa, la momentul T, când este<br />
prelucrat semnalul x () t .<br />
După cum se ve<strong>de</strong>, H ( ω)<br />
<strong>de</strong>pin<strong>de</strong> <strong>de</strong> spectrul semnalului util <strong>de</strong> la<br />
intrare, S ( ω)<br />
, şi <strong>de</strong> <strong>de</strong>nsitatea spectrală <strong>de</strong> putere a zgomotului<br />
<strong>de</strong> la intrare. De aceea filtrul cu răspunsul î frecvenţă din<br />
relaţia (4) se numeşte filtru adaptat la semnalul x () t . În<br />
continuare semnalul aleator <strong>de</strong> la intrare se consi<strong>de</strong>ră <strong>de</strong> tip<br />
zgomot alb. În acest caz:<br />
K<br />
N<br />
* − jωT<br />
Φ n ( ω) = N0<br />
H( ω ) = S ( ω) e<br />
h() t s( T − t)<br />
Răspunsul filtrului adaptat la semnalul s () t este:<br />
u<br />
K<br />
N<br />
∞<br />
∫<br />
−∞<br />
0<br />
K<br />
N<br />
() t = h() t ∗ s() t = s()( τ s T − t + τ) dτ = R ( T − t)<br />
0<br />
0<br />
s<br />
K<br />
= (5)<br />
N<br />
proporţional cu o variantă întârziată cu T a autocorelaţiei<br />
semnalului s () t . În acest caz membrul drept al relaţiei (3)<br />
<strong>de</strong>vine maxim şi:<br />
E<br />
RSZ 0max<br />
( T)<br />
= (6)<br />
N<br />
un<strong>de</strong> E reprezintă valoarea energiei semnalului s () t . Deci valoarea<br />
maximă a raportului semnal pe zgomot la ieşirea filtrului adaptat<br />
la un semnal cu o componentă aleatoare <strong>de</strong> tip zgomot alb este<br />
egală cu raportul dintre energia semnalului util <strong>de</strong> la intrare şi<br />
<strong>de</strong>nsitatea spectrală <strong>de</strong> putere a zgomotului alb.<br />
0<br />
0<br />
14
3. Filtru adaptat la un semnal <strong>de</strong> tip “chirp” perturbat<br />
aditiv <strong>de</strong> zgomot alb<br />
Semnalul <strong>de</strong> tip “chirp” este un semnal modulat în frecvenţă cu<br />
modulatorul liniar variabil în timp. Expresia sa analitică este:<br />
s<br />
() t<br />
⎧ ⎛<br />
⎪cos<br />
⎜ω<br />
= ⎨ ⎝<br />
⎪<br />
0,<br />
⎪⎩<br />
0<br />
0<br />
t +<br />
∆ω<br />
2t<br />
0<br />
t<br />
2<br />
⎞<br />
⎟,<br />
⎠<br />
t 0<br />
t ≤<br />
2<br />
t 0<br />
t ><br />
2<br />
În [Spă.,87] este <strong>de</strong>monstrat că dacă este satisfăcută condiţia:<br />
∆ω<br />
α = t 0 25<br />
2π<br />
><br />
(7)<br />
atunci are loc relaţia:<br />
S<br />
( ω)<br />
⎧ t 0<br />
⎪ ,<br />
≅ ⎨2<br />
α<br />
⎪<br />
⎩ 0,<br />
ω<br />
0<br />
0<br />
∆ω<br />
− ≤ ω ≤ ω<br />
2<br />
in rest<br />
0<br />
0<br />
∆ω<br />
+<br />
2<br />
şi pe baza relaţiei (5) caracteristica <strong>de</strong> modul a filtrului<br />
adaptat este pentru<br />
2 α<br />
K = :<br />
t 0<br />
⎧ 0 ∆ω<br />
0 ∆ω<br />
⎪1,<br />
ω − ≤ ω ≤ ω +<br />
H( ω)<br />
≅ 0 0<br />
⎨ 2<br />
2<br />
(8)<br />
⎪⎩<br />
Deci dacă este în<strong>de</strong>plinită condiţia (7) atunci filtrul adaptat la<br />
semnalul “chirp” este un filtru trece-bandă i<strong>de</strong>al, cu pulsaţia<br />
centrală ω 0 0 şi banda<br />
4. Filtre cu urmărire<br />
∆ ω .<br />
Se numeşte filtru cu urmărire <strong>de</strong> tip trece-bandă acel filtru<br />
trece-bandă a cărui pulsaţie centrală este în permanenţă egală cu<br />
pulsaţia instantanee a semnalului <strong>de</strong>terminist <strong>de</strong> la intrarea sa.<br />
Caracterizarea în domeniul frecvenţă a unui filtru cu urmărire <strong>de</strong><br />
ordinul II poate fi făcută pe baza relaţiei:<br />
H<br />
( ω,<br />
t)<br />
=<br />
ω<br />
2<br />
0<br />
2ξAjω0<br />
() t<br />
2<br />
() t − ω + 2jξωω<br />
() t<br />
respectiv cu ajutorul suprafeţelor H( ω , t)<br />
şi { H( , t)<br />
}<br />
arg ω . În<br />
continuare se prezintă câteva secţiuni remarcabile prin aceste<br />
0<br />
15
suprafeţe. Intersecţia dintre suprafaţa ( , t)<br />
H ω şi planul<br />
{( , t p ) ω∈R,<br />
p∈<br />
Z p − fixat}<br />
<strong>de</strong> modul. Ea se notează H( ω , ) sau H( ω , ω ) cu ω = ω ( t )<br />
ω se numeşte caracteristică momentană<br />
t p<br />
p<br />
p<br />
0<br />
p<br />
. Această<br />
curbă <strong>de</strong>scrie comportarea în domeniul frecvenţă a filtrului cu<br />
urmărire la momentul t p .<br />
Intersecţia dintre suprafaţa ( , t)<br />
cărei urmă pe planul ( , t)<br />
H ω şi suprafaţa verticală a<br />
ω este curba <strong>de</strong> ecuaţie ω = ω 0 () t se<br />
numeşte caracteristică globală <strong>de</strong> modul. Ea se notează cu<br />
H( ω 0 () t ) . Filtrele trece-bandă cu urmărire au următoarele<br />
proprietăţi, [Isa.’93]:<br />
P1. Dacă momentele <strong>de</strong> timp t p şi t q sunt alese astfel încât<br />
raportul pulsaţiilor instantanee ale semnalului <strong>de</strong> intrare<br />
calculate la aceste momente ( t )/<br />
ω ( t )<br />
ω i q i p să fie egal cu β , atunci<br />
pulsaţia centrală a caracteristicii momentane a filtrului la<br />
momentul t va fi <strong>de</strong> β ori mai mare <strong>de</strong>cât pulsaţia centrală a<br />
q<br />
caracteristicii momentane a filtrului la momentul t p .<br />
P2. În condiţiile <strong>de</strong> la P1 banda la -3dB a caracteristicii<br />
momentane H( ω,<br />
ωq<br />
) este <strong>de</strong> β ori mai mare <strong>de</strong>cât banda la -3dB a<br />
H ω , ω .<br />
caracteristicii momentane ( )<br />
p<br />
În practică banda <strong>de</strong> frecvenţă în care are loc procesul <strong>de</strong><br />
urmărire nu poate fi infinită. De aceea este raţional să se<br />
consi<strong>de</strong>re că această bandă este finită, <strong>de</strong> exemplu<br />
⎡ 0 ∆ω 0 ∆ω⎤<br />
⎢ω0 − , ω0<br />
+ ⎥ .<br />
⎣ 2 2 ⎦<br />
P3. În banda <strong>de</strong> urmărire modulul răspunsului în frecvenţă al unui<br />
filtru trece-bandă cu urmărire <strong>de</strong> ordinul II este maxim.<br />
Această proprietate se poate reformula şi astfel:<br />
P3’. Modulul caracteristicii globale <strong>de</strong> frecvenţă a unui filtru<br />
cu urmărire este o bună aproximare a modulului caracteristicii <strong>de</strong><br />
frecvenţă a unui filtru trece-bandă i<strong>de</strong>al ţn banda<br />
⎡ 0 ∆ω 0 ∆ω⎤<br />
⎢ω0 − , ω0<br />
+ ⎥ .<br />
⎣ 2 2 ⎦<br />
Pe baza relaţiei (8) şi proprietăţii P3’ se constatã cã filtrele<br />
cu urmãrire sunt filtre adaptate la semnale <strong>de</strong> tip “chirp”.<br />
5. Filtre cu urmărire cu capcităţi comutate<br />
Orice filtru cu urmărire este alcătuit dintr-un filtru comandat<br />
(în cazul <strong>de</strong> faţă realizat cu capacităţi comutate) şi dintr-un<br />
circuit <strong>de</strong> comandă care transformă pulsaţia instantanee a<br />
16
semnalului <strong>de</strong> la intrarea sa în semnal <strong>de</strong> comandă pentru filtrul<br />
cu capacităţi comutate.<br />
Orice filtru analogic poate fi realizat folosind integratoare pe<br />
baza formei canonice II <strong>de</strong> implementare. În figura 1 este<br />
prezentat un integrator cu capacităţi comutate.<br />
u i<br />
f c<br />
K<br />
+<br />
C 2<br />
u e<br />
C 1<br />
Figura 1. Integrator cu capacităţi comutate.<br />
Funcţia sa <strong>de</strong> transfer este:<br />
U<br />
U<br />
e<br />
i<br />
() s<br />
() s<br />
= −<br />
sC<br />
2<br />
1<br />
1<br />
f C<br />
[ Hue .'84]. Deci acest circuit este echivalent unui integrator RC<br />
1<br />
care are pe intrarea inversoare un rezistor <strong>de</strong> valoare . Cu<br />
f c C 1<br />
f c s-a notat frecvenţa cu care comută comutatorul K. Un filtru<br />
activ universal realizat cu două integratoare va avea pulsaţia<br />
centrală dată <strong>de</strong> relaţia:<br />
C1<br />
ω0 = f c<br />
C2<br />
Acesta este un filtru trece-bandă <strong>de</strong> ordinul II dacă este<br />
în<strong>de</strong>plinită condiţia:<br />
f<br />
c<br />
C<br />
c<br />
2<br />
() t = ω () t<br />
C<br />
Deci este necesar ca frecvenţa <strong>de</strong> comutaţie să fie un multiplu<br />
întreg al frecvenţei instantanee a semnalului <strong>de</strong> intrare. Această<br />
funcţie o în<strong>de</strong>plineşte un circuit cu calare <strong>de</strong> fază utilizat în<br />
regim <strong>de</strong> multiplicator <strong>de</strong> frecvenţă. Deci circuitul <strong>de</strong> comandă<br />
poat efi unul cu calare <strong>de</strong> fază.<br />
6. Desfăşurarea lucrării<br />
Obiectul acestei lucrări este sistemul cu schema bloc din figura<br />
2.<br />
1<br />
i<br />
1<br />
17
Generator <strong>de</strong><br />
semnal<br />
Filtru<br />
comandat<br />
Generator <strong>de</strong><br />
zgomot<br />
Multiplicator<br />
<strong>de</strong><br />
frecvenþã<br />
Filtru cu urmãrire<br />
Figura 2. Schema bloc a filtrului cu urmărire <strong>de</strong> experimentat.<br />
6.1. Se <strong>de</strong>termină banda <strong>de</strong> urmărire a filtrului consi<strong>de</strong>rat.<br />
6.2. Se verifică proprietăţile P1, P2 şi P3’ ridicându-se câteva<br />
caracteristici momentane şi caracteristica globală a filtrului<br />
cu urmărire.<br />
6.3. Se <strong>de</strong>termină parametrii caracteristicii momentane <strong>de</strong><br />
frecvenţă (amplificare, factor <strong>de</strong> calitate şi bandă la -3dB)<br />
cu frecvenţa centrală situată la mijlocul benzii <strong>de</strong> urmărire.<br />
Se reprezintă grafic această caracteristică.<br />
6.4. Se <strong>de</strong>termină îmbunătăţirea raportului semnal pe zgomot<br />
introdusă <strong>de</strong> filtru în regim <strong>de</strong> urmărire (când semnalul util<br />
<strong>de</strong> la intrare este un semnal modulat în frecvenţă, cu<br />
modulator liniar variabil în timp, având <strong>de</strong>viaţia maximă <strong>de</strong><br />
frecvenţă mai mică <strong>de</strong>cât banda <strong>de</strong> urmărire a filtrului).<br />
6.5. Se reprezintă grafic formele <strong>de</strong> undă ale principalelor<br />
semnale <strong>de</strong> intrare şi ieşire în cazul <strong>de</strong> la 6.4.<br />
7. Întrebări<br />
7.1. Care este valoarea maximă a raportului semnal pe zgomot la<br />
ieşirea unui filtru adaptat la un semnal <strong>de</strong> tip chirp<br />
perturbat aditiv <strong>de</strong> zgomot alb<br />
7.2. De ce sunt echivalente proprietăţile P2 şi P3’ <br />
7.3. Desenaţi schema unui filtru activ universal. Scrieţi<br />
expresia funcţiei sale <strong>de</strong> transfer. Desenaţi schema unui<br />
filtru activ universal cu capacităţi comutate. Scrieţi<br />
expresia răspunsului în frecvenţă al acestui sistem.<br />
7.4. Desenaţi schema unui multiplicator <strong>de</strong> frecvenţă cu 16,<br />
folosind un circuit cu calare <strong>de</strong> fază şi un numărător.<br />
7.5. Ce parametru al filtrului cu urmărire ar trebui modificat<br />
pentru ca îmbunătăţirea raportului semnal pe zgomot obţinută<br />
să poată fi majorată <br />
18
8. Bibliografie<br />
[Spã.,87] A. Spătaru, Fondaments <strong>de</strong> la theorie <strong>de</strong> la transmission<br />
<strong>de</strong> l’information, Presses Polytechniques Roman<strong>de</strong>s, 1987.<br />
[Isa.’93] A. Isar, Tehnici <strong>de</strong> măsurare adaptivă cu aplicaţii în<br />
aparatura <strong>de</strong> măsurare numerică, 1993, Teză <strong>de</strong> doctorat,<br />
Universitatea Politehnica Timişoara.<br />
[Hue.’84] L.P. Huelsman, P.E. Allen, Introduction to the theory<br />
and <strong>de</strong>sign of active filters, Prentice Hall, 1984.<br />
+ 6V<br />
+ 5V<br />
IN<br />
CLK<br />
0 ,1µ<br />
F<br />
10 R 3<br />
R 2<br />
K18K<br />
1 20<br />
2 19<br />
3 18<br />
MF-10<br />
4 17<br />
5 16<br />
6 15<br />
7 14<br />
8 13<br />
9 12<br />
10 11<br />
' R 3<br />
OUT<br />
R 2 '<br />
OUT<br />
1,43nF<br />
0 ,1µ<br />
F<br />
2K<br />
14 13 12 11 10 9 8<br />
βE<br />
565<br />
1 2 3 4 5 6 7<br />
1nF<br />
K<br />
16 15 14 13 12 11 10 9<br />
CDB 4192<br />
1 2 3 4 5 6 7 8<br />
14 13 12 11 10 9 8<br />
CDB<br />
490<br />
1 2 3 4 5 6 7<br />
2 × 4K7<br />
0 ,33µ<br />
F<br />
− 6V<br />
− 5V<br />
19
LUCRAREA NR 3<br />
UTILIZAREA TRANSFORMĂRII “WAVELET” RAPIDĂ LA COMPRESIA<br />
DE DATE<br />
1.Scopul lucrării.<br />
Se analizează un algoritm <strong>de</strong> calcul al transformării "wavelet"<br />
rapidă şi se utilizează acest algoritm la compresia unor semnale<br />
nestaţionare.<br />
2. Bazele matematice ale transformării "wavelet" rapidă<br />
V ∈<br />
Definiţia 1. Mulţimea <strong>de</strong> subspaţii Hilbert închise { m }<br />
m Z<br />
L 2 ( R)<br />
ale lui<br />
este o analiză multirezoluţie a acestui spaţiu dacă elementele<br />
V m au următoarele proprietăţi:<br />
i) ... V1 ⊂ V0<br />
⊂ V−1...<br />
,<br />
⎛ ⎞<br />
I ⎜ ⎟<br />
,<br />
⎝ m∈Z<br />
⎠<br />
∀ f x ∈V<br />
⇔ f 2x ∈ ,<br />
2<br />
ii) Vm = {} 0 , ⎜ U Vm<br />
⎟ = L ( R)<br />
m∈Z<br />
−−−−−−−<br />
iii) ( ) ( ) m ( ) V m −1<br />
iv) Există o funcţie ( x) ∈V0<br />
n∈Z<br />
ϕ astfel încât mulţimea<br />
m<br />
⎪<br />
⎧<br />
−<br />
m<br />
( ) 2 − ⎪<br />
⎫<br />
⎨ϕ m,n<br />
x = 2 ϕ( 2 x − n)<br />
⎬ să fie o bază ortonormală a lui<br />
⎪⎩<br />
⎪⎭<br />
V m .<br />
Funcţia ϕ ( x)<br />
se numeşte funcţie <strong>de</strong> scalare.<br />
Fie f 0 () t un semnal din V 0 . El are următoarea <strong>de</strong>scompunere în baza<br />
ϕ t = ϕ t − :<br />
{ 0,n<br />
() ( n)<br />
} n ∈ Z<br />
Fie () t<br />
() t = f () t , ϕ () t ϕ ()<br />
∑ ∞ 0 0 0,n 0,n t<br />
n=<br />
−∞<br />
1<br />
⎪<br />
−<br />
1<br />
<strong>de</strong>scompunere în baza () 2 −<br />
t = 2 ϕ( 2 t − )<br />
f (1)<br />
f 1 proiecţia lui f 0 () t pe V 1. Această funcţie are următoarea<br />
⎧<br />
⎪<br />
⎫<br />
⎨ϕ 1,n<br />
n ⎬ a lui V 1 :<br />
⎪⎩<br />
⎪⎭<br />
n∈Z<br />
f<br />
() t f () t , ϕ () t () t<br />
1 = ∑ ∞ 0 1,n ϕ1,<br />
n<br />
n=<br />
−∞<br />
(2)<br />
Fie f m () t proiecţia lui f 0 () t pe V m . Ea are următoarea <strong>de</strong>scompunere în<br />
baza ϕ ,n () a lui V m :<br />
{ } n Z<br />
m t ∈<br />
20
f<br />
m<br />
() t f () t , ϕ () t ϕ () t<br />
= ∑ ∞<br />
n=<br />
−∞<br />
0<br />
m,n<br />
m, n<br />
(3)<br />
Semnalele f () t , f () t ,...,f () t<br />
f 0 cu<br />
elemente ale spaţiilor V m (teorema lui Riesz). Dacă<br />
e1 () t ,e2<br />
() t ,...,em<br />
() t sunt erorile medii pătratice <strong>de</strong> aproximare ale lui<br />
f 0 () t cu funcţiile f1 () t , f 2 () t ,...,f m () t , atunci se poate scrie:<br />
1 2 m sunt cele mai bune aproximări ale lui () t<br />
1,<br />
V2<br />
,..., V<br />
e<br />
() t e () t ≤ ... e () t<br />
≤ (4)<br />
1 2 ≤<br />
Se observă că odată cu creşterea lui m calitatea aproximării<br />
<strong>de</strong>screşte. Consi<strong>de</strong>rând că f m () t reprezintă aproximarea lui f 0 () t <strong>de</strong><br />
rezoluţie m se poate afirma că folosind diferite elemente ale<br />
se pot obţine aproximări <strong>de</strong> diferite rezoluţii ale<br />
mulţimii { V m }<br />
m ∈ Z<br />
lui f 0 () t<br />
a lui L 2 ( R)<br />
.<br />
Notând:<br />
m<br />
. De aceea această mulţime se numeşte analiză multirezoluţie<br />
f<br />
() t , ϕ () t s [ n]<br />
0 m,n =<br />
se poate stabili relaţia între secvenţele s m [ n]<br />
şi [ n]<br />
Dar:<br />
s 0 pentru m > 0 .<br />
Descompunerea funcţiei ϕ 1,n () t în baza ϕ 0,n<br />
() t a lui V 0 este:<br />
ϕ<br />
() = ϕ () t , ϕ( t − l) ϕ( t − )<br />
∑ ∞ 1,n<br />
1,n<br />
l<br />
l=<br />
−∞<br />
m<br />
{ } n ∈ Z<br />
t (5)<br />
∞<br />
∫<br />
−∞<br />
1<br />
−<br />
−<br />
() t , ϕ( t − l) = 2 2 1 *<br />
ϕ( 2 u) ϕ ( u + 2n − l)<br />
ϕ1 ,n<br />
du<br />
(6)<br />
Cu notaţia:<br />
ϕ<br />
() t , ϕ( t − l) = h[ 2n l]<br />
1,n<br />
−<br />
relaţia (5) <strong>de</strong>vine:<br />
ϕ<br />
() t = h[ 2n − l] ϕ( t − )<br />
∑ ∞ 1,n<br />
l<br />
l=<br />
−∞<br />
Deci:<br />
Folosind relaţia (1) se obţine:<br />
s<br />
[ n] = f () t , ϕ () t = f () t , h[ 2n − l] ϕ( t − )<br />
∑ ∞ 1 0 1,n 0<br />
l<br />
l=<br />
−∞<br />
21
Prin recurenţă se poate scrie:<br />
s<br />
*<br />
[ n] = s [ p] h [ 2n − ]<br />
∑ ∞ 1 0 p<br />
p=<br />
−∞<br />
m<br />
*<br />
[ n] = s [ p] h [ 2n − p]<br />
∑ ∞ m−1<br />
p=<br />
−∞<br />
s (8)<br />
Această relaţie a fost stabilită pentru întâia oară în [Mal.'89 1]<br />
s<br />
şi reprezintă una dintre formulele <strong>de</strong> bază pentru algoritmul Fast<br />
Wavelet Transform (FWT). Transformarea <strong>de</strong>scrisă <strong>de</strong> relaţia (8) este<br />
realizată <strong>de</strong> sistemul din figura 1.<br />
u<br />
Folosind m astfel <strong>de</strong> sisteme se poate construi sistemul care<br />
prelucrează secvenţa s 0 [ n]<br />
pentru a obţine semnalul s m [ n]<br />
, prezentat<br />
în figura 2.<br />
h * [ n]<br />
2 [ ]<br />
hh * n<br />
. . .<br />
2 h h * [ n]<br />
2<br />
s 0 [ n]<br />
s 1 [ n]<br />
[ n]<br />
s 2 [ n]<br />
s m−1<br />
s m [ n]<br />
a s 0 s0<br />
.[ n].<br />
Figura 2. Sistemul care calculează secvenţa s m [ n]<br />
pornind <strong>de</strong> la secvenţa [ n]<br />
În continuare se analizează calitatea aproximării <strong>de</strong> rezoluţie m a<br />
semnalului () t . În acest scop se <strong>de</strong>fineşte <strong>de</strong>scompunerea ortogonală<br />
f 0<br />
a spaţiului Hilbert L 2 ( R)<br />
.<br />
Definiţia 2. Mulţimea spaţiilor Hilbert închise { m }<br />
m Z<br />
<strong>de</strong>scompunere ortogonală a lui ( R)<br />
W ∈<br />
este o<br />
L 2 dacă elementele W m au<br />
proprietăţile:<br />
i) m ≠ p ⇒ Wm<br />
perpendicular pe Wp<br />
U m = .<br />
m∈Z<br />
2<br />
ii) W L ( R)<br />
22
Pornind <strong>de</strong> la analiza multirezoluţie { Vm<br />
}<br />
m∈ Z<br />
a lui L2 ( R)<br />
consi<strong>de</strong>rând că W m este<br />
complementul ortogonal al lui<br />
ortogonală a lui L 2 ( R)<br />
, { m }<br />
m Z<br />
următoare:<br />
W ∈<br />
V m în m 1<br />
şi<br />
V − , se obţine <strong>de</strong>scompunerea<br />
. Se poate <strong>de</strong>monstra şi propoziţia<br />
Propoziţia 1. Există o funcţie ψ () t în W 0 astfel încât:<br />
- mulţimea ψ ( t − n)<br />
este o bază ortonormală a lui W 0 şi<br />
{ } n ∈ Z<br />
m<br />
⎪<br />
⎧<br />
−<br />
m<br />
- mulţimea () 2 − ⎪<br />
⎫<br />
⎨ψ<br />
m,n<br />
t = 2 ψ( 2 t − n)<br />
⎬ este o bază ortonormală<br />
⎪⎩<br />
⎪⎭ n∈Z<br />
a lui W m pentru orice m întreg.<br />
Funcţiile ψ m,n () t se numesc "wavelet". Funcţia generatoare ψ () t poate<br />
fi exprimată cu ajutorul funcţiei generatoare ϕ () t . Dacă funcţia ϕ()<br />
t<br />
(din V 0 ) se <strong>de</strong>zvoltă în baza lui V − 1 în forma:<br />
atunci:<br />
() = c[ n] ϕ( 2t − n)<br />
∑ ∞<br />
n=<br />
−∞<br />
ϕ t (9)<br />
n<br />
() = ( −1) c[ 1 − n] ϕ( 2t + n)<br />
∑ ∞<br />
n=<br />
−∞<br />
ψ t (10)<br />
Eroarea <strong>de</strong> aproximare a semnalului f 0 () t cu semnalul f 1 () t este:<br />
Se constată că:<br />
() t = f () t f () t<br />
e1 0 − 1<br />
() t 1<br />
e ∈ (11)<br />
1 W<br />
De fapt semnalul e 1 () t este proiecţia ortogonală a semnalului f 0 () t pe<br />
subspaţiul W 1 . Din acest motiv semnalul e m () t poate fi <strong>de</strong>scompus în<br />
baza <strong>de</strong> funcţii wavelet a lui W m în forma:<br />
Cu notaţia:<br />
e<br />
m<br />
() t e () t , ψ () t ψ () t<br />
= ∑ ∞<br />
n=<br />
−∞<br />
e1 () t , m,n () t = d m [ n]<br />
se <strong>de</strong>duce relaţia între secvenţele d m [ n]<br />
şi [ n]<br />
t<br />
V , () t = ϕ( t − )<br />
1<br />
m,n<br />
m, n<br />
Descompunând semnalul ψ 1,n () în baza lui 0<br />
Dar:<br />
sau:<br />
ψ<br />
(12)<br />
ψ (13)<br />
() = ψ () t , ϕ( t − l) ϕ( t − )<br />
∑ ∞ 1,n<br />
1,n<br />
l<br />
l=<br />
−∞<br />
ψ<br />
s m pentru m > 0 .<br />
{ 0,n<br />
n } n Z<br />
ϕ rezultă:<br />
t (14)<br />
∞ 1<br />
−<br />
1,n<br />
∫<br />
−<br />
−∞<br />
() t , ( t l) 2 2 −1<br />
*<br />
ϕ − = ψ( 2 t − n) ϕ ( t l)dt<br />
∈<br />
(15)<br />
23
Folosind notaţia:<br />
relaţia (14) <strong>de</strong>vine:<br />
şi:<br />
În general:<br />
∞ 1<br />
− ⎛ 1<br />
− ⎞<br />
ψ () t , ϕ( t − l) =<br />
⎜ ⎟<br />
∫ 2 2 ψ 2 2 *<br />
1 ,n<br />
u ϕ ( u + 2n − l)<br />
du (16)<br />
⎜ ⎟<br />
−∞ ⎝ ⎠<br />
ψ<br />
() t , ϕ( t − l) = g[ 2n l]<br />
ψ (17)<br />
1,n<br />
−<br />
() = g[ 2n − l] ϕ( t − )<br />
∑ ∞ 1,n<br />
l<br />
l=<br />
−∞<br />
t (18)<br />
*<br />
[ n] = e () t , ψ () t = f () t , ψ () t = g [ 2n − l] s []<br />
∑ ∞ 1 1 1,n 0 1,n<br />
0 l<br />
l=<br />
−∞<br />
d (19)<br />
m<br />
*<br />
[ n] = s [] l g [ 2n − l]<br />
∑ ∞ m−1<br />
l=<br />
−∞<br />
d (20)<br />
Relaţia (20) este implementată <strong>de</strong> sistemul din figura 3.<br />
s m−1[ n]<br />
g * [ n]<br />
2<br />
d m [ n]<br />
În figura 4 este prezentat sistemul care pornind <strong>de</strong> la secvenţa [ n]<br />
calculează secvenţele:<br />
n n , d n ,...,d n<br />
s m [ ] şi [ ] [ ] [ ]<br />
d1 2 m− 1 .<br />
Figura 3. Transformarea semnalului s m− 1[ n]<br />
în semnalul [ n]<br />
d m .<br />
s 0<br />
s [ n]<br />
s 1 [ n]<br />
s 2 [ n]<br />
s<br />
h * [ n]<br />
2 h * m−1[ n]<br />
0<br />
[ n]<br />
...<br />
2 [ n]<br />
u 1 [ n]<br />
u 2 [ n]<br />
u m−1<br />
[ n]<br />
[ n]<br />
[ n]<br />
[ n]<br />
[ n]<br />
h * 2<br />
s m [ n]<br />
g * 2<br />
g * 2<br />
g * 2<br />
g * 2<br />
d 1 [ n]<br />
d 2 [ n]<br />
d 3 [ n]<br />
d m [ n]<br />
Figura 4. Sistemul care transformã semnalul s 0 [ n]<br />
în semnalele s m [ n]<br />
, d k [ n] , k = 1, n<br />
REMARCĂ Formula lui g [ n]<br />
<strong>de</strong>pin<strong>de</strong> <strong>de</strong> formula lui h [ n]<br />
<strong>de</strong>monstra că:<br />
g<br />
1−n<br />
[ n] = ( −1) h[ 1 − n]<br />
. Se poate<br />
(21)<br />
24
S-a arătat <strong>de</strong>ja că pornind <strong>de</strong> la <strong>de</strong>scompunerea semnalului f 0 () t în<br />
baza ortonormală a lui V 0 { ϕ ( t − n)<br />
} n ∈ Z se obţine aproximarea <strong>de</strong><br />
rezoluţie m, f m () t şi eroarea <strong>de</strong> aproximare e m () t . Reciproc, funcţia<br />
f 0 () t poate fi obţinută pornind <strong>de</strong> la funcţiile f m () t şi e m () t :<br />
m<br />
0 t<br />
k=<br />
1<br />
() t = f m () t + ∑ ek<br />
()<br />
f (22)<br />
Calculând produsul scalar al celor doi membri ai relaţiei (22) cu<br />
ϕ t − k se obţine:<br />
funcţiile ( )<br />
sau:<br />
∞<br />
∞<br />
0 k<br />
l=−∞<br />
p=−∞<br />
[ k] = ∑ s1[] l ϕ1,l<br />
() t , ϕ( t − k) + ∑ d1[] p ψ1,p<br />
() t , ϕ( t − )<br />
s (23)<br />
s<br />
∞<br />
∞<br />
0 k<br />
l=−∞<br />
p=−∞<br />
[ k] = ∑ s1[] l h[ 2l − k] + ∑d1[ p] g[ 2p − ]<br />
În mod recursiv se poate <strong>de</strong>monstra că:<br />
∞<br />
s m−1[ k] = ∑ s m [] l h[ 2l − k] + ∑ d m [ p] g[ 2p − k]<br />
(24)<br />
l=−∞<br />
p=−∞<br />
Folosind sistemul din figura 5 poate fi obţinută secvenţa s 0 [ n]<br />
pornind <strong>de</strong> la secvenţele [ n] , d [ n] ,...,d [ n]<br />
∞<br />
s m m− 1 1 .<br />
2 h[ − n]<br />
s m−1[ n]<br />
2 g[ − n]<br />
n<br />
.<br />
.<br />
.<br />
d 1 [ n]<br />
s m [ n]<br />
d m [ n]<br />
[ ]<br />
d m−1<br />
2 h[ − n]<br />
2 g[ − n]<br />
s m−2<br />
[ n]<br />
.<br />
.<br />
.<br />
2 h[ − n]<br />
2 g[ − n]<br />
s 0 [ n]<br />
Figura 5. Sistem care implementeazã transformarea inversã.<br />
Sistemul din figura 4 calculează transformarea “wavelet” discretă<br />
(F.W.T) a semnalului s 0 [ n]<br />
iar sistemul din figura 5 calculează<br />
transformarea “wavelet” discretă inversă (I.F.W.T).<br />
3. O aplicaţie a F.W.T. la compresia <strong>de</strong> date<br />
Sistemele <strong>de</strong> compresie care folosesc transformări ortogonale se<br />
bazează pe <strong>de</strong>corelarea secvenţei <strong>de</strong> intrare (realizată <strong>de</strong><br />
25
transformarea ortogonală respectivă). Dacă secvenţei x[ n] , n 0, N 1<br />
cu autocorelaţia R x [ n]<br />
i se aplică o transformare ortogonală se<br />
obţine secvenţa y [ n]<br />
cu autocorelaţia [ n] , n = 0, M −1, cu R [ n] R [ n]<br />
.<br />
Energia secvenţei [ n]<br />
R y<br />
=<br />
y <<br />
y este concentrată în M eşantioane cu M < N . De<br />
aceea pot fi transmise doar aceste eşantioane şi rezultă compresia.<br />
Notând cu T operatorul transformării ortogonale şi cu P operatorul<br />
<strong>de</strong> compresie se obţine sistemul pentru compresia secvenţei <strong>de</strong> durată<br />
şi energie finită din figura 6.<br />
x<br />
−<br />
x[ n]<br />
T<br />
y[ n]<br />
P<br />
ŷ[ n]<br />
1<br />
T − xˆ [ n]<br />
Figura 6. Sistemul folosit pentru compresia <strong>de</strong> date bazat pe o transformare<br />
ortogonală.<br />
Pot fi scrise relaţiile:<br />
y = Tx;<br />
ŷ = Py;<br />
xˆ = T<br />
−1<br />
ŷ<br />
Având în ve<strong>de</strong>re că FWT este o transformare ortogonală rezultă că<br />
poate fi folosită pentru compresie. Rolul blocului P din schema <strong>de</strong><br />
mai sus este <strong>de</strong> a selecţiona doar acele eşantioane ale semnalului<br />
y[n] care au valoarea superioară unui prag. Valoarea acestui prag se<br />
alege în aşa fel încât eroarea <strong>de</strong> aproximare a semnalului y[n] prin<br />
semnalul <strong>de</strong> la ieşirea blocului P să aibă o energie inferioară<br />
valorii <strong>de</strong> 1% din energia semnalului x[n]. Semnalul <strong>de</strong> la ieşirea<br />
blocului P reprezintă rezultatul compresiei. Acest semnal se<br />
transmite sau se memorează. Ultimul bloc din schema din figura 6<br />
realizează reconstrucţia semnalului comprimat. Eroarea medie<br />
pătatică cu care acest semnal aproximează semnalul x[n] este mai<br />
mică <strong>de</strong>cât 1% din energia semnalului x[n]. Factorul <strong>de</strong> compresie<br />
realizat poate fi calculat împărţind numărul eşantioanelor secvenţei<br />
<strong>de</strong> intrare la dublul numărului eşantioanelor nenule <strong>de</strong> la ieşirea<br />
blocului P. Trebuie consi<strong>de</strong>rat dublul numărului eşantioanelor nenule<br />
<strong>de</strong> la ieşirea blocului P <strong>de</strong>oarece acestea nu apar în succesiune şi<br />
<strong>de</strong>ci este necesară atât codarea valorii lor cât şi codarea poziţiei<br />
lor.<br />
În [Dau.’88] şi [Mey.’92] sunt prezentate câteva exemple <strong>de</strong><br />
funcţii <strong>de</strong> scalare cu suport compact. Evi<strong>de</strong>nt acestea generează<br />
n g n vor<br />
funcţii wavelet cu suport compact. De aceea semnalele h [ ] şi [ ]<br />
fi <strong>de</strong> durată limitată. Pentru secvenţe [ n]<br />
s 0 <strong>de</strong> durată limitată FWT<br />
poate fi <strong>de</strong>scrisă matricial. În continuare se prezintă pe baza unui<br />
exemplu algoritmul <strong>de</strong> calcul al FWT. Secvenţa <strong>de</strong> intrare s 0 [ n]<br />
este<br />
<strong>de</strong>scrisă <strong>de</strong> vectorul:<br />
26
iar [ n]<br />
S<br />
0<br />
⎡s<br />
⎢<br />
⎢<br />
s<br />
⎢.<br />
= ⎢.<br />
⎢<br />
⎢.<br />
⎢<br />
⎢<br />
s<br />
⎣<br />
h are durata 4. Primul pas al algoritmului <strong>de</strong> calcul al FWT<br />
este:<br />
0<br />
0<br />
0<br />
[] 8<br />
[] 7<br />
⎤<br />
[]<br />
⎥ ⎥⎥⎥⎥⎥⎥ 1 ⎥<br />
⎦<br />
cu:<br />
şi:<br />
M 0<br />
⎡ h<br />
⎢<br />
⎢<br />
−<br />
⎢<br />
⎢<br />
= ⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢ h<br />
⎢<br />
⎣−<br />
Y = M<br />
1 0X<br />
0<br />
X 0 = S 0<br />
[] 0 h[] 1 h[] 2 h[]<br />
3 0 0 0 0<br />
h[] 3 h[] 2 − h[] 1 h[]<br />
0 0 0 0 0<br />
0 0 h[] 0 h[] 1 h[] 2 h[]<br />
3 0 0<br />
0 0 − h[] 3 h[] 2 − h[] 1 h[]<br />
0 0 0<br />
0 0 0 0 h[] 0 h[] 1 h[] 2 h[]<br />
3<br />
0 0 0 0 − h[] 3 h[] 2 − h[] 1 h[]<br />
0<br />
[] 2 h[]<br />
3 0 0 0 0 h[]<br />
0 h[]<br />
1<br />
h[]<br />
1 h[]<br />
0 0 0 0 0 − h[]<br />
3 h 2<br />
⎤<br />
[] ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ ⎦<br />
Se obţine:<br />
[] 4<br />
[] 4<br />
[] 3<br />
[] 3<br />
[] 2<br />
[] 2<br />
[] 1<br />
⎡s1<br />
⎤<br />
⎢<br />
⎢<br />
d1<br />
⎢s1<br />
⎢<br />
⎢d1<br />
Y1<br />
=<br />
⎢s1<br />
⎢<br />
⎢d1<br />
⎢ s<br />
⎢<br />
1<br />
⎢ []⎥ ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ ⎣d1<br />
1 ⎦<br />
Prin permutări rezultă:<br />
1<br />
1<br />
Y<br />
⎡s<br />
⎢<br />
⎢<br />
s<br />
⎢s<br />
⎢<br />
⎢ s<br />
=<br />
⎢d<br />
⎢<br />
⎢d<br />
⎢d<br />
⎢<br />
⎢⎣<br />
d<br />
1<br />
1<br />
1<br />
1<br />
1<br />
[] 4<br />
[] 3<br />
[] 2<br />
[] 1<br />
[] 4<br />
[] 3<br />
[] 2<br />
1<br />
1<br />
1<br />
⎤<br />
[]⎥ 1<br />
⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ ⎦<br />
27
Elementele<br />
vectorului<br />
1<br />
1<br />
Y sunt secvenţele s 1 [ n]<br />
şi [ n]<br />
elementele acestor secvenţe se obţin vectorii X 1 1 şi X 1<br />
2 cu:<br />
2<br />
[ s [] 4 s [] 3 s [] 2 s [] 1 ] ; X<br />
T<br />
[ d [] 4 d [] 3 d [] 2 d [] 1 ]<br />
1<br />
X T<br />
1 = 1 1 1 1<br />
1 = 1 1 1 1<br />
d 1 . Separând<br />
Fie M 1 matricea care reprezintă sfertul din stânga sus al matricei<br />
M 0 . Cel <strong>de</strong> al doilea pas al algoritmului FWT este <strong>de</strong>scris cu<br />
relaţia:<br />
Rezultatul este:<br />
Prin permutări rezultă:<br />
1<br />
2 1X1<br />
Y = M<br />
Y<br />
2<br />
⎡s<br />
⎢<br />
⎢<br />
d<br />
=<br />
⎢ s<br />
⎢<br />
⎣d<br />
2<br />
2<br />
2<br />
[] 2<br />
[] 2<br />
[] 1<br />
2<br />
⎤<br />
[] 1<br />
⎥⎥⎥⎥ ⎦<br />
[ s [] 2 s [] 1 d [] 2 d [] 1 ]<br />
1<br />
Y T<br />
2 = 2 2 2 2<br />
Separând elementele secvenţelor s 2 [ n]<br />
şi [ n]<br />
2<br />
X 2 cu:<br />
d 2 se obţin vectorii X 1 2 şi<br />
Folosind vectorii<br />
2<br />
[ s [] 2 s [] 1 ];<br />
X<br />
T<br />
[ d [ 2] d [ 1<br />
]<br />
1 T<br />
X 2 = 2 2<br />
2 = 2 2<br />
1<br />
Y T<br />
2 şi<br />
2<br />
X T<br />
1 se obţine vectorul Y cu:<br />
[ s [] 2 s [] 1 d [] 2 d [] 1 d [] 4 d [] 3 d [] 2 d [] 1 ]<br />
Y T = 2 2 2 2 1 1 1 1<br />
care reprezintă transformata FWT a vectorului S 0 . Algoritmul pentru<br />
IFWT constă în aplicarea în ordine inversă a operaţiilor <strong>de</strong>scrise<br />
mai sus. Bineînţeles în locul matricelor M 0 , M1,...<br />
se vor folosi<br />
T T<br />
matricele M , M ,...<br />
0<br />
4. Desfăşurarea lucrării<br />
1<br />
Obiectul acestei lucrări este un program scris în limbaj C<br />
pentru calculul transformatelor FWT şi IFWT. Ca şi semnale <strong>de</strong><br />
prelucrat pot fi folosite semnale sinusoidale, dreptunghiulare sau<br />
<strong>de</strong> tip “chirp”.<br />
4.1. Să se <strong>de</strong>termine transformata FWT a unui semnal sinusoidal având<br />
256 <strong>de</strong> eşantioane.<br />
4.2. Să se <strong>de</strong>termine transformata IFWT pentru semnalul obţinut la<br />
punctul anterior. Sunt aceste două operaţii inverse <br />
4.3. Ce factor <strong>de</strong> compresie se poate obţine pentru semnalul <strong>de</strong> la<br />
punctele anterioare <br />
28
4.4. Care este valoarea maximă a factorului <strong>de</strong> compresie care se poate<br />
obţine în cazul unui semnal dreptunghiular (prin alegerea<br />
judicioasă a funcţiei wavelet mother) <br />
4.5. Dar pentru un semnal <strong>de</strong> tip “chirp” <br />
4.6. Se reprezintă grafic semnalele iniţiale <strong>de</strong> la punctele 4.3, 4.4<br />
şi 4.5. Se reprezintă grafic semnalele obţinute după efectuarea<br />
compresiei şi a IFWT pentru aceleaşi semnale iniţiale. Estimaţi<br />
erorile comise.<br />
5. Întrebări<br />
5.1. Desenaţi, reunind figurile 4 şi 5 schema unui sistem <strong>de</strong> analiză<br />
(FWT) şi reconstrucţie (IFWT) a unui semnal în timp discret.<br />
5.2. Enunţaţi câteva aplicaţii ale compresiei <strong>de</strong> date.<br />
5.3. Refaceţi exemplul <strong>de</strong> calcul al FWT, din paragraful 3, pentru o<br />
secvenţă cu 16 eşantioane.<br />
5.4. Completaţi exemplul <strong>de</strong> la punctul anterior cu calculul IFWT al<br />
rezultatului obţinut.<br />
5.5. Desenaţi ordinograma unui program <strong>de</strong> calcul al FWT.<br />
6. Bibliografie<br />
[Dau.’88] I. Daubechies, “Orthonormal bases of compactly supported<br />
wavelets”, Communications on Pure and Applied Mathematics, XLI,<br />
1988.<br />
[Mal.’89] S. Mallat, “A Theory for multiresolution signal<br />
<strong>de</strong>composition. The wavelet representation”, IEEE Transactions on<br />
PAMI, vol. 11, no.7, July 1989.<br />
[Mey.’92] Y. Meyer, “On<strong>de</strong>lettes et algorithmes concurents”, Hermann,<br />
1992.<br />
29
LUCRAREA NR 4<br />
ÎMBUNĂTĂŢIREA RAPORTULUI SEMNAL/ZGOMOT PRIN UTILIZAREA<br />
TRANSFORMĂRII “WAVELET” DISCRETĂ<br />
1.Scopul lucrării.<br />
Se utilizează o tehnică adaptivă <strong>de</strong> îmbunătăţire a raportului S/Zg numită<br />
“<strong>de</strong>-noising”.<br />
2. Meto<strong>de</strong> <strong>de</strong> creştere a RSZ<br />
Cea mai cunoscută metodă <strong>de</strong> creştere a RSZ este filtrarea liniară.<br />
O altă modalitate <strong>de</strong> creştere a RSZ se bazează pe utilizarea filtrelor<br />
adaptive. Dezavantajul acestei meto<strong>de</strong> este că ea necesită un timp <strong>de</strong><br />
calcul şi un volum <strong>de</strong> memorie însemnate. În lucrarea <strong>de</strong> faţă se studiază<br />
o nouă metodă <strong>de</strong> îmbunătăţire a RSZ, bazată pe utilizarea transformării<br />
“wavelet” discretă, DWT. Această metodă, numită “<strong>de</strong>-noising” are trei<br />
etape:<br />
a) Fie semnalul u[n] perturbat aditiv <strong>de</strong> zgomotul n[n]:<br />
x[n] = u[n] + n[n]<br />
Se achiziţionează semnalul x[n]. Se urmăreşte estimarea semnalului u[n].<br />
În acest scop se calculează transformata ”wavelet” discretă a semnalului<br />
x[n]:<br />
y[n] = DWT{x[n]} = DWT{u[n]} + DWT{n[n]}<br />
b) Se filtrează semnalul y[n] cu un filtru <strong>de</strong>scris <strong>de</strong> operatorul F,<br />
obţinându-se semnalul:<br />
z[n] = F{y[n]} = F{DWT{u[n]} + DWT{n[n]}}<br />
c) Se calculează transformata “wavelet” inversă a semnalului z[n]:<br />
v[n] = DWT -1 {z[n]} = DWT -1 {F{DWT{u[n]} + DWT{n[n]}}}<br />
Semnalul v[n] reprezintă o estimare a semnalului u[n].<br />
3. Metoda “<strong>de</strong>-noising”<br />
Se face ipoteza că semnalul u[n] este un semnal aleator staţionar. În<br />
acest caz se poate <strong>de</strong>monstra că semnalul DWT{u[n]} este un semnal aleator<br />
staţionar care converge asimptotic spre un zgomot alb. Cu alte cuvinte<br />
acest semnal este aproape un zgomot alb (el ar fi un zgomot alb dacă<br />
numărul <strong>de</strong> iteraţii al transformării DWT ar fi infinit). În consecinţă<br />
rolul transformării DWT în cadrul meto<strong>de</strong>i <strong>de</strong> creştere a RSZ “<strong>de</strong>-noising”<br />
este “albirea” semnalului perturbator n[n]. Această “albire” este utilă<br />
<strong>de</strong>oarece se cunosc multe meto<strong>de</strong> <strong>de</strong> filtrare a <strong>semnalelor</strong> perturbate<br />
30
aditiv cu zgomot alb (în comparaţie cu meto<strong>de</strong>le <strong>de</strong> filtrare a<br />
<strong>semnalelor</strong> perturbate aditiv cu zgomot colorat).<br />
Pentru filtrarea în domeniul transformării DWT se foloseşte<br />
sistemul <strong>de</strong>scris <strong>de</strong> relaţia intrare-ieşire:<br />
[ ]<br />
zn<br />
{ [ ]} [ ]<br />
( − ) [ ]<br />
⎧<br />
⎪sgn yn yn p,<br />
yn ≥p<br />
= ⎨<br />
⎩⎪ 0<br />
, yn [ ] < p<br />
(1)<br />
un<strong>de</strong> p este un prag. Este vorba <strong>de</strong>spre un filtru neliniar. Dacă valoarea<br />
pragului p se alege proporţională cu puterea zgomotului alb DWT{n[n]},<br />
σ 2 , atunci filtrul <strong>de</strong>scris <strong>de</strong> relaţia (1) <strong>de</strong>vine un filtru neliniar<br />
adaptiv. Se poate <strong>de</strong>monstra că există o valoare optimă a pragului p,<br />
pentru fiecare semnal <strong>de</strong> intrare x[n], valoare care conduce la<br />
maximizarea raportului semnal pe zgomot al semnalului v[n]. Această<br />
valoare (<strong>de</strong> fapt factorul <strong>de</strong> proporţionalitate cu σ 2 ) este <strong>de</strong>terminată în<br />
lucrarea <strong>de</strong> faţă, prin încercări repetate. Se porneşte <strong>de</strong> la o valoare<br />
iniţială a lui p relativ mică, se calculează raportul semnal pe zgomot al<br />
lui v[n], se măreşte p, se calculează din nou raportul semnal pe zgomot<br />
al lui v[n] şi se continuă în acest mod până când pentru prima oară<br />
valoarea raportului semnal pe zgomot <strong>de</strong>vine inferioară valorii din<br />
iteraţia anterioară. Sunt consemnate ca şi valori finale ale algoritmului<br />
valorile obţinute în penultima etapă.<br />
4. Implementare<br />
Această metodă <strong>de</strong> îmbunătăţire a RSZ a fost implementată cu ajutorul<br />
unui program scris în C. Acesta are trei subrutine. Prima, numită<br />
sign.exe, generează semnale <strong>de</strong> tipul u[n], n[n] şi x[n]. Semnalele <strong>de</strong><br />
tipul u[n] se generează la comanda G şi pot fi <strong>de</strong> tipul: sinusoidal (S),<br />
dreptunghiular (D), modulat în frecvenţă (C), sinus cardinal (F), sau<br />
Gaussian (G). Semnalele <strong>de</strong> tipul n[n] se generează la comanda Z şi pot fi<br />
<strong>de</strong> tipul: zgomot uniform (U), zgomot alb (G), zgomot în impulsuri (I) şi<br />
zgomot în salve <strong>de</strong> impulsuri (S). Semnalele <strong>de</strong> tipul x[n] se generează la<br />
comanda (S). Trebuie specificat numele fişierului în care se face<br />
salvarea (<strong>de</strong> exemplu: sins.dat). În continuare vizualizarea semnalului<br />
x[n] obţinut astfel se poate face cu subrutina Graph.exe. Sintaxa pentru<br />
comanda execuţiei acestei subrutine este Graph.exe nume.fişier (<strong>de</strong><br />
exemplu Graph.exe sins.dat). Creşterea RSZ a semnalului x[n] se<br />
realizează cu subrutina Denoise4.exe. Sintaxa comenzii <strong>de</strong> execuţie a<br />
acestei subrutine este Denoise4.exe nume.fişier (<strong>de</strong> exemplu Denoise4.exe<br />
sins.dat).<br />
Tipul undişoarei mamă folosite la calculul DWT se specifică cu N.<br />
Pragul p se fixează ca şi răspuns la comanda ”Introduceţi dispersia<br />
zgomotului”. Această subrutină produce două fişiere, primul făcând o<br />
prezentare calitativă a procesului <strong>de</strong> creştere a RSZ (<strong>de</strong> exemplu fişierul<br />
rez.dat) şi cel <strong>de</strong>-al doilea conţinând rezultatul estimării (<strong>de</strong> exemplu<br />
dsins.dat). Cel <strong>de</strong>-al doilea fişier poate fi vizualizat cu ajutorul<br />
subrutinei Graph.exe.<br />
5. Desfăşurarea lucrării.<br />
5.1. Se generează toate tipurile posibile <strong>de</strong> semnale x[n].<br />
31
5.2 . Se reprezintă grafic fiecare semnal generat.<br />
5.3. Se rulează subrutina Denoise4.exe pentru fiecare din semnalele<br />
astfel obţinute. Valoarea pragului p va fi egală cu 4 × "amplitudinea<br />
zgomotului".<br />
5.4. Se reprezintă grafic rezultatele obţinute, specificându-se în<br />
fiecare caz valoarea îmbunătăţirii RSZ obţinută.<br />
5.5. Să se <strong>de</strong>termine valoarea obţinută a lui N 0 (valoarea lui N pentru<br />
care se obţine valoarea maximă a raportului semnal pe zgomot la<br />
ieşire) pentru cazul:<br />
u[n]→D ; x[n]→S<br />
Amplit: 10 5<br />
6. Întrebări.<br />
6.1. Prin ce diferă metoda “<strong>de</strong>-noising” <strong>de</strong>scrisă în această lucrare <strong>de</strong><br />
metoda <strong>de</strong> compresie cu undişoare <strong>de</strong>scrisă într-o lucrare anterioară <br />
6.2. Ce este specific din punct <strong>de</strong> ve<strong>de</strong>re al întârzierii semnalului util<br />
la metoda <strong>de</strong> creştere a RSZ <strong>de</strong>scrisă în această lucrare <br />
32
LUCRAREA NR 5<br />
1.Scopul lucrării.<br />
STUDIUL ALGORITMULUI LMS<br />
Se experimentează un filtru numeric adaptiv bazat pe<br />
utilizarea algoritmului LMS, urmărindu-se influenţa parametrilor<br />
algoritmului asupra funcţionării filtrului.<br />
2. Bazele filtrării adaptive<br />
Mo<strong>de</strong>lul unui sistem adaptiv este prezentat în figura 1.<br />
d[ n]<br />
x[ n]<br />
Filtru adaptiv<br />
y[ n]<br />
--<br />
ε[ n]<br />
Figura 1. Schema bloc a unui filtru adaptiv.<br />
Semnalul <strong>de</strong> intrare x [ n]<br />
este prelucrat în aşa fel încât<br />
semnalul <strong>de</strong> ieşire y [ n]<br />
să semene cât mai mult cu semnalul mo<strong>de</strong>l<br />
(<strong>de</strong> referinţă) d [ n]<br />
. Deosebirea dintre semnalele d [ n]<br />
şi y [ n]<br />
este<br />
apreciată pe baza erorii medii pătratice E ε<br />
2 [ n]<br />
. Cu E s-a notat<br />
{ }<br />
operatorul <strong>de</strong> mediere statistică. Minimizarea acestei erori este<br />
realizată prin modificarea coeficienţilor filtrului utilizat. Un<br />
exemplu clasic <strong>de</strong> utilizare a filtrării adaptive este în<br />
“albirea” <strong>semnalelor</strong> aleatoare. În acest caz semnalul [ n]<br />
semnal aleator staţionar iar semnalul <strong>de</strong> referinţă, d [ n]<br />
x este un<br />
, este un<br />
zgomot alb. Pe durata procesului <strong>de</strong> adaptare coeficienţii<br />
filtrului numeric se modifică după achiziţia fiecărui nou<br />
{ }<br />
eşantion al semnalului x [ n]<br />
în aşa fel încât E 2 [ n]<br />
ε să scadă tot<br />
mai mult spre o valoare minimă. Procesul <strong>de</strong> adaptare se încheie<br />
în momentul în care se atinge această valoare minimă. După acest<br />
moment, indiferent care ar fi noile valori ale eşantioanelor<br />
{ }<br />
semnalului x [ n]<br />
, valorile lui E 2 [ n]<br />
ε oscilează în jurul acestei<br />
valori minime. Un alt exemplu <strong>de</strong> aplicaţie a filtrelor adaptive<br />
este acela când răspunsul dorit este cunoscut ca fiind răspunsul<br />
unui sistem care trebuie i<strong>de</strong>ntificat la o excitaţie cunoscută.<br />
33
I<strong>de</strong>ntificarea sistemului poate fi realizată prin <strong>de</strong>terminarea,<br />
la sfârşitul perioa<strong>de</strong>i <strong>de</strong> adaptare, a coeficienţilor filtrului<br />
adaptat la a cărui intrare este indusă aceeaşi excitaţie ca şi la<br />
intrarea sistemului necunoscut şi al cărui răspuns dorit este<br />
răspunsul sistemului necunoscut.<br />
Pentru a <strong>de</strong>scrie funcţionarea şi proprietăţile filtrelor<br />
adaptive se va presupune pentru început că toate semnalele din<br />
figura 1 sunt staţionare, că au funcţii <strong>de</strong> corelaţie finite şi că<br />
filtrul numeric este un sistem liniar şi invariant în timp, <strong>de</strong><br />
tipul cu răspuns finit la impuls. În continuare se vor utiliza<br />
intercorelaţiile <strong>semnalelor</strong> x [ n]<br />
şi d [ n]<br />
, [ n]<br />
d [ n]<br />
şi y [ n]<br />
, r dy [ n]<br />
şi autocorelaţiile <strong>semnalelor</strong> x [ n]<br />
, r xx [ n]<br />
, [ n]<br />
r yy [ n]<br />
şi d [ n]<br />
, [ n]<br />
, <strong>de</strong>finite după cum urmează:<br />
r<br />
r dd<br />
r dx şi ale <strong>semnalelor</strong><br />
[ n] = E{ d[ k] x[ k + n]<br />
};<br />
rdy<br />
[ n] = E{ d[ k] y[ k + n]<br />
};<br />
rxx<br />
[ n] = E x[ k] x[ k n]<br />
r [ n] = E{ y[ k] y[ k + n]<br />
};<br />
r [ n] = E{ d[ k] d[ k n]<br />
}<br />
{ };<br />
dx +<br />
yy dd<br />
+<br />
y ,<br />
O proprietate a intercorelaţiei <strong>semnalelor</strong> aleatoare, utilă în<br />
continuare, este:<br />
r<br />
αβ<br />
[ n] r [ − n]<br />
= βα<br />
Deci autocorelaţia este funcţie pară.<br />
Coeficienţii filtrului numeric (eşantioanele răspunsului său la<br />
w n .Valoarea erorii medii pătratice este:<br />
impuls) se notează cu [ ]<br />
2 2<br />
2<br />
{ } = E{ d [ k]<br />
} + E{ y [ k]<br />
} − 2E d[ k] y[ k]<br />
2<br />
{ [ k]<br />
} = E ( d[ k] − y[ k]<br />
)<br />
{ }<br />
E ε (1)<br />
<strong>de</strong>oarece operatorul <strong>de</strong> mediere statistică este liniar. Relaţia<br />
(1) se mai scrie:<br />
E<br />
2<br />
{ ε [ k]<br />
} = r [] 0 + r [] 0 − 2r [] 0<br />
sau pe baza transformării z inverse:<br />
dd<br />
yy<br />
dy<br />
E<br />
2 ⎛ 1 ⎞<br />
{ ε [ k]<br />
} = ⎜ ⎟∫<br />
R dd ( z) + R yy ( z) − 2R dy ( z)<br />
⎜ ⎟<br />
⎝ 2πj<br />
⎠<br />
( )<br />
dz<br />
z<br />
(2)<br />
Consi<strong>de</strong>rând ca şi contur <strong>de</strong> integrare cercul unitate,<br />
transformatele z <strong>de</strong>vin transformate Fourier în timp discret,<br />
R dd ( Ω) , R yy ( Ω)<br />
şi R dy ( Ω)<br />
. Pentru aceste funcţii se pot folosi<br />
relaţii <strong>de</strong> tip Wiener-Hincin, putându-se scrie:<br />
adică:<br />
R<br />
yy<br />
2<br />
( Ω) = W( Ω) R ( Ω)<br />
xx<br />
34
2<br />
( z) W( z) z 1R<br />
xx ( z) z 1<br />
R yy z 1<br />
=<br />
=<br />
= = (3)<br />
Dar:<br />
2<br />
*<br />
( z) z 1<br />
W( z) W ( z) z 1<br />
W<br />
= =<br />
=<br />
şi:<br />
De aceea relaţia (3) <strong>de</strong>vine:<br />
Relaţia:<br />
−1<br />
( z) z 1<br />
W( z )<br />
z 1<br />
*<br />
W<br />
= =<br />
=<br />
−1<br />
( z) z 1<br />
W( z) W( z )<br />
z 1R<br />
xx ( z) z 1<br />
R yy<br />
=<br />
=<br />
se mai poate scrie şi sub forma:<br />
= = (4)<br />
R<br />
dy<br />
( Ω) = W( Ω) R ( Ω)<br />
dx<br />
( z) z 1<br />
W( z) z 1R<br />
dx ( z) z 1<br />
R dy<br />
=<br />
=<br />
= = (5)<br />
Substituind relaţiile (4) şi (5) în relaţia (2) se obţine:<br />
[ ] W( z)<br />
2<br />
⎛ 1 ⎞ −1<br />
{ ε [ k]<br />
} = rdd<br />
[] 0 + ⎜ ⎟ ∫ W( z ) R xx ( z) − 2R dx ( z)<br />
dz<br />
E ⎜ ⎟<br />
(6)<br />
⎝ 2πj⎠<br />
z<br />
z = 1<br />
relaţie care exprimă eroarea medie pătratică pe baza expresiei<br />
funcţiei <strong>de</strong> transfer a filtrului numeric cu funcţia <strong>de</strong> transfer<br />
W ( z)<br />
. Fiind vorba <strong>de</strong>spre un filtru cu răspuns finit la impuls se<br />
poate scrie:<br />
= L ∑ − 1<br />
i=<br />
0<br />
( z) w[]<br />
i<br />
−i<br />
W z<br />
(7)<br />
{ }<br />
{ E{ 2 } [] [] [ −1]<br />
}<br />
Conform relaţiei (6) se constată că E 2 [ k]<br />
spaţiul L + 1 dimensional ε [ k]<br />
, w 0 , w 1 ,..., w L<br />
ε este o suprafaţă în<br />
. Prin procesul <strong>de</strong><br />
adaptare se <strong>de</strong>termină acei coeficienţi [] i ,i = 0, L −1<br />
care<br />
{ }<br />
minimizează valoarea E ε<br />
2 [ k]<br />
w min<br />
. Deci prin adaptare se realizează o<br />
<strong>de</strong>plasare pe suprafaţa amintită mai sus, din punctul iniţial <strong>de</strong><br />
35
coordonate<br />
2<br />
[ k]<br />
coordonate E<br />
2<br />
[ k]<br />
, w<br />
{ E{ },<br />
w 0 [] 0 , w 0 [] 1 ,..., w 0 [ L −1]<br />
}<br />
{ { } [] 0 , w [] 1 ,..., w [ L −1]<br />
}<br />
ε în punctul final <strong>de</strong><br />
ε min min min .<br />
În prelucrarea adaptivă a <strong>semnalelor</strong> această sarcină (<strong>de</strong><br />
adaptare) este un proces continuu <strong>de</strong> modificare a coeficienţilor<br />
filtrului (<strong>de</strong>ci a lui W ( z)<br />
) în situaţia în care celelalte<br />
cantităţi din relaţia (6) sunt lent variabile. Substituind (7) în<br />
(6) şi efectuând calculele se obţine:<br />
L−1<br />
L−1<br />
L−1<br />
2<br />
{ ε [ k]<br />
} = rdd<br />
[ 0] + ∑∑w[] i w[ m] rxx<br />
[ i − m] − 2∑w[] i rxd<br />
[] i<br />
E (8)<br />
i=<br />
0 m=<br />
0<br />
Având în ve<strong>de</strong>re că în această relaţie coeficienţii filtrului<br />
adaptiv apar doar la puterile 1 şi 2 rezultă că suprafaţa <strong>de</strong><br />
eroare este una pătratică. Notând cu R matricea <strong>de</strong> autocorelaţie<br />
a semnalului <strong>de</strong> intrare:<br />
⎡ rxx<br />
⎢<br />
⎢<br />
rxx<br />
⎢ .<br />
R =<br />
⎢ .<br />
⎢<br />
⎢ .<br />
⎢⎣<br />
rxx<br />
şi folosind notaţiile:<br />
i=<br />
0<br />
[] 0 rxx<br />
[] 1 ... rxx<br />
[ L −1]<br />
[] 1 r [ 0] ... r [ L − 2]<br />
xx<br />
.<br />
.<br />
.<br />
[ ] [ ] [ ] ⎥ ⎥⎥⎥⎥⎥⎥ L −1<br />
rxx<br />
L − 2 ... rxx<br />
0 ⎦<br />
.<br />
.<br />
.<br />
xx<br />
.<br />
.<br />
.<br />
⎤<br />
⎡ rxd<br />
⎢<br />
⎢<br />
rxd<br />
⎢ .<br />
P =<br />
⎢ .<br />
⎢<br />
⎢ .<br />
⎢⎣<br />
rxd<br />
[] 0<br />
[] 1<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥⎦<br />
[ L −1]<br />
;<br />
W =<br />
⎡<br />
[]<br />
[]<br />
w 0<br />
⎤<br />
⎢<br />
⎢<br />
w 1<br />
⎢ .<br />
⎢ .<br />
⎢<br />
⎢ .<br />
⎢ [ ]⎥ ⎥⎥⎥⎥⎥⎥ ⎣w L −1<br />
⎦<br />
se obţine forma matricială a relaţiei (8):<br />
2<br />
T<br />
T<br />
{ [ k]<br />
} = r [] 0 + W RW − 2P W<br />
E ε (9)<br />
dd<br />
Fiind vorba <strong>de</strong>spre o suprafaţă pătratică pozitivă (eroarea medie<br />
pătratică nu poate fi negativă), e clar că ea are un minim.<br />
Pentru găsirea acestui punct este utilă cunoaşterea gradientului<br />
suprafeţei, în fiecare punct al acesteia. Vectorul gradient al<br />
suprafeţei <strong>de</strong> eroare se notează cu ∇ şi se <strong>de</strong>fineşte cu relaţia:<br />
36
⎡ ∂<br />
⎢<br />
⎢<br />
⎢ ∂<br />
⎢<br />
⎢<br />
∇ = ⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢∂<br />
⎢<br />
⎢⎣<br />
2<br />
( E( ε [ k]<br />
)<br />
∂w[]<br />
0<br />
2<br />
( E( ε [ k ]<br />
)<br />
∂w[]<br />
1<br />
.<br />
.<br />
.<br />
⎤<br />
2<br />
( E( ε [ k]<br />
)<br />
∂w[ L −1] ⎥ ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ ⎦<br />
Dar:<br />
( E )<br />
2<br />
{ ε [ k]<br />
}<br />
w[]<br />
l<br />
∂<br />
L<br />
= ∑ − 1<br />
2w l xx<br />
∂<br />
m=<br />
0<br />
m≠l<br />
[] r [ 0] + 2 w[ m] r [ l − m] − 2r [] l<br />
xx<br />
xd<br />
Ţinând seama <strong>de</strong> paritatea funcţiei <strong>de</strong> autocorelaţie, pe baza<br />
ultimelor două relaţii rezultă că vectorul gradient poate fi<br />
exprimat în forma:<br />
⎡<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
∇ = 2⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎣<br />
L−1<br />
∑<br />
m=<br />
0<br />
L−1<br />
∑<br />
∑<br />
m=<br />
0<br />
L−1<br />
m=<br />
0<br />
[ ] [ m]<br />
[ ] [ m −1]<br />
w m r<br />
[ ] [ m − ( L −1)<br />
]<br />
w m r<br />
w m r<br />
xx<br />
.<br />
.<br />
.<br />
xx<br />
xx<br />
⎤<br />
⎥<br />
⎥ ⎡ rxd<br />
[] 0 ⎤<br />
⎥ ⎢<br />
⎥ ⎢<br />
rxd<br />
[] 1<br />
⎥ ⎢ .<br />
⎥ − 2<br />
⎢<br />
⎥<br />
.<br />
⎢<br />
⎥ ⎢ .<br />
⎥ ⎢ [ ]⎥ ⎥⎥⎥⎥⎥⎥ ⎣rxd<br />
L −1<br />
⎥<br />
⎦<br />
⎥<br />
⎦<br />
sau ţinând seama <strong>de</strong> expresiile matricelor <strong>de</strong>finite anterior:<br />
∇ = 2RW<br />
− 2P<br />
Minimul <strong>de</strong> pe suprafaţa <strong>de</strong> eroare este atins în punctul în care<br />
gradientul se anulează. Se poate <strong>de</strong>ci scrie:<br />
2RWmin = 2P<br />
Admiţând că matricea <strong>de</strong> autocorelaţie a semnalului <strong>de</strong> intrare<br />
este inversabilă se poate obţine matricea coeficienţilor optimi<br />
ai filtrului adaptiv:<br />
W<br />
min<br />
−1<br />
= R P<br />
(10)<br />
37
Filtrul cu aceşti coeficienţi este numit filtru Wiener.<br />
Valoarea minimă a erorii medii pătratice este pe baza relaţiei<br />
(9):<br />
E<br />
2<br />
T<br />
T<br />
{ ε [ k]<br />
} = rdd<br />
[] 0 + Wmin<br />
RWmin<br />
− 2P Wmin<br />
min<br />
sau pe baza relaţiei (10):<br />
E<br />
2<br />
−1<br />
T<br />
T<br />
{ ε [ k]<br />
} = rdd<br />
[] 0 + ( R P) RWmin<br />
− 2P Wmin<br />
min<br />
(11)<br />
adică:<br />
E<br />
2<br />
T −1<br />
T<br />
T<br />
{ ε [ k]<br />
} = rdd<br />
[] 0 + P ( R ) RWmin<br />
− 2P Wmin<br />
min<br />
(12)<br />
Ţinând seama <strong>de</strong> simetria matricei <strong>de</strong> autocorelaţie, se poate<br />
<strong>de</strong>monstra că:<br />
şi <strong>de</strong>ci:<br />
−1<br />
T −1<br />
( R ) = R<br />
( R<br />
− 1 T 1<br />
) R = R<br />
− R = I<br />
un<strong>de</strong> cu I s-a notat matricea unitate. De aceea relaţia (11)<br />
<strong>de</strong>vine:<br />
E<br />
min<br />
2<br />
T<br />
{ [ k]<br />
} = rdd<br />
[] 0 − P Wmin<br />
ε (13)<br />
Această relaţie exprimă legătura dintre valoarea minimă a erorii<br />
medii pătratice şi vectorul coeficienţilor optimi ai filtrului<br />
adaptiv.<br />
Conform relaţiei (10), pentru <strong>de</strong>terminarea coeficienţilor<br />
filtrului optim este necesară cunoaşterea matricelor R şi P (care<br />
<strong>de</strong>pind doar <strong>de</strong> semnalele x [ n]<br />
şi d [ n]<br />
). În practică matricea R nu<br />
este <strong>de</strong> obicei cunoscută. De aceea <strong>de</strong> obicei această matrice se<br />
estimează. Pornind <strong>de</strong> la valoarea estimată a lui R şi <strong>de</strong> la o<br />
valoare iniţială a vectorului W se calculează o primă estimaţie a<br />
gradientului. Pe baza noului eşantion achiziţionat se face o nouă<br />
estimare a lui R. Pe baza relaţiei (10) se face o nouă estimare a<br />
lui W şi se calculează gradientul. În cazul în care noua valoare<br />
este mai apropiată <strong>de</strong> zero se consi<strong>de</strong>ră că estimarea lui W este<br />
în sensul corect şi se continuă în acelaşi fel. În caz contrar se<br />
estimează R în sens contrar şi se refac operaţiile enunţate mai<br />
sus.<br />
38
În acest mod se <strong>de</strong>rulează un algoritm <strong>de</strong> căutare a vectorului<br />
W .<br />
min<br />
3. Meto<strong>de</strong> <strong>de</strong> căutare a minimului erorii medii pătratice<br />
Meto<strong>de</strong>le <strong>de</strong> căutare ale minimului suprafeţei <strong>de</strong> eroare se<br />
bazează în general pe estimări locale ale gradientului erorii<br />
x n .<br />
făcute după achiziţia fiecărui nou eşantion din secvenţa [ ]<br />
Înmulţind la stânga cei doi membrii ai relaţiei (10) cu<br />
obţine:<br />
1 − 1<br />
R<br />
2<br />
se<br />
1 −1 − 1<br />
R<br />
2<br />
sau pe baza relaţiei (11):<br />
∇ = W − R P<br />
(14)<br />
1 −1<br />
W min = W − R ∇<br />
(15)<br />
2<br />
Relaţia (15) conduce la metoda <strong>de</strong> căutare a minimului <strong>de</strong> tip<br />
Newton.<br />
Notând cu W [ k]<br />
vectorul coeficienţilor filtrului la momentul<br />
k se obţine:<br />
un<strong>de</strong> [ k]<br />
−<br />
[ + 1] = W[ k] − µ R<br />
1 ∇[ k]<br />
W k<br />
(16)<br />
∇ reprezintă valoarea vectorului gradient la momentul k<br />
iar µ este un scalar care fixează viteza <strong>de</strong> convergenţă a<br />
vectorului W [ k]<br />
spre vectorul min<br />
W . Forma vectorului [ k]<br />
[] 0<br />
[] 1<br />
⎡ w k ⎤<br />
⎢<br />
⎢<br />
w k<br />
[ ]<br />
⎢ .<br />
W k =<br />
⎢ .<br />
⎢<br />
⎢ .<br />
⎢ [ ]⎥ ⎥⎥⎥⎥⎥⎥ ⎣w<br />
k L −1<br />
⎦<br />
La pasul k al algoritmului se calculează:<br />
[ k] = 2RW[ k] − 2P<br />
Substituind (17) în (16) se obţine:<br />
W este:<br />
∇ (17)<br />
−1<br />
[ + 1] = W[ k] − µ R ( 2RW[ k]<br />
− 2P)<br />
W k<br />
39
sau ţinând seama <strong>de</strong> relaţia (11) ultima relaţie se mai scrie:<br />
adică:<br />
Deci:<br />
[ k + 1] = ( 1 − 2µ<br />
) W[ k] + 2 Wmin<br />
W µ<br />
k+<br />
1<br />
[ + 1] = ( 1 − 2µ<br />
) W[] 0 + 2µ<br />
Wmin<br />
∑ ( 1 − 2µ<br />
)<br />
W k<br />
k<br />
[ ] Wmin<br />
k<br />
[ k] ( 1 − 2µ<br />
) W[] 0 + 1 − ( 1 − 2 )<br />
W = µ<br />
(18)<br />
Se constată că dacă este în<strong>de</strong>plinită condiţia:<br />
atunci şirul [ k]<br />
0 < 1 − 2µ<br />
< 1<br />
W converge la limita W min . Consi<strong>de</strong>rând că<br />
matricea <strong>de</strong> autocorelaţie este unitară relaţia (16) se poate<br />
scrie în forma:<br />
Făcând notaţia:<br />
W<br />
[ k 1] = W[ k] − µ ∇[ k]<br />
k<br />
l=<br />
0<br />
+ (19)<br />
[ ]<br />
X k<br />
=<br />
⎡<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢⎣<br />
x<br />
x<br />
x[ k]<br />
[ k −1]<br />
.<br />
.<br />
.<br />
⎤<br />
[ k − ( L −1)<br />
]⎥ ⎥⎥⎥⎥⎥⎥ ⎦<br />
ieşirea filtrului adaptiv poate fi exprimată şi matricial:<br />
y<br />
T<br />
[ k] W [ k] X[ k]<br />
= (20)<br />
În continuare se estimează eroarea medie pătratică prin valoarea<br />
sa instantanee:<br />
E<br />
2 2<br />
{ ε [ k]<br />
} ≅ ε [ k]<br />
Cu această aproximare gradientul la momentul k <strong>de</strong>vine:<br />
l<br />
40
[ k]<br />
∇<br />
≅<br />
⎡<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢.<br />
⎢<br />
⎢.<br />
⎢.<br />
⎢<br />
⎢<br />
⎢<br />
⎣<br />
∂<br />
2 2<br />
{ ε [ k]<br />
}<br />
2<br />
{ w k [] 0 }<br />
2 2<br />
{ ε [ k]<br />
}<br />
2<br />
{ w [] 1 }<br />
∂<br />
∂<br />
∂<br />
∂<br />
2 2<br />
∂ { ε [ k]<br />
}<br />
{ w [ L −1]<br />
}<br />
k<br />
k<br />
2<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
⎡<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
= 2⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢ε<br />
⎢⎣<br />
∂<br />
[ ]<br />
{ ε[ k]<br />
}<br />
ε k<br />
∂{ w k [] 0 }<br />
∂<br />
[ ]<br />
{ ε[ k]<br />
}<br />
ε k<br />
∂{ w [] 1 }<br />
[ k]<br />
.<br />
.<br />
.<br />
k<br />
{ ε[ k]<br />
}<br />
[ L −1]<br />
⎤<br />
∂<br />
∂{ w }⎥ ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥ k ⎦<br />
(21)<br />
Dar conform <strong>de</strong>finiţiei erorii:<br />
De aceea:<br />
∂{ ε[ ]}<br />
{ w [] l }<br />
şi relaţia (21) <strong>de</strong>vine:<br />
∂<br />
ε<br />
{ y[ k]<br />
}<br />
w [] l<br />
k ∂<br />
(20)<br />
k<br />
∇<br />
= −<br />
∂<br />
k<br />
[ k] ≅ −2ε[ k]<br />
[ k] = d[ k] − y[ k]<br />
⎡<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎣∂<br />
= − x<br />
∂{ y[ k]<br />
}<br />
{ w k [] 0 }<br />
∂{ y[ k]<br />
}<br />
{ w [] 1 }<br />
∂<br />
∂<br />
.<br />
.<br />
.<br />
∂{ y[ k]<br />
}<br />
{ w [ L −1]<br />
}<br />
k<br />
k<br />
[ k − l] ; l = 0, L −1<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
= −2ε<br />
[ k] X[ k]<br />
Înlocuind această estimare a gradientului în relaţia (20),<br />
aceasta <strong>de</strong>vine:<br />
[ k 1] = W[ k] + [ k] X[ k]<br />
W + µε<br />
(22)<br />
Această relaţie <strong>de</strong>scrie algoritmul <strong>de</strong> căutare a coeficienţilor<br />
optimi ai filtrului adaptiv <strong>de</strong> tip LMS.<br />
Convergenţa acestui algoritm este asigurată pentru:<br />
41
2µ<br />
0 <<br />
Lλ<br />
max<br />
< 1<br />
un<strong>de</strong> λ max reprezintă valoarea maximă a valorilor proprii ale<br />
matricei <strong>de</strong> autocorelaţie a semnalului <strong>de</strong> intrare, R.<br />
4. Desfăşurarea lucrării<br />
Obiectul acestei lucrări este un program scris în limbajul C<br />
pentru simularea unui filtru adaptiv LMS. Semnalul <strong>de</strong> intrare<br />
este un semnal sinusoidal perturbat aditiv <strong>de</strong> zgomot alb.<br />
Semnalul <strong>de</strong> referinţă este tot sinusoidal.<br />
4.1. Să se <strong>de</strong>termine histograma zgomotului alb şi să se<br />
reprezinte grafic. Care este valoarea medie a acestui semnal<br />
aleator Dar dispersia sa <br />
Componenta <strong>de</strong>terministă a semnalului <strong>de</strong> intrare poate fi un<br />
semnal sinusoidal pur sau un semnal <strong>de</strong> tip “chirp”. Semnalul<br />
sinusoidal este generat în fişierul XD. Parametrii săi sunt<br />
amplitudinea A şi frecvenţa F. Semnalul “chirp” este generat în<br />
fişierul SMF. În cele două fişiere componenta <strong>de</strong>terministă este<br />
însumată cu zgomotul alb generat anterior. Ceilalţi parametrii ai<br />
algoritmului sunt: I (mărime proporţională cu µ ), W (vectorul<br />
iniţial al coeficienţilor filtrului adaptiv), E (valoarea maximă<br />
admisibilă a erorii medii pătratice) şi L (numărul coeficienţilor<br />
filtrului adaptiv).<br />
4.2. Să se <strong>de</strong>termine îmbunătăţirea raportului semnal pe zgomot<br />
realizată <strong>de</strong> filtrul adaptiv pentru L = 10 , I = 0, 1, dacă<br />
componenta <strong>de</strong>terministă a semnalului <strong>de</strong> intrare este pur<br />
sinusoidală cu A = 1 şi F = 10000 .<br />
4.3. Să se reprezinte în acest caz variaţia erorii medii<br />
pătratice.<br />
4.4. Să se reprezinte grafic caracteristica <strong>de</strong> modul a<br />
răspunsului în frecvenţă al filtrului obţinut la punctul 4.3,<br />
W Ω .<br />
min<br />
( )<br />
4.5. Să se repete punctele 4.2., 4.3., şi 4.4 pentru un semnal <strong>de</strong><br />
intrare cu componentă <strong>de</strong>terministă <strong>de</strong> tip “chirp” cu F = 100 .<br />
4.6. Să se <strong>de</strong>termine <strong>de</strong>pen<strong>de</strong>nţa vitezei <strong>de</strong> învăţare a<br />
algoritmului LMS <strong>de</strong> parametrul I, pentru un semnal <strong>de</strong> intrare<br />
cu componenta <strong>de</strong>terministă <strong>de</strong> tip “chirp”, pentru L = 5.<br />
4.7. Să se <strong>de</strong>termine în condiţiile <strong>de</strong> la punctul 4.6. <strong>de</strong>pen<strong>de</strong>nţa<br />
vitezei <strong>de</strong> învăţare a algoritmului LMS <strong>de</strong> parametrul A.<br />
42
4.8. Să se reprezinte grafic diferenţele <strong>de</strong> la punctele 4.6 şi<br />
4.7.<br />
5. Întrebări<br />
5.1. Deduceţi relaţia (8) pe baza relaţiei (7).<br />
5.2. Demonstraţi că inversa matricei <strong>de</strong> autocorelaţie a<br />
semnalului <strong>de</strong> intrare este simetrică.<br />
5.3. Demonstraţi relaţia (18) pornind <strong>de</strong> la relaţia (16)<br />
efectuând calculele în <strong>de</strong>taliu.<br />
5.4. Demonstraţi că algoritmul LMS este convergent în ipotezele<br />
specificate.<br />
5.5. Desenaţi ordinograma unui program <strong>de</strong> implementare a<br />
algoritmului LMS.<br />
6. Bibliografie<br />
J.S. Lim, A.V. Oppenheim, “Advanced Topics in Signal Processing”,<br />
Prentice Hall, New Jersey, 1988.<br />
S. T. Alexan<strong>de</strong>r, “Adaptive Signal Processing. Theory and<br />
Applications”, Springer Verlag, New York, 1988.<br />
T. Bellanger, “Traitement numerique du signal. Theorie et<br />
pratique”, Masson, 1990.<br />
B.Widrow, S.D. Stearns, “Adaptive Signal Processing”, Prentice-<br />
Hall, New-Jersey, 1985.<br />
43
LUCRAREA NR 6<br />
MĂSURAREA FRECVENŢEI INSTANTANEE A SEMNALELOR<br />
MODULATE ÎN FRECVENŢĂ CU PURTĂTOR SINUSOIDAL<br />
1.Scopul lucrării.<br />
Se studiază un sistem <strong>de</strong> achiziţii <strong>de</strong> date <strong>de</strong> tipul ADA<br />
3100, utilizat în scopul realizării unui sistem numeric <strong>de</strong><br />
măsurare a frecvenţei instantanee a <strong>semnalelor</strong> modulate în<br />
frecvenţă cu purtător sinusoidal.<br />
2.Meto<strong>de</strong> <strong>de</strong> măsurare a frecvenţei instantanee<br />
Consi<strong>de</strong>rând semnalul () t<br />
asociat acestuia x a<br />
() t<br />
x , se <strong>de</strong>fineşte semnalul analitic<br />
, cu formula:<br />
x a t = x t + jH x t<br />
() () { ()}<br />
un<strong>de</strong> cu H { x()<br />
t } s-a notat transformata Hilbert a semnalului<br />
x () t . Această transformare este <strong>de</strong>finită astfel:<br />
H<br />
{ x()<br />
t } = x( t)<br />
⎧1<br />
⎛1⎞⎫<br />
∗ ⎨ VP⎜<br />
⎟⎬<br />
⎩π<br />
⎝ t ⎠⎭<br />
Cel <strong>de</strong> al doilea termen al produsului <strong>de</strong> convoluţie din<br />
membrul drept al relaţiei <strong>de</strong> mai sus reprezintă răspunsul la<br />
impuls al unui transformator Hilbert. Răspunsul în frecvenţă<br />
al acestui sistem este:<br />
H<br />
( ω) = −jsgn( ω)<br />
Legătura dintre transformatele Fourier ale <strong>semnalelor</strong> () t<br />
H { x()<br />
t } este:<br />
F<br />
{ H{ x()<br />
t<br />
} = −jsgn( ω) F{ x( t)<br />
}<br />
x şi<br />
De aceea legătura dintre transformatele Fourier ale<br />
<strong>semnalelor</strong> x () t şi x a () t este:<br />
F<br />
{ x () t }<br />
a<br />
⎧2F<br />
= ⎨<br />
⎩0,<br />
{ x()<br />
t },<br />
ω ≥ 0<br />
ω < 0<br />
44
Se numeşte anvelopa semnalului x () t , funcţia x a<br />
() t .<br />
Se numeşte fază instantanee a semnalului () t<br />
arg{ x a<br />
() t }.<br />
x funcţia<br />
Se numeşte frecvenţă instantanee a semnalului x () t funcţia:<br />
⎛ 1 ⎞ d<br />
f i<br />
() t = ⎜ ⎟ { arg( x a<br />
() t )}<br />
(1)<br />
⎝ 2π<br />
⎠ dt<br />
Eşantionând cu pas unitar semnalul analitic asociat<br />
semnalului x () t se obţine secvenţa complexă x a<br />
[ n]<br />
. Folosind<br />
notaţia:<br />
ϕ<br />
[ n] = arg{ x [ n]<br />
}<br />
se poate scrie formula în timp discret corespunzătoare<br />
relaţiei (1):<br />
f ic<br />
[ n] [ ϕ[ n + 1] − ϕ[ n<br />
]<br />
a<br />
⎛ 1 ⎞<br />
= ⎜ ⎟<br />
(2)<br />
⎝ 4π<br />
⎠<br />
Pentru stabilirea acestei relaţii s-a aproximat <strong>de</strong>rivata din<br />
relaţia (1) cu o diferenţă finită centrată. De aceea<br />
estimatorul frecvenţei instantanee din relaţia (2) se<br />
numeşte estimator cu diferenţă centrată. Dacă s-ar fi<br />
utilizat o diferenţă finită înainte:<br />
sau una înapoi:<br />
∆<br />
f<br />
{ ϕ[ n]<br />
} = ϕ[ n + 1] − ϕ[ n]<br />
{ ϕ[ n]<br />
} = ϕ[ n] − ϕ[ n −1]<br />
∆ b<br />
s-ar fi obţinut estimatorii frecvenţei instantanee cu<br />
n<br />
f ib n :<br />
diferenţă înainte f if [ ] respectiv înapoi [ ]<br />
f if<br />
⎛ 1 ⎞<br />
= (3.1)<br />
⎝ 2π<br />
⎠<br />
[ n] ⎜ ⎟[ ϕ[ n + 1] − ϕ[ n<br />
]<br />
⎛ 1 ⎞<br />
f ib<br />
[ n] = ⎜ ⎟[ ϕ[ n] − ϕ[ n −1<br />
]<br />
(3.2)<br />
⎝ 2π<br />
⎠<br />
Se constatã cu uşurinţã cã:<br />
f<br />
ic<br />
[ n]<br />
[ n] + f [ n]<br />
f<br />
if ib<br />
= (4)<br />
2<br />
Relaţiile (2), (3) şi (4) reprezintã estimatori ai<br />
frecvenţei instantanee introduşi pe baza <strong>de</strong>finiţiei.<br />
45
Metoda <strong>de</strong> măsurare a frecvenţei instantanee <strong>de</strong>scrisă<br />
mai sus necesită eşantionarea semnalului x () t , obţinându-se<br />
secvenţa x [ n]<br />
, urmată <strong>de</strong> calculul transformatei Hilbert în<br />
timp discret şi obţinerea argumentului semnalului analitic<br />
asociat lui x [ n]<br />
, ϕ [ n]<br />
urmată <strong>de</strong> utilizarea uneia dintre<br />
formulele prezentate mai sus.<br />
Această metodă <strong>de</strong> estimare a frecvenţei instantanee<br />
necesită, pentru o precizie satisfăcătoare un raport semnal<br />
pe zgomot al lui x () t mare, dispersia estimării realizate<br />
este mare dar volumul <strong>de</strong> calcul necesar este mic [Boa.,<br />
Arn.’90]. Pentru scă<strong>de</strong>rea dispersiei estimatorului acesta<br />
poate fi filtrat numeric. Se obţine un nou estimator,<br />
netezit, pentru frecvenţa instantanee. Un exemplu este<br />
estimatorul lui Kay numit şi estimator cu diferenţă <strong>de</strong> fază<br />
pon<strong>de</strong>rată:<br />
⎛ 1<br />
N<br />
[ ] ∑ − 2<br />
⎞<br />
f iK n = ⎜ ⎟ w[ n − k] ( ϕ[ k + 1] − ϕ[ k]<br />
)<br />
(5)<br />
⎝ 2π<br />
⎠ k=<br />
0<br />
un<strong>de</strong>:<br />
⎛ 3 ⎞<br />
⎧ ⎡ ⎛ N ⎞⎤<br />
⎜ ⎟N<br />
⎪ ⎢n<br />
− ⎜ −1⎟⎥<br />
⎪<br />
[ ]<br />
⎝ 2 ⎠<br />
⎨ − ⎢ ⎝ 2<br />
w n = 1<br />
⎠⎥<br />
2<br />
N −1<br />
⎪ ⎢ N ⎥<br />
⎪ ⎢ ⎥<br />
⎩ ⎣ 2 ⎦<br />
Valoarea N trebuie aleasă în concordanţă cu viteza <strong>de</strong><br />
variaţie a frecvenţei instantanee a semnalului x () t .<br />
Pentru ca estimările realizate pe baza acestei meto<strong>de</strong> să<br />
aibă o dispersie acceptabilă e necesar ca semnalul x () t să<br />
aibă un raport semnal pe zgomot mare. Volumul <strong>de</strong> calcul<br />
cerut pentru aplicarea acestei meto<strong>de</strong> încă este acceptabil<br />
(nu este prea mare). O îmbunătăţire mai mare a<br />
performanţelor meto<strong>de</strong>i <strong>de</strong> estimare a frecvenţei instantanee<br />
bazată pe <strong>de</strong>finiţie, poate fi obţinută dacă estimatorul<br />
este filtrat adaptiv.<br />
Se consi<strong>de</strong>ră că între două treceri consecutive prin zero ale<br />
semnalului x () t se obţine un număr întreg <strong>de</strong> eşantioane ale<br />
acestui semnal, K, indiferent <strong>de</strong> frecvenţa sa instantanee.<br />
Este <strong>de</strong>ci vorba <strong>de</strong>spre o eşantionare adaptivă. Pe baza<br />
acestor eşantioane, folosind formula (3.1) se obţin<br />
estimările f if [ k] , k = 0, K −1<br />
. Media aritmetică a acestor<br />
estimări este:<br />
m<br />
1<br />
K 1<br />
= ( ϕ[ k + 1] − ϕ[ k]<br />
)<br />
( 2πK)<br />
∑ −<br />
=<br />
k<br />
0<br />
=<br />
1<br />
2<br />
⎫<br />
⎪<br />
⎪<br />
⎬<br />
⎪<br />
⎪<br />
⎭<br />
( ϕ[ K] − ϕ[ 0]<br />
)<br />
( 2πK)<br />
46
Ţinând seama <strong>de</strong> faptul că diferenţa <strong>de</strong> fază între două<br />
momente succesive <strong>de</strong> trecere prin zero ale semnalului x()<br />
t<br />
este π şi că momentele corespunzătoare trecerilor prin zero<br />
sunt 0 şi K, se constată că:<br />
1<br />
m = (6)<br />
2K<br />
Dar numărul 2K este proporţional cu perioada instantanee a<br />
semnalului x () t .<br />
De aceea se poate afirma că estimarea frecvenţei<br />
instantanee, pe baza trecerilor prin zero, ale semnalului<br />
x () t este un estimator în timp discret ((6)) obţinut prin<br />
filtrarea adaptivă a estimatorului din relaţia (3). Filtrul<br />
adaptiv folosit are răspunsul la impuls:<br />
w tpz<br />
[ k]<br />
⎧ 1<br />
⎪ ,<br />
= ⎨K<br />
⎪⎩ 0,<br />
0 ≤ k ≤ K<br />
in rest<br />
Este vorba <strong>de</strong>spre un filtru adaptiv, <strong>de</strong>oarece durata<br />
răspunsului la impuls, specificat mai sus, se modifică în<br />
timp, K luând valori diferite <strong>de</strong> la perioadă la perioadă a<br />
semnalului x () t .<br />
Pentru o micşorare suplimentară a dispersiei estimărilor<br />
folosind estimatorul <strong>de</strong>finit <strong>de</strong> relaţia (6), în locul<br />
valorii K se poate utiliza o valoare K med , obţinută prin<br />
medierea aritmetică a valorilor lui K obţinute pentru câteva<br />
perioa<strong>de</strong> succesive. Aceasta este metoda <strong>de</strong> estimare a<br />
frecvenţei instantanee propusă în lucrarea <strong>de</strong> faţă.<br />
3.O implementare a meto<strong>de</strong>i <strong>de</strong> măsurare propusă<br />
Aparatul <strong>de</strong> măsurare <strong>de</strong>scris în continuare se numeşte<br />
analizor în domeniul modulaţiei (iar metoda <strong>de</strong> estimare<br />
propusă, măsurare continuă, [Wec.’89]).<br />
Schema bloc a aparatului <strong>de</strong> măsurare propus este prezentată<br />
în figura 1.<br />
x()<br />
t<br />
Bloc <strong>de</strong> intrare<br />
8<br />
Sistem <strong>de</strong><br />
achizi•ii<br />
<strong>de</strong> date<br />
Calculator PC<br />
Figura 1. Schema bloc a unui sistem <strong>de</strong> analizã în domeniul modulaţiei<br />
realizat cu un calculator.<br />
47
Sistemul <strong>de</strong> achiziţii <strong>de</strong> date este <strong>de</strong>scris în [Ada.’91].<br />
Rolul sistemului <strong>de</strong> intrare este <strong>de</strong> a transforma semnalul<br />
x () t într-un semnal logic ale cărui fronturi marchează<br />
trecerile prin zero ale lui x () t . Rolul sistemului <strong>de</strong><br />
achiziţii <strong>de</strong> date este <strong>de</strong> a mãsura duratele unor “segmente”<br />
ale semnalului logic amintit mai sus şi <strong>de</strong> a încãrca aceste<br />
valori în memoria calculatorului. Toate operaţiile pe care<br />
le execută aparatul sunt controlate <strong>de</strong> un soft specializat.<br />
Pe baza acestuia sunt iniţializate blocul <strong>de</strong> intrare şi<br />
sistemul <strong>de</strong> achiziţii <strong>de</strong> date, are loc un dialog al<br />
calculatorului cu aceste subsisteme sunt realizate calculele<br />
<strong>de</strong> estimare şi este afişat rezultatul.<br />
Sistemul <strong>de</strong> achiziţii <strong>de</strong> date este compus dintr-un canal <strong>de</strong><br />
intrare a minimum opt semnale analogice, din două canale <strong>de</strong><br />
ieşire analogică, dintr-un canal <strong>de</strong> intrare numeric cu opt<br />
linii <strong>de</strong> date, dintr-un generator <strong>de</strong> tact programabil, bazat<br />
pe utilizarea unui oscilator cu cuarţ, cu frecvenţa <strong>de</strong> 5 MHz<br />
şi dintr-un bloc <strong>de</strong> numărare-temporizare programabil.<br />
Sistemul <strong>de</strong> achiziţii <strong>de</strong> date se poate cupla direct pe<br />
magistrala <strong>de</strong> date şi pe magistrala <strong>de</strong> adrese ale<br />
calculatorului. Canalul <strong>de</strong> intrări analogice este compus<br />
dintr-un multiplexor cu 8 intrări, dintr-un amplificator cu<br />
câştig programabil, dintr-un convertor analog-numeric pe 12<br />
biţi, şi dintr-o memorie FIFO. Canalele <strong>de</strong> ieşire analogică<br />
leagă magistrala <strong>de</strong> date a calculatorului prin intermediul a<br />
două convertoare numeric-analogice pe 12 biţi pe liniile <strong>de</strong><br />
ieşire analogică AOUT1 şi AOUT2. Cel mai important bloc al<br />
sistemului <strong>de</strong> achiziţii <strong>de</strong> date din punct <strong>de</strong> ve<strong>de</strong>re al<br />
analizorului în domeniul modulaţiei este subsistemul <strong>de</strong><br />
numărare-temporizare. Acesta este compus din două<br />
numărătoare programabile TC1 şi TC2 <strong>de</strong> tipul 8254, fiecare<br />
alcătuit din trei numărătoare pe 16 biţi cu frecvenţa maximă<br />
<strong>de</strong> tact <strong>de</strong> 8 MHz. Utilizând cuvinte <strong>de</strong> comandă potrivite,<br />
numărătoarele din structura blocurilor TC1 şi TC2 pot fi<br />
programate în binar sau în cod complementar faţă <strong>de</strong> 2. O<br />
prezentare <strong>de</strong>taliată a numărătorului programabil 82C54 este<br />
făcută în [Nec.’81]. Blocul <strong>de</strong> intrare este alcătuit dintrun<br />
formator <strong>de</strong> semnal logic, dintr-un circuit logic<br />
combinaţional şi dintr-un formator <strong>de</strong> impulsuri <strong>de</strong><br />
întrerupere (a activităţii microprocesorului<br />
calculatorului). Formatorul <strong>de</strong> semnal logic generează pe<br />
baza semnalului x () t un semnal TTL a cărui durată este egală<br />
cu perioada semnalului <strong>de</strong> analizat. “Perioada” acestui<br />
semnal logic este egală cu suma a două perioa<strong>de</strong> consecutive<br />
ale semnalului <strong>de</strong> analizat. Funcţionarea formatorului <strong>de</strong><br />
semnal logic poate fi înţeleasă pe baza formelor <strong>de</strong> undă din<br />
figura 2.<br />
48
x()<br />
t<br />
t 0<br />
t 1<br />
t 2<br />
t 3<br />
t<br />
u 1<br />
() t<br />
() t<br />
T<br />
T<br />
u 2<br />
()<br />
u 3 t<br />
u 4 () t<br />
u 5 () t<br />
Figura 2. Formele <strong>de</strong> undă care <strong>de</strong>scriu funcţionarea formatorului <strong>de</strong><br />
impulsuri.<br />
Se constată faptul că durata semnalului () t<br />
u 5 este egală cu<br />
perioada instantanee a semnalului x () t .<br />
Circuitul combinaţional permite calculatorului să facă<br />
programarea blocului <strong>de</strong> intrare folosind liniile <strong>de</strong> date ale<br />
sistemului <strong>de</strong> achiziţii <strong>de</strong> date. Rolul circuitului <strong>de</strong><br />
întreruperi este <strong>de</strong> a genera semnalul <strong>de</strong> întreruperi, din 4<br />
în 4 perioa<strong>de</strong> instantanee ale semnalului x () t . Intervalul <strong>de</strong><br />
timp între două cereri <strong>de</strong> întrerupere consecutive este<br />
măsurat prin contorizare pe durata sa în blocul <strong>de</strong> număraretemporizare<br />
din structura sistemului <strong>de</strong> achiziţii <strong>de</strong> date a<br />
numărului <strong>de</strong> perioa<strong>de</strong> ale semnalului <strong>de</strong> tact. Programul care<br />
49
conduce funcţionarea aparatului este <strong>de</strong>scris în [Asz.’92].<br />
Acesta este realizat în limbajul C. El are 5 funcţii <strong>de</strong><br />
bază:<br />
- funcţia <strong>de</strong> instalare - INSTALL,<br />
- funcţia <strong>de</strong> achiziţie - ACHIZITIE,<br />
- funcţia <strong>de</strong> <strong>de</strong>zactivare hardware - UNINSTALL,<br />
- funcţia <strong>de</strong> calcul - CALC,<br />
- funcţia <strong>de</strong> afişare - AFIS.<br />
Ordinograma programului principal este prezentată în figura<br />
3.<br />
START<br />
INSTALL<br />
ACHIZ<br />
UNINSTALL<br />
CALC<br />
AFIS<br />
STOP<br />
4.Desfăşurarea lucrării<br />
Figura 3. Ordinograma programului principal.<br />
4.1. Se i<strong>de</strong>ntifică pe schema sistemului <strong>de</strong> achiziţii <strong>de</strong> date<br />
blocurile sale funcţionale insistându-se asupra celor<br />
amintite în <strong>de</strong>scrierea <strong>de</strong> mai sus.<br />
4.2. Se testează blocul <strong>de</strong> achiziţii <strong>de</strong> date.<br />
4.3. Se studiază manualele <strong>de</strong> utilizare ale softului <strong>de</strong>dicat<br />
plăcii <strong>de</strong> achiziţii <strong>de</strong> date care se utilizează. Este<br />
vorba <strong>de</strong>spre programele Atlantis şi Pegasus.<br />
50
4.4. Se i<strong>de</strong>ntifică funcţiile <strong>de</strong> bază <strong>de</strong>scrise mai sus în<br />
listingul programului <strong>de</strong>stinat analizei în domeniul<br />
modulaţiei.<br />
4.5. Se generează 5 forme <strong>de</strong> undă distincte, se vizualizează<br />
şi se reprezintă grafic. Trei dintre acestea vor fi<br />
semnale modulate în frecvenţă.<br />
4.6. Se măsoară frecvenţa instantanee a celor trei semnale<br />
modulate în frecvenţă generate anterior. Se reprezintă<br />
grafic <strong>de</strong>pen<strong>de</strong>nţele <strong>de</strong> timp obţinute.<br />
5.Întrebări<br />
5.1. Desenaţi schema unui sistem a cărui funcţionare să fie<br />
caracterizată <strong>de</strong> formele <strong>de</strong> undă din figura 2.<br />
5.2. De ce s-a specificat în titlu că este vorba <strong>de</strong>spre<br />
semnale modulate în frecvenţă cu purtător sinusoidal <br />
5.3. Daţi câteva exemple <strong>de</strong> semnale pentru care metoda <strong>de</strong><br />
măsurare a frecvenţei instantanee propusă conduce la<br />
erori semnificative.<br />
5.4. Care sunt parametrii sistemului <strong>de</strong> măsurare <strong>de</strong>scris<br />
care limitează valoarea maximă a frecvenţei instantanee care<br />
poate fi măsurată cu acesta <br />
6. Bibliografie<br />
[Boa., Arn.’90] B. Boashash, P. O'Shea, M. J. Arnold.<br />
Algorithms for instantaneous frequency<br />
estimation: A comparative study, Proceedings<br />
of SPIE, july 1990, California.<br />
[Wec.’89] M. Wechsler. Caracterization of Time Varying<br />
Frequency Behaviour using Continuous Measurement<br />
Technology. Hewlett Packard Journal, February<br />
1989.<br />
[Ada.’91] *** ADA 3100/ADA 3100A, User’s Manual, Real Time<br />
Devices Inc., USA, 1991.<br />
[Nec.’81] ***, Catalog NEC, 1981.<br />
[Asz.’92] Asztalos T. Analizor în domeniul modulaţiei<br />
realizat cu ajutorul unui calculator PC-AT-<br />
286, proiect <strong>de</strong> diplomă, UPT, 1992.<br />
51
LUCRAREA NR 7<br />
MĂSURAREA FRECVENŢEI INSTANTANEE A SEMNALELOR<br />
MODULATE ÎN FRECVENŢĂ CU PURTĂTOR SINUSOIDAL,<br />
PERTURBATE ADITIV DE ZGOMOT, FOLOSIND FILTRAREA<br />
ADAPTIVĂ<br />
1.Scopul lucrării.<br />
Se studiază utilizarea filtrării adaptive la estimarea frecvenţei instantanee a<br />
<strong>semnalelor</strong> modulate în frecvenţă perturbate aditiv <strong>de</strong> zgomot. Metoda <strong>de</strong> estimare a<br />
frecvenţei instantanee prezentată în lucrarea 6 nu este robustă. Dacă semnalul modulat în<br />
frecvenţă, a cărui frecvenţă instantanee trebuie estimată, este perturbat aditiv <strong>de</strong> zgomot,<br />
atunci el are un număr mult mai mare <strong>de</strong> treceri prin zero (multe dintre ele apărând acolo<br />
un<strong>de</strong> semnalul <strong>de</strong>terminist nu are treceri prin zero) motiv pentru care estimarea frecvenţei<br />
instantanee pe baza trecerilor prin zero nu mai conduce la rezultate corecte. De aceea în<br />
această lucrare se propune o altă metodă <strong>de</strong> estimare a frecvenţei instantanee, mai<br />
robustă.<br />
2. Metoda <strong>de</strong> estimare a frecvenţei instantanee<br />
Semnalul modulat în frecvenţă, perturbat aditiv <strong>de</strong> zgomot, după eşantionare şi<br />
cuantizare, este filtrat cu un filtru numeric adaptiv, <strong>de</strong> tip opreşte bandă, cu urmărire.<br />
Frecvenţa centrală (<strong>de</strong> blocare) a acestui filtru urmăreşte variaţia în timp a frecvenţei<br />
instantanee a semnalului <strong>de</strong> prelucrat. Înregistrând forma <strong>de</strong> variaţie în timp a frecvenţei<br />
centrale a filtrului opreşte bandă se obţine estimata formei <strong>de</strong> variaţie în timp a frecvenţei<br />
instantanee a semnalului modulat în frecvenţă.<br />
3. Implementare<br />
În scopul simulării filtrării adaptive se utilizează mediul <strong>de</strong> programare MATLAB.<br />
Se utiliztează un program realizat la Institutul Naţional <strong>de</strong> Telecomunicaţii din Evry <strong>de</strong><br />
către profesorul Philip Regalia, autorul cărţii "Adaptive IIR Filtering in Signal Processing<br />
and Control", Marcel Dekker, New York, 1995.<br />
Semnalul <strong>de</strong> prelucrat este <strong>de</strong> forma:<br />
u(n) = ampl*cos(phi(n)) + b(n)<br />
un<strong>de</strong> "ampl" reprezintă amplitudinea semnalului modulat în frecvenţă, "phi(n)" faza<br />
acestui semnal la momentul n şi "b(n)" este zgomotul perturbator.<br />
În cazul <strong>de</strong> faţă zgomotul este alb iar raportul semnal pe zgomot al semnalului <strong>de</strong> analizat<br />
este egal cu 1 (0 dB). În programul care va fi utilizat în această lucrare pot fi generate<br />
patru legi <strong>de</strong> frecvenţă instantanee:<br />
52
1. Valoarea frecvenţei instantanee este modificată abrupt după câte 1000 <strong>de</strong> momente <strong>de</strong><br />
eşantionare. Filtrul adaptiv nu va şti când se va schimba valoarea frecvenţei instantanee şi<br />
nici următoarea valoare pe care o va lua aceasta.<br />
2. Valoarea frecvenţei instantanee se va modifica liniar. Filtrul cu urmărire va trebui să<br />
intercepteze această variaţie şi apoi să o urmărească.<br />
3.Legea <strong>de</strong> variaţie a frecvenţei instantanee în timp va fi parabolică. Filtrul cu urmărire<br />
va trebui să intercepteze această variaţie şi apoi să o urmărească.<br />
4. Frecvenţa instantanee se modifică cubic în timp. Filtrul adaptiv trebuie să intercepteze<br />
această lege şi apoi să o urmărească.<br />
Pentru a alege unul dintre aceste 4 tipuri <strong>de</strong> semnal <strong>de</strong> intrare trebuie aleasă una dintre<br />
valorile 1,2,3,4. Dacă nu se specifică nici o valoare atunci este ales automat cel <strong>de</strong> al<br />
patrulea semnal.<br />
Programul permite compararea efectului aplicării a două structuri <strong>de</strong> filtre adaptive <strong>de</strong><br />
tip opreşte bandă: laticială şi transversală. În ambele cazuri valoarea iniţială a frecvenţei<br />
centrale a filtrului opreşte bandă este aleasă <strong>de</strong> 0,25 Hz. În ambele cazuri estimarea se<br />
încheie după 4000 <strong>de</strong> iteraţii.<br />
Rezultatele celor două tipuri <strong>de</strong> estimări (fiecare corespunzând unei structuri <strong>de</strong> filtru)<br />
sunt prezentate în două figuri, fiind posibilă compararea celor două meto<strong>de</strong> <strong>de</strong> estimare.<br />
Se constată că la frecvenţe medii dispersiile celor două estimări sunt comparabile, dar că<br />
la frecvenţe joase şi înalte metoda bazată pe structura laticialî este superioară meto<strong>de</strong>i<br />
bazate pe structura transversală. Explicaţia acestui fenomen este că amplificarea filtrului<br />
opreşte bandă implementat în structură transversală se modifică odată cu modificarea<br />
frecvenţei sale centrale ceea ce nu se petrece în cazul structurii laticiale.<br />
4. Desfăşurarea lucrării<br />
Din Windows Comman<strong>de</strong>r se selectează directorul notch-<strong>de</strong>mo.m. Se citeşte cu F4.<br />
Se selectează textul (Edit, Select All) şi se copiază (Edit, Copy). Se <strong>de</strong>schi<strong>de</strong> MATLABul.<br />
Se copiază textul selectat anterior în fereastra <strong>de</strong> lucru a MATLAB-ului (Edit, Paste).<br />
Se rulează acest program (Enter). Se urmăresc indicaţiile din fereastra <strong>de</strong> lucru a<br />
MATLAB-ului. Se salvează în directorul USERS (personal) rezultatele obţinute.<br />
Programul se va rula pentru fiecare dintre cele 4 semnale <strong>de</strong> intrare posibile. Se vor<br />
comenta rezultatele obţinute.<br />
53
LUCRAREA NR 8<br />
TEHNICI DE BALIZARE UTILIZÂND TRANSFORMAREA “WAVELET”<br />
1.Scopul lucrării.<br />
Balizarea este o tehnică <strong>de</strong> autentificare a imaginilor. Prin<br />
inserarea unei balize invizibile într-o imagine, înainte ca aceasta<br />
să fie difuzată şi prin extragerea balizei după recepţia acesteia la<br />
utilizator, poate fi autentificat dreptul <strong>de</strong> proprietate auspra<br />
imaginii respective al celui care a difuzat-o. În acest mod pot fi<br />
i<strong>de</strong>ntificaţi şi utilizatorii ilegali ai unei anumite imagini. Pentru<br />
realizarea balizării este necesar să se genereze o baliză<br />
invizibilă, să se insereze această baliză în imaginea care trebuie<br />
difuzată şi să se poată extrage din imaginea recepţionată <strong>de</strong><br />
utilizator. În cazul în care un utilizator ilegal utilizează<br />
imaginea respectivă, pentru ca aceasta să nu poată fi autentificată,<br />
ar fi necesar ca baliza conţinută în aceasta să fie în<strong>de</strong>părtată. O<br />
balizare <strong>de</strong> calitate trebuie <strong>de</strong>ci să fie rezistentă la atacurile<br />
unor utilizatori ilegali. În lucrarea <strong>de</strong> faţă se studiază o metodă<br />
<strong>de</strong> balizare adaptivă (baliza generată este <strong>de</strong>pen<strong>de</strong>ntă <strong>de</strong> imaginea <strong>de</strong><br />
difuzat).<br />
2. O metodă <strong>de</strong> balizare<br />
O modalitate <strong>de</strong> a insera o baliză într-o imagine are la bază<br />
utilizarea transformării imaginii. Cea mai <strong>de</strong>s folosită transformare<br />
este DCT (transformarea cosinus discretă).<br />
Necesitatea <strong>de</strong> a face invizibilă baliza face dificil procesul<br />
<strong>de</strong> balizare, rezultând proceduri complicate <strong>de</strong> prelucrare a<br />
imaginii. Din acest motiv, inserarea balizei în domeniul<br />
transformatei DCT trebuie să respecte unele condiţii perceptule,<br />
impuse <strong>de</strong> regulă sistemului ce realizează cuantizarea în domeniul<br />
DCT.<br />
Utilizarea transformării “wavelet” discretă (DWT) în procesul<br />
<strong>de</strong> balizare a imaginilor aduce unele avantaje faţă <strong>de</strong> transformarea<br />
DCT. Astfel, transformarea DWT a unei imagini este tot o imagine cu<br />
aceleaşi dimensiuni cu cele ale imaginii originale, dar care constă<br />
din două zone importante:<br />
• zona <strong>de</strong> aproximare numită şi rezumat, <strong>de</strong> dimensiuni mai reduse în<br />
raport cu imaginea originală;<br />
• zona cu <strong>de</strong>talii care constă într-un set <strong>de</strong> imagini <strong>de</strong> dimensiuni<br />
reduse ce conţin <strong>de</strong>taliile imaginii originale.<br />
Rezultă <strong>de</strong>ci că transformarea DWT oferă acces direct asupra<br />
<strong>de</strong>taliilor unei imagini. Acest lucru permite utilizarea unei<br />
proceduri simple şi rapi<strong>de</strong> <strong>de</strong> inserare a balizei în imagine prin<br />
modificarea <strong>de</strong>taliilor imaginii, păstrând în acelaşi timp<br />
transparenţa perceptuală a balizării. Din tehnicile <strong>de</strong> balizare ce<br />
utilizează transformarea DWT sunt superioare celor ce utilizează<br />
transformarea DCT.<br />
Aşa cum s-a arătat anterior, o tehnică simplă <strong>de</strong> balizare constă<br />
în modificarea <strong>de</strong>taliilor unei imagini, echivalentă cu o modulare în<br />
54
amplitudine a coeficienţilor transformării DWT corespunzători.<br />
În cele ce urmează se va prezenta un mod <strong>de</strong> implementare în Matlab a<br />
acestei meto<strong>de</strong> <strong>de</strong> balizare, beneficiind <strong>de</strong> suportul oferit <strong>de</strong><br />
pachetul Wavelab în domeniul transformării DWT.<br />
3.1. Algoritmul <strong>de</strong> inserare a balizei in imagine<br />
Balizarea imaginii se realizează conform schemei bloc din<br />
figura 1.<br />
K<br />
O.I.<br />
D.W.T.<br />
T.I<br />
Separare<br />
<strong>de</strong>talii<br />
D.I.<br />
N.D.I<br />
Asamblor<br />
N.T.I.<br />
A.I.<br />
Separare<br />
rezumat<br />
-<br />
I.D.W.T.<br />
W.I<br />
W.a<br />
şi constă din următoarele etape:<br />
Figura 1. Schema <strong>de</strong> balizare.<br />
• calculul transformatei DWT a imaginii originale O.I., T. I.;<br />
• separarea <strong>de</strong>taliilor şi a rezumatului din cadrul T.I. (D.I. şi<br />
respectiv A.I.);<br />
• multiplicarea <strong>de</strong>taliilor cu constanta K (N.D.I.);<br />
• asamblarea imaginii balizate în domeniul transformatei DWT, din<br />
rezumat şi din <strong>de</strong>taliile multiplicate cu K (N.T.I.);<br />
• calculul transformării DWT inverse în ve<strong>de</strong>rea obţinerii imaginii<br />
balizate (W.I);<br />
• obţinerea balizei prin calculul diferenţei dintre imaginea<br />
originală şi imaginea balizată (W.a).<br />
În continuare se prezintă succint modul în care are loc separarea<br />
rezumatului <strong>de</strong> <strong>de</strong>talii pentru o imagine dată, precum şi reasamblarea<br />
lor după inserarea balizei. Aşa cum s-a arătat anterior<br />
transformarea DWT a unei imagini este compusă din două zone<br />
principale, ca în figura 2.<br />
55
A D1<br />
D2<br />
D3<br />
D 4<br />
D5<br />
D6<br />
Figura 2. Transformarea DWT a unei imagini.<br />
Zona <strong>de</strong>limitată <strong>de</strong> blocurile A, D 1 , D 2 şi D 3 reprezintă rezumatul<br />
imaginii rezultate în urma transformării DWT, în timp ce zona<br />
<strong>de</strong>limitată <strong>de</strong> blocurile D 4 , D 5 şi D 6 reprezintă <strong>de</strong>taliile. Numărul <strong>de</strong><br />
blocuri ce revine fiecărei zone în parte <strong>de</strong>pin<strong>de</strong> <strong>de</strong> numărul <strong>de</strong><br />
iteraţii din calculul transformării DWT. Mărimea blocurilor poate fi<br />
aleasă după dorinţă, singura cerinţă fiind ca ele să nu aparţină<br />
simultan celor două zone <strong>de</strong>finite anterior. După multiplicarea cu<br />
constanta K (aleasă în aşa fel încât să se asigure transparenţa<br />
perceptuală) a coeficienţilor DWT din blocurile D 4 , D 5 şi D 6 , se<br />
obţin blocurile D 4 ’, D 5 ’ şi D 6 ’ ce conţin <strong>de</strong>ja baliza. Asamblarea<br />
blocurilor noi obţinute se face ca în figura 3, pentru a putea<br />
obţine în urma transformării DWT inverse imaginea balizată.<br />
A D1<br />
D2<br />
D3<br />
D 4 '<br />
' D 5<br />
' D 6<br />
Figura 3. Asamblarea blocurilor <strong>de</strong> imagine după inserarea balizei.<br />
După cum s-a putut observa, această metodă <strong>de</strong> balizare este<br />
adaptivă, <strong>de</strong>oarece <strong>de</strong>pin<strong>de</strong> <strong>de</strong> conţinutul imaginii originale (sursă).<br />
În ce priveşte valoarea constantei K, este relativ uşor <strong>de</strong><br />
<strong>de</strong>terminat valoarea ei în aşa fel încât balizarea să fie<br />
imperceptibilă. Prin urmare nu este necesară utilizarea <strong>de</strong> tehnici<br />
suplimentare pentru a asigura transparenţa perceptuală.<br />
3.2. Algoritmul <strong>de</strong> extragere a balizei<br />
Extragerea balizei dintr-o imagine balizată utilizând<br />
algoritmul prezentat în paragraful 3.1. se face cu schema din figura<br />
4.<br />
56
1<br />
K<br />
WI r<br />
DWT<br />
TWI r<br />
Separare<br />
<strong>de</strong>talii<br />
DWI r<br />
ODI r<br />
w ar<br />
Separare<br />
rezumat<br />
AWI r<br />
Asamblor<br />
TI r<br />
IDWT<br />
OI r<br />
-<br />
Figura 4. Schema <strong>de</strong> extragere a balizei<br />
Paşii parcurşi pentru extragerea balizei sunt similari cu cei <strong>de</strong> la<br />
balizare:<br />
• calculul transformatei DWT a imaginii balizate;<br />
• separarea zonelor cu rezumat şi respectiv cu <strong>de</strong>talii ale<br />
imaginii;<br />
• înmulţirea <strong>de</strong>taliilor cu constanta 1/K;<br />
• reasamblarea zonelor cu rezumat şi a celor cu <strong>de</strong>talii rezultate<br />
după multiplicarea cu K;<br />
• calculul transformatei DWT inverse pentru obţinerea imaginii<br />
originale.<br />
• calculul balizei ca diferenţă dintre imaginea balizată<br />
recepţionată şi cea originală obţinută în urma extragerii<br />
balizei.<br />
În cazul în care imaginea balizată utilizată <strong>de</strong> algoritmul <strong>de</strong><br />
extracţie este i<strong>de</strong>ntică cu cea obţinută la balizare, balizele<br />
obţinute în procesul <strong>de</strong> inserare şi extracţie sunt i<strong>de</strong>ntice. Dacă<br />
apar erori <strong>de</strong> transmisie a imaginii balizate, sau prelucrări/atacuri<br />
asupra imaginii balizate, baliza extrasă nu va mai fi i<strong>de</strong>ntică cu<br />
baliza obţinută în cadrul procesului <strong>de</strong> inserare a balizei. Dacă<br />
algoritmul <strong>de</strong> balizare este robust, diferenţa dintre cele două<br />
balize trebuie să fie mică. Pentru a caracteriza gradul <strong>de</strong> asemănare<br />
a celor două balize în ve<strong>de</strong>rea i<strong>de</strong>ntificării, se <strong>de</strong>fineşte factorul<br />
<strong>de</strong> asemănare ca fiind factorul <strong>de</strong> corelaţie, cu relaţia:<br />
f<br />
c<br />
=<br />
∑∑<br />
m<br />
∑∑<br />
n<br />
w<br />
a<br />
[ m, n] ⋅ w [ m, n]<br />
2<br />
[ m, n] ⋅ ∑∑w<br />
ar [ m, n]<br />
2<br />
w a<br />
m n m n<br />
ar<br />
Valoarea factorului <strong>de</strong> corelaţie este unitară atunci când<br />
balizele <strong>de</strong> la inserare şi extracţie sunt i<strong>de</strong>ntice, şi sca<strong>de</strong> spre<br />
zero atunci când apar diferenţe. Ea serveşte ca măsură a robusteţii<br />
algoritmului <strong>de</strong> balizare la prelucrări şi atacuri asupra imaginii<br />
balizate. Totodată, valoarea sa poate fi folosită ca şi criteriu <strong>de</strong><br />
<strong>de</strong>cizie pentru a stabili dacă în imaginea analizată se află baliza<br />
57
căutată. Pentru aceasta este nevoie să se stabilească o<br />
valoare <strong>de</strong> prag (<strong>de</strong> ex. 0.7) peste care se <strong>de</strong>ci<strong>de</strong> că baliza extrasă<br />
este cea căutată, în caz contrar neputându-se face i<strong>de</strong>ntificarea<br />
certă.<br />
4. Desfăşurarea lucrării<br />
1.<br />
Din Windows Comman<strong>de</strong>r se selectează directorul compwater.m. Se<br />
citeşte cu F4. Se selectează textul (Edit, Select All) şi se copiază<br />
(Edit, Copy). Se <strong>de</strong>schi<strong>de</strong> MATLAB-ul. Se copiază textul selectat<br />
anterior în fereastra <strong>de</strong> lucru a MATLAB-ului (Edit, Paste). Se<br />
rulează acest program (Enter). Se salvează în directorul USERS<br />
(personal) rezultatele obţinute (cele 4 imagini: imaginea originală,<br />
imaginea transmisă, baliza generată la emisie şi baliza generată la<br />
recepţie).<br />
2.<br />
Se studiază programul Matlab utilizat, citind (cu F4) fişierul<br />
compwater.m şi i<strong>de</strong>ntificând principalele etape ale algoritmilor <strong>de</strong><br />
inserare, respectiv extragere a balizei.<br />
Se vor comenta rezultatele obţinute.<br />
3.<br />
Se repetă punctele anterioare pentru o altă valoare a lui k, <strong>de</strong><br />
exemplu 2. În acest scop se modifică linia 13 a programului<br />
compwater.m.<br />
4.<br />
Se repetă punctele anterioare pentru o altă imagine, <strong>de</strong><br />
exemplu: Lenna. În acest scop se modifică linia a doua a programului<br />
compwater.m, aceasta <strong>de</strong>venind:<br />
ingrid=readimage('Lenna').<br />
58
LUCRAREA NR 9<br />
ESTIMAREA FRECVENŢEI INSTANTANEE A SEMNALELOR<br />
NESTAŢIONARE PERTURBATE ADITIV DE ZGOMOT FOLOSIND<br />
REPREZENTĂRI TIMP-FRECVENŢĂ<br />
1.Scopul lucrării.<br />
Se face o introducere în teoria reprezentărilor timp-frecvenţă.<br />
Se prezintă o nouă metodă <strong>de</strong> estimare a frecvenţei instantanee<br />
folosind teoria reprezentărilor timp-frecvenţă.<br />
2. Conceptul <strong>de</strong> reprezentare timp-frecvenţă<br />
Unul dintre semnalele cel mai <strong>de</strong>s utilizate este semnalul<br />
sinusoidal. Acesta este <strong>de</strong>scris matematic <strong>de</strong> funcţia:<br />
x o (t) = Ao<br />
sin ω ot<br />
(1)<br />
parametrizată după constantele: A o - amplitudine şi ω o - pulsaţie.<br />
Pentru cunoaşterea acestui semnal este suficientă cunoaşterea<br />
legii sale <strong>de</strong> variaţie în timp (relaţia (1)) şi a parametrilor<br />
săi A o şi ω o . Este evi<strong>de</strong>nt vorba <strong>de</strong> un semnal staţionar. Un alt<br />
exemplu <strong>de</strong> semnal staţionar este impulsul <strong>de</strong>scris <strong>de</strong> relaţia :<br />
( (t) − σ(t<br />
− ) )<br />
x1(t)<br />
= A1<br />
σ τ<br />
(2)<br />
Parametrii acestui semnal sunt: amplitudinea sa A 1 , durata<br />
sa τ, precum şi momentul <strong>de</strong>clanşării, t o = 0.<br />
Pe baza celor două exemple se poate afirma că semnalele<br />
staţionare au parametrii constanţi. Această observaţie este<br />
valabilă şi pentru semnalele aleatoare staţionare, dacă<br />
consi<strong>de</strong>răm că în acest caz, parametrii semnalului sunt momentele<br />
sale statistice (media, dispersia, ...).<br />
De aceea se poate afirma că semnalele nestaţionare<br />
(<strong>de</strong>terministe) au parametrii variabili în timp. Astfel, dacă :<br />
sau:<br />
A<br />
o<br />
= cos10 ω t<br />
(3)<br />
o<br />
ω o<br />
= t (4)<br />
semnalul <strong>de</strong>scris <strong>de</strong> relaţia (1) va fi unul nestaţionar.<br />
În primă aproximaţie semnalul din relaţia (1) este util<br />
pentru <strong>de</strong>scrierea funcţionării unui oscilator, putând fi folosit<br />
59
pentru proiectarea acestui circuit. Dar variaţiile tensiunii <strong>de</strong><br />
alimentare a oscilatorului se reflectă asupra amplitudinii<br />
semnalului <strong>de</strong> la ieşirea sa, iar variaţiile <strong>de</strong> temperatură pot<br />
produce modificări ale frecvenţei <strong>de</strong> oscilaţie. De asemenea,<br />
relaţia (1) nu este a<strong>de</strong>cvată pentru <strong>de</strong>scrierea regimurilor <strong>de</strong><br />
pornire şi oprire ale oscilatorului. Iată <strong>de</strong> ce, la o analiză mai<br />
atentă, semnalul <strong>de</strong> la ieşirea unui oscilator trebuie consi<strong>de</strong>rat<br />
ca fiind nestaţionar.<br />
Şi în cazul <strong>semnalelor</strong> aleatoare, folosite pentru mo<strong>de</strong>larea<br />
unor fenomene reale (vibraţiile unor maşini unelte, zgomotul unui<br />
motor electric, ş.a.m.d.), ipoteza <strong>de</strong> staţionaritate trebuie<br />
evitată tot mai frecvent.<br />
Fenomenele nestaţionare pot fi clasificate în doua<br />
categorii: adaptive şi evolutive .<br />
În cazul fenomenelor nestaţionare adaptive,<br />
nestaţionaritatea este suficient <strong>de</strong> lentă pentru a se putea<br />
presupune, pentru intervale scurte <strong>de</strong> timp, că parametrii<br />
<strong>semnalelor</strong> sunt constanţi.<br />
Fenomenele nestaţionare evolutive necesită modalităţi <strong>de</strong><br />
<strong>de</strong>scriere globală a variaţiilor parametrilor lor. De aceea, în<br />
acest caz, aceste variaţii pot fi rapi<strong>de</strong>.<br />
Rezultă că pentru analiza <strong>semnalelor</strong> nestaţionare adaptive<br />
este necesară o prelucrare localizată în timp. De aceea în acest<br />
caz nu poate fi utilizată transformata Fourier.<br />
Deci a apărut necesitatea introducerii unor noi<br />
transformări. Reprezentările timp-frecvenţă sunt uneltele<br />
necesare pentru analiza <strong>semnalelor</strong> nestaţionare. Această analiză<br />
presupune i<strong>de</strong>ntificarea parametrilor acestor semnale. Pe lista<br />
acestor parametri trebuie incluşi: momentele <strong>de</strong> timp <strong>de</strong> începere<br />
şi terminare a semnalului, energia sau puterea semnalului,<br />
amplitudinea instantanee, frecvenţa instantanee, banda <strong>de</strong><br />
frecvenţă instantanee a semnalului, etc.<br />
Se reaminteşte <strong>de</strong>finiţia frecvenţei instantanee a unui<br />
semnal, [1]. Se consi<strong>de</strong>ră în acest scop semnalul real x(t) .<br />
Definiţia 1<br />
semnalul:<br />
Se numeşte transformată Hilbert a semnalului x(t),<br />
H<br />
⎧ 1 ⎫<br />
⎨ ⎬<br />
⎩πt<br />
⎭<br />
1<br />
πt<br />
+∞<br />
∫<br />
−∞<br />
x( τ)<br />
t − τ<br />
{ x(t) } = VP ∗ x(t) = dτ<br />
Definiţia 2 Se numeşte semnal analitic asociat semnalului<br />
x(t), semnalul:<br />
x a (t) = x(t) + j H{ x(t) }<br />
Definiţia 3<br />
Se numeşte anvelopă a semnalului x a<br />
(t) , semnalul:<br />
A(t) =<br />
x<br />
2<br />
(t) + H<br />
2<br />
{ x(t) }<br />
60
Definiţia 4<br />
semnalul:<br />
Se numeşte pulsaţie instantanee a semnalului x(t),<br />
d<br />
ω i (t) =<br />
a π<br />
dt<br />
{ arg { x (t)<br />
} = 2 f (t)<br />
În funcţie <strong>de</strong> aplicaţia avută în ve<strong>de</strong>re este importantă<br />
estimarea unuia sau mai multor parametri ai semnalului<br />
nestaţionar. În figura 1 este prezentată o reprezentare "timpfrecvenţă"<br />
i<strong>de</strong>ală a semnalului nestaţionar:<br />
i<br />
( (t) t)<br />
x(t) = A ocos<br />
ω o ; cu<br />
ω<br />
o<br />
(t) =<br />
[ )<br />
[ )<br />
[ )<br />
⎧2π<br />
f<br />
1, t ∈ t<br />
1, t<br />
2<br />
,<br />
⎪<br />
⎪2π<br />
f<br />
2, t ∈ t<br />
3, t<br />
4<br />
,<br />
⎨<br />
⎪2πf3, t ∈ t<br />
5,t6<br />
,<br />
⎪ 0 , in rest<br />
⎩<br />
Semnalul analitic asociat acestui semnal are forma:<br />
j ωo<br />
(t) t<br />
x a (t) = Ao<br />
⋅ e<br />
Frecvenţa instantanee a semnalului x(t) este:<br />
1<br />
fi<br />
(t) =<br />
2π<br />
d<br />
dt<br />
( ω (t) t)<br />
o<br />
⎧ f1,<br />
⎪ f2,<br />
= ⎨<br />
⎪ f3,<br />
⎪⎩<br />
0,<br />
t ∈<br />
t ∈<br />
t ∈<br />
[ t1,<br />
t2<br />
),<br />
[ t3,<br />
t4<br />
),<br />
[ t ,t )<br />
5 6 ,<br />
in rest<br />
Se constată că linia îngroşată din figura 1 este tocmai graficul<br />
acestei funcţii.<br />
Analizând reprezentarea tridimensională din figura 1, se constată<br />
faptul că semnalul x(t) se <strong>de</strong>clanşează la momentul t 1 , fiind o<br />
sinusoidă cu frecvenţa f 1 , până la momentul t 2 , când semnalul<br />
încetează, pentru a se re<strong>de</strong>clanşa la momentul t 3 , fiind o<br />
sinusoidă cu frecvenţa f 2 până la momentul t 4 când încetează<br />
pentru a doua oară <strong>de</strong>clanşându-se din nou la momentul t 5 fiind o<br />
sinusoidă cu frecvenţa f 3 până la momentul t 6 când se sfârşeşte<br />
<strong>de</strong>finitiv. Se constată că proiecţia "reprezentării timpfrecvenţă"<br />
din figura 1 pe planul ( A, t)<br />
reprezintă oscilograma<br />
semnalului x(t) , că proiecţia pe planul ( f, A)<br />
reprezintă spectrul<br />
"i<strong>de</strong>al" al semnalului x(t) şi că proiecţia pe planul ( f, t)<br />
reprezintă frecvenţa instantanee a aceluiaşi semnal. Proiecţia pe<br />
A, t permite analiza în domeniul timp a semnalului<br />
planul ( )<br />
consi<strong>de</strong>rat. Proiecţia pe planul ( A, f ) permite analiza semnalului<br />
în domeniul frecvenţă iar proiecţia pe planul ( f, t)<br />
permite analiza<br />
în domeniul modulaţiei. Analizoarele în domeniul modulaţiei<br />
61
afişează legea <strong>de</strong> variaţie temporală a frecvenţei instantanee a<br />
semnalului <strong>de</strong> analizat. Figura 1 este o reprezentare timpfrecvenţă<br />
i<strong>de</strong>ală a semnalului x(t). Se remarcă faptul că această<br />
reprezentare face o localizare perfectă în domeniile timp şi<br />
frecvenţă ale semnalului consi<strong>de</strong>rat. Într-a<strong>de</strong>văr, momentele t 1 ,<br />
t 2 , t 3 , t 4 , t 5 şi t 6 ca şi frecvenţele f 1 f 2 şi f 3 pot fi exact<br />
localizate cu ajutorul acestei reprezentări. De aceea această<br />
reprezentare a fost numită i<strong>de</strong>ală. O astfel <strong>de</strong> reprezentare nu<br />
poate fi obţinută în practică, dar poate fi utilizată ca mo<strong>de</strong>l<br />
pentru optimizarea reprezentărilor timp-frecvenţă care se<br />
utilizează în practică.<br />
Figura 1 O reprezentare timp frecvenţă i<strong>de</strong>ală.<br />
Se constată că semnalului x(t) i s-a asociat o funcţie <strong>de</strong><br />
două variabile, reprezentarea sa timp-frecvenţă. În continuare se<br />
va nota reprezentarea timp-frecvenţă a semnalului x(t) cu<br />
TF x ( ω , t)<br />
. Semnalul x(t) va fi consi<strong>de</strong>rat <strong>de</strong> energie finită.<br />
Reprezentarea timp-frecvenţă va fi privită ca şi un operator care<br />
2<br />
transformă spaţiul L ( R)<br />
într-un spaţiu L 2 ( A ×R)<br />
2 2<br />
acesta este ( )<br />
. Cel mai a<strong>de</strong>sea<br />
L R .<br />
Valoarea operatorului TF aplicat semnalului x este <strong>de</strong>ci funcţia<br />
<strong>de</strong> 2 variabile TF x ( ω , t)<br />
. Valoarea acestei funcţii în punctul<br />
( o o ) o a componentei<br />
spectrale <strong>de</strong> pulsaţie ω o a semnalului consi<strong>de</strong>rat.<br />
62
TF x ω are semnificaţia <strong>de</strong> <strong>de</strong>nsitate spectro-<br />
Deci funcţia ( , t)<br />
temporală a semnalului x(t) . Funcţia ( , )<br />
TFx ω t o are semnificaţia <strong>de</strong><br />
spectru instantaneu al semnalului consi<strong>de</strong>rat.<br />
2.1. Reprezentarea timp-frecvenţă <strong>de</strong> tip transformare<br />
Fourier scurtă<br />
Este o reprezentare liniară <strong>de</strong>finită prin:<br />
TF<br />
STFT<br />
x<br />
∞<br />
∫<br />
− ∞<br />
− jωτ<br />
( t, ω) = x( τ)<br />
w ( τ − t) e dτ<br />
un<strong>de</strong> w(t) reprezintă fereastra <strong>de</strong> observare. De obicei se<br />
consi<strong>de</strong>ră că fereastra <strong>de</strong> observare este un semnal <strong>de</strong> energie<br />
unitară:<br />
w(t)<br />
2<br />
L 2<br />
= 1<br />
Se constată faptul că la momentul t, funcţia TF STFT ( t, ω)<br />
reprezintă spectrul semnalului x( τ ) w( τ − t) , obţinut prin<br />
localizarea în timp, în jurul momentului consi<strong>de</strong>rat, a semnalului<br />
<strong>de</strong> analizat, x(τ ) . Modificând t <strong>de</strong> la −∞ la + ∞, fereastra<br />
temporală "mătură", forma <strong>de</strong> undă a întregului semnal <strong>de</strong><br />
analizat. Rezultă că fereastra temporală folosită este<br />
responsabilă pentru localizarea temporală a semnalului <strong>de</strong><br />
analizat. Dar, după cum s-a arătat <strong>de</strong>ja, cea mai bună localizare<br />
în planul "timp-frecvenţă" o are semnalul Gaussian. De aceea, o<br />
reprezentare timp-frecvenţă <strong>de</strong> tipul transformare Fourier scurtă<br />
cu proprietăţi bune <strong>de</strong> localizare în planul timp-frecvenţă ar<br />
trebui să fie aceea care foloseşte fereastra temporală<br />
Gaussiană. Acest tip <strong>de</strong> transformare Fourier scurtă se numeşte<br />
transformare Gabor.<br />
2.2. Reprezentarea timp-frecvenţă <strong>de</strong> tipul Wigner-Ville<br />
Consi<strong>de</strong>rând semnalul <strong>de</strong> energie finită x(t) , i se asociază<br />
nucleul:<br />
K<br />
W−V<br />
τ<br />
⎟<br />
2 ⎠<br />
⎛ ⎞ * ⎛ ⎞<br />
( t, τ) = x t + x t − ⎟<br />
⎠<br />
⎜<br />
⎝<br />
Transformarea Fourier a acestei funcţii, în raport cu variabila<br />
τ , poartă numele <strong>de</strong> reprezentare timp-frecvenţă <strong>de</strong> tipul Wigner-<br />
Ville:<br />
TF<br />
W−V<br />
x<br />
∞<br />
⎛<br />
τ ⎞<br />
2 ⎠<br />
⎜<br />
⎝<br />
τ<br />
2<br />
τ ⎞<br />
2 ⎠<br />
*<br />
−j<br />
ω τ<br />
( t, ω) = ∫ x ⎜ t + ⎟ x ⎜ t − ⎟ e dτ<br />
Aceasta este o reprezentare biliniară.<br />
− ∞<br />
⎝<br />
⎛<br />
⎝<br />
x<br />
63
3. Estimarea frecvenţei instantanee folosind reprezentări<br />
timp-frecvenţă<br />
O proprietate remarcabilă a reprezentării timp frecvenţă a<br />
unui semnal este concentrarea acestei în jurul curbei, din planul<br />
timp-frecvenţă, <strong>de</strong> variaţie a frecvenţei sale instantanee. De<br />
aceea o metodă <strong>de</strong> estimare a frecvenţei instantanee se poate baza<br />
pe proiecţia liniei <strong>de</strong> creastă a unei reprezentări timp-frecvenţă<br />
pe planul timp-frecvenţă. O astfel <strong>de</strong> metodă are avantajul că<br />
difuzează în planul timp frecvenţă zgomotul care perturbă aditiv<br />
semnalul a cărui frecvenţă instantanee trebuie estimată.<br />
Dacă reprezentarea timp frecvenţă folosită este una liniară<br />
apare <strong>de</strong>zavantajul unei concentrări mai reduse pe curba <strong>de</strong><br />
variaţie a frecvenţei instantanee. Dacă reprezentarea timpfrecvenţă<br />
folosită este biliniară apare <strong>de</strong>zavantajul prezenţei<br />
termenilor <strong>de</strong> interferenţă care produc vârfuri ale reprezentării<br />
care nu se găsesc pe linia <strong>de</strong> creastă a acesteia.<br />
4. O nouă metodă <strong>de</strong> estimare a frecvenţei instantanee a<br />
<strong>semnalelor</strong> nestaţionare perturbate aditiv <strong>de</strong> zgomot<br />
Metoda propusă în această lucrare are următorii paşi:<br />
1. Se calculează reprezentarea timp-frecvenţă <strong>de</strong> tip Gabor a<br />
semnalului achiziţionat.<br />
2. Se filtrează rezultatul obţinut folosind un filtru hardthresholding<br />
bidimensional.<br />
3. Se calculează reprezentarea timp-frecvenţă <strong>de</strong> tip Wigner-<br />
Ville a semnalului achiziţionat.<br />
4. Se înmulţesc rezultatele obţinute la punctele 2 şi 3<br />
obţinându-se o nouă imagine. De pe această imagine poate fi<br />
citită frecvenţa instantanee a semnalului <strong>de</strong> analizat. În<br />
acest scop poate fi făcută şi o scheletizare a acesteia.<br />
5. Desfăşurarea lucrării<br />
1. Se rulează programul PLINIAR.m. Se înregistrează rezultatele.<br />
2. Se rulează programul PPATRAT.m. Se înregistrează rezultatele.<br />
3. Se rulează programul PSUMA.m. Se înregistrează rezultatele.<br />
4. Se compară rezultatele obţinute în această lucrare cu<br />
rezultatele obţinute în lucrarea anterioară. Care dintre<br />
meto<strong>de</strong>le <strong>de</strong> estimare a frecvenţei instantanee vi se pare mai<br />
bună <br />
64
LUCRAREA NR 10<br />
FILTRU MEDIAN ADAPTIV<br />
1. Scopul lucrării<br />
Se studiază o categorie <strong>de</strong> filtre numerice neliniare cu performanţe foarte bune la<br />
prelucrarea impulsurilor. Este vorba <strong>de</strong>spre acea categorie <strong>de</strong> filtre al cărei element central<br />
este filtrul median.<br />
2. Filtre numerice cu ordonare statistică<br />
Dacă X 1, X 2 ,..., X N este un şir <strong>de</strong> variabile aleatoare atunci prin ordonarea lor după valoare<br />
se obţine şirul <strong>de</strong> inegalităţi:<br />
X () 1 ≤ X ( 2) ≤ ... ≤ X ( N )<br />
(1)<br />
Variabila aleatoare X () i se numeşte a i-a variabilă aleatoare în ordonare statistică. Pe baza<br />
acestei ordonări se poate <strong>de</strong>termina mediana secvenţei <strong>de</strong> variabile aleatoare consi<strong>de</strong>rată,<br />
folosind următoarea <strong>de</strong>finiţie:<br />
med<br />
{ X }<br />
i<br />
X ( ν + 1)<br />
,<br />
( ν ) + X ( ν 1)<br />
⎧<br />
⎪<br />
= ⎨ X +<br />
⎪<br />
⎩ 2<br />
daca<br />
daca<br />
N = 2ν<br />
+ 1<br />
N = 2ν<br />
Consi<strong>de</strong>rând semnalul x [] n şi fereastra dreptunghiulară w [] n , <strong>de</strong> lungime N, centrată pe<br />
momentul n, prin înmulţirea lor se obţine semnalul xˆ [] n , care la momentul n are N eşantioane.<br />
Consi<strong>de</strong>rând că acestea ar reprezenta secvenţa <strong>de</strong> variabile aleatoare <strong>de</strong> mai sus, mediana<br />
acesteia este răspunsul "filtrului median" la semnalul x [] n , la momentul n. Deplasând fereastra<br />
w [] n peste semnalul x [] n , (prin centrarea sa succesivă pe diferite momente <strong>de</strong> timp) se obţine<br />
răspunsul filtrului median la semnalul x [] n . În figura următoare se reprezintă câteva exemple<br />
<strong>de</strong> semnale precum şi răspunsurile unui filtru median, cu N <strong>de</strong> valoare 7, la aceste semnale.<br />
x [] n<br />
y[]<br />
n<br />
0 1 2 3 4 5 6 7 8 9 10 11 12 n 0 1 2 3 4 5 6 7 8 9 10 11 12 n<br />
Figura 1. Câteva exemple <strong>de</strong> funcţionare a unui filtru median, N <strong>de</strong> valoare 7.<br />
65
Analizând figura 1 se constată că pentru semnale <strong>de</strong> intrare monotone, prin filtrare mediană<br />
nu se modifică forma semnalului. Aproximarea <strong>semnalelor</strong> monotone pe porţiuni prin filtrare<br />
mediană este afectată <strong>de</strong> erori. Acestea se manifestă la momentele <strong>de</strong> timp la care monotonia<br />
semnalului se schimbă. De asemenea se constată eficienţa filtrului median la eliminarea<br />
zgomotului <strong>de</strong> tip impuls care perturbă aditiv semnalul <strong>de</strong> prelucrat. Este remarcabilă şi<br />
calitatea răspunsului indicial al filtrului median.<br />
Tot pe baza ordonării statistice <strong>de</strong>scrise <strong>de</strong> relaţia (1) pot fi obţinute diferite combinaţii<br />
liniare ale elementelor acesteia:<br />
n<br />
Tn<br />
= ∑ ai<br />
X<br />
i=<br />
1<br />
cărora le corespund filtrele cu ordonare statistică corespunzătoare.<br />
Prin extragerea repetată a medianei poate fi obţinut un alt tip <strong>de</strong> filtru, numit filtru<br />
median recursiv. Legătura intrare-ieşire pentru un astfel <strong>de</strong> sistem este:<br />
() i<br />
[] i med( y y , x x )<br />
y = i−ν ,..., i−1 i,...,<br />
i+ν<br />
(3)<br />
Pentru a combina avantajele filtrelor liniare cu cele ale filtrului median au fost<br />
concepute filtrele mediane hibri<strong>de</strong>, caracterizate <strong>de</strong> următoarea legătură intrare-ieşire:<br />
y<br />
(2)<br />
[] i = med{ ϕ ( x i ),...,<br />
ϕ ( x )}<br />
(4)<br />
un<strong>de</strong> ϕ k ( x i ), k = 1,<br />
m , sunt răspunsurile a m filtre liniare la semnalul x i . De exemplu relaţia<br />
(4) poate lua forma:<br />
y<br />
[] i = med⎨⎜<br />
⎟ ∑xi−<br />
j , xi<br />
, ⎜ ⎟ ∑<br />
3. Construcţia unui filtru numeric median<br />
1<br />
m<br />
⎧<br />
⎫<br />
⎪⎛<br />
1<br />
ν<br />
⎞ ⎛ 1<br />
ν<br />
⎞ ⎪<br />
xi+<br />
j ⎬<br />
⎝ν<br />
⎠ ⎝ ⎠<br />
⎪⎩ j= 1<br />
ν<br />
j=<br />
1 ⎪⎭<br />
Pentru filtrarea mediană e necesar să se grupeze eşantioanele din fereastră în ordine<br />
crescătoare, pentru fiecare poziţie a ferestrei şi să se <strong>de</strong>termine, prin comparaţii succesive,<br />
mediana secvenţei din fereastră.<br />
Consi<strong>de</strong>rând că semnalul <strong>de</strong> intrare x [] n are forma:<br />
x<br />
[] n x [] n x [] n<br />
d +<br />
a<br />
i<br />
= (5)<br />
un<strong>de</strong> x d [] n este un semnal util iar x a [] n o perturbaţie, răspunsul filtrului median poate fi pus în<br />
forma:<br />
y<br />
[] n x [] n y [] n<br />
= (6)<br />
d +<br />
un<strong>de</strong> [] n y a reprezintă zgomotul <strong>de</strong> la ieşirea sistemului. Raportul semnal pe zgomot la intrarea<br />
în filtru se poate calcula cu relaţia:<br />
a<br />
66
M<br />
2<br />
∑ x<br />
d<br />
RSZ =<br />
i=<br />
0<br />
i M<br />
2<br />
∑ xa<br />
i=<br />
0<br />
[] i<br />
[] i<br />
(7)<br />
iar la ieşire cu relaţia:<br />
M<br />
2<br />
∑ x<br />
d<br />
RSZ =<br />
i=<br />
0<br />
o M<br />
2<br />
∑ ya<br />
i=<br />
0<br />
[] i<br />
[] i<br />
(8)<br />
Îmbunătăţirea raportului semnal pe zgomot obţinută este:<br />
M<br />
2<br />
∑ xa<br />
[] i<br />
RSZ<br />
χ =<br />
o<br />
=<br />
i=<br />
0<br />
(9)<br />
RSZ M<br />
i 2<br />
∑ ya<br />
[] i<br />
În stabilirea acestei formule s-a consi<strong>de</strong>rat că secvenţa x [] n este <strong>de</strong> durată limitată M.<br />
Îmbunătăţirea raportului semnal pe zgomot realizată <strong>de</strong> sistemele liniare şi invariante în timp<br />
este invers proporţională cu banda echivalentă <strong>de</strong> zgomot a acestora. De obicei aceasta este cu<br />
atât mai mare cu cât ordinul filtrului este mai mic. O cale <strong>de</strong> creştere a ordinului filtrului fără<br />
a i se modifica răspunsul în frecvenţă este recircularea semnalului care trebuie filtrat. Această<br />
procedură presupune următorii paşi:<br />
- Prin filtrarea semnalului <strong>de</strong> intrare <strong>de</strong> durată limitată x [] n se obţine răspunsul y 1 [] n .<br />
- Folosind acelaşi filtru se prelucrează semnalul y 1 [] n obţinându-se semnalul y 2 [] n .<br />
- Proce<strong>de</strong>ul <strong>de</strong>scris se repetă <strong>de</strong> atâtea ori <strong>de</strong> câte ori se doreşte să fie crescut ordinul<br />
filtrului.<br />
Un parametru al filtrului median care controlează îmbunătăţirea raportului semnal pe<br />
zgomot introdusă <strong>de</strong> acest sistem este lungimea ferestrei temporale folosite. În această lucrare<br />
se propune o nouă tehnică <strong>de</strong> filtrare adaptivă. Aceasta presupune realizarea unei succesiuni<br />
<strong>de</strong> filtrări mediane cu recirculare. La sfârşitul fiecărei filtrări mediane cu recirculare, este<br />
scăzută lungimea ferestrei temporale şi o nouă filtrare mediană cu recirculare începe pornind<br />
cu ultima secvenţă obţinută în filtrarea mediană cu recirculare anterioară. Filtrarea mediană<br />
adaptivă se încheie la sfârşitul filtrării mediane cu recirculare care foloseşte cea mai scurtă<br />
fereastră. Fiecare filtrare mediană cu recirculare ia sfârşit atunci când o nouă aplicare a acestui<br />
proce<strong>de</strong>u nu mai modifică valoarea vreunui eşantion.<br />
4. Desfăşurarea lucrării<br />
4.1. Se verifică exemplele din figura 1, folosind programul testfm.m.<br />
4.2. Se experimentează un filtru median prin filtrarea a trei semnale <strong>de</strong> intrare distincte.<br />
Vor fi folosite valori diferite pentru lungimea ferestrei N. Componentele <strong>de</strong>terministe<br />
ale <strong>semnalelor</strong> <strong>de</strong> intrare, x d [] n , vor fi <strong>de</strong> forma: dreptunghiulară, trapezoidală şi<br />
triunghiulară. De fiecare dată se va completa un tabel <strong>de</strong> forma:<br />
i=<br />
0<br />
67
x[n] x d [] n<br />
x a [] n<br />
[] n<br />
ya<br />
… … … … …<br />
y [] n = y[] n − x [] n<br />
Pe baza valorilor din tabel se vor calcula valorile rapoartelor semnal pe zgomot <strong>de</strong> la intrare şi<br />
ieşire folosind formulele (7) şi (8) respectiv îmbunătăţirea raportului semnal pe zgomot,<br />
obţinută, folosind relaţia (9).<br />
Apoi se vor reprezenta grafic formele <strong>de</strong> undă ale <strong>semnalelor</strong> <strong>de</strong> intrare respectiv <strong>de</strong> ieşire.<br />
Pentru semnalul dreptunghiular se va folosi programul dre3.m, pentru semnalul trapezoidal<br />
programul tra5.m iar pentru semnalul triunghiular programul tri7.m<br />
4.3. Se experimentează un filtru median cu recirculare. Se studiază efectul creşterii numărului<br />
<strong>de</strong> recirculări. În acest scop se efectuează trei experimente, cu semnal <strong>de</strong> intrare având<br />
componenta utilă dreptunghiulară, crescându-se <strong>de</strong> la experiment la experiment numărul <strong>de</strong><br />
recirculări. Se va utiliza programul recircdre.m.<br />
4.4. Se experimentează un filtru median adaptiv. Se va folosi programul adaptdre.m<br />
d<br />
68
LUCRAREA NR 11<br />
MĂSURAREA FRECVENŢEI INSTANTANEE A SEMNALELOR<br />
MODULATE ÎN FRECVENŢĂ CU PURTĂTOR SINUSOIDAL ŞI<br />
MODULATOR POLINOMIAL, PERTURBATE ADITIV DE ZGOMOT,<br />
FOLOSIND FILTRAREA ADAPTIVĂ ŞI ÎMBUNĂTĂŢIREA<br />
RAPORTULUI SEMNAL PE ZGOMOT CU FUNCŢII WAVELET<br />
1.Scopul lucrării.<br />
Metoda <strong>de</strong> estimare a frecvenţei instantanee, prezentată în lucrarea 7, foloseşte un<br />
estimator care conduce la dispersii relativ mari ale estimatei. În lucrarea <strong>de</strong> faţă se<br />
prezintă o cale <strong>de</strong> reducere a acestei dispersii bazată pe <strong>de</strong>noising. Această metodă <strong>de</strong><br />
creştere a raportului semnal pe zgomot a fost studiată în lucrarea 4.<br />
2. Dezavantajul utilizării filtrării adaptive<br />
Deoarece algoritmii <strong>de</strong> filtrare adaptivă converg slab (ei converg doar în probailitate)<br />
estimările bazate pe filtrarea adaptivă au dispersii însemnate. De exemplu pentru<br />
semnalul cu frecvenţa instantanee (cu variaţie polinomială, este vorba <strong>de</strong> un polinom <strong>de</strong><br />
gradul 3), din figura 1, acoperit <strong>de</strong> zgomot alb (semnalul achiziţionat are raportul semnal<br />
pe zgomot egal cu 1) se obţine estimata din figura 2.<br />
Figura 1. Frecvenţa instantanee a semnalului<br />
acoperit <strong>de</strong> zgomot.<br />
Figura 2. Estimata frecvenţei instantanee obţinută<br />
prin filtrare adaptivă.<br />
Pentru a putea utiliza această estimată la măsurarea frecvenţei instantanee a semnalului<br />
consi<strong>de</strong>rat trebuie redusă dispesia sa. În acest scop, se poate utiliza teoria funcţiilor<br />
wavelet.<br />
69
3. Funcţii wavelet şi polinoame<br />
Semnalele polinomiale au o proprietate reamrcabilă:<br />
Transformata wavelet discretă a unui polinom <strong>de</strong> gradul P are toţi coeficienţii <strong>de</strong> <strong>de</strong>taliu<br />
nuli dacă pentru calcul său se foloseşte o funcţie wavelets mother cu P+1 momente nule.<br />
În consecinţă dacă se alege corespunzător funcţia wavelets mother atunci se poate obţine cea mai<br />
mare concentrare energetică în domeniul transformării wavelet discretă pentru un polinom <strong>de</strong> un<br />
anumit grad.<br />
Pe baza acestei proprietăţi, se prezintă în continuare o nouă strategie <strong>de</strong> <strong>de</strong>noising. Aceasta va<br />
avea cei trei paşi ai algoritmului clasic dar va face selecţia pragului filtrului <strong>de</strong> tip soft thresolding<br />
folosind o i<strong>de</strong>e nouă. Paşii noii meto<strong>de</strong> sunt:<br />
1. Se calculează transformata wavelet discretă a semnalului <strong>de</strong> frecvenţă instantanee (<strong>de</strong> exemplu<br />
al semnalului cu graficul din figura 2) ştiind că acesta are gradul P şi folosind o funcţie wavelets<br />
mother cu P+1 momente nule şi patru iteraţii. Se obţine semnalul wt[n].<br />
2. Se filtrează semnalul obţinut cu un filtru <strong>de</strong> tip soft thresolding al cărui prag, t, se<br />
calculează după cum urmează:<br />
- se împarte suportul semnalului wt[n] în 2 segmente egale. Semnalul <strong>de</strong> pe cel <strong>de</strong> al<br />
doilea segment se va nota wt2[n]. Coeficienţii corespunzători celui <strong>de</strong> al doilea<br />
segment vor fi doar ai zgomotului (coeficienţii <strong>de</strong> pe acest interval corepunzători<br />
semnalului util vor fi nuli conform proprietăţii <strong>de</strong> mai sus). Aceşti coeficienţi<br />
corespund unui zgomot alb <strong>de</strong> medie nulă şi dispersie σ distribuit Gaussian.<br />
- se estimează dispersia semnalului wt2[n], σ. Pentru a înlătura complet zgomotul se<br />
aplică regula celor 3 σ (se alege pragul filtrului soft thresholding t egală cu 3 σ).<br />
4. Se calculează transformata wavelet discretă inversă, obţinîndu-se rezultatul estimării<br />
frecvenţei instantanee.<br />
4.Desfăşurarea lucrării<br />
În această lucrare se utilizează programul notch-<strong>de</strong>mom3m.m. În cadrul acestui program<br />
se compară metoda clasica <strong>de</strong> <strong>de</strong>noising cu metoda noua, propusa in aceasta lucrare pe<br />
cazul unui polinom <strong>de</strong> gradul 3.<br />
După rularea programului şi analiza figurilor obţinute (care vor fi salvate în directorul<br />
user, într-un fişier cu numele stu<strong>de</strong>ntului) se vor cere, în fereastra Matlabului, valorile<br />
îmbunătăţirii raportului semnal pe zgomot, pentru metoda clasica, imbf şi pentru noua<br />
metodă, imbf2, respectiv valorile maxime ale erorii absolute <strong>de</strong> aproximare în cazul<br />
meto<strong>de</strong>i clasice, errabsmax, respectiv ale erorii absolute <strong>de</strong> aproximare în cazul noii<br />
meto<strong>de</strong>, errabsmax2.<br />
70
LUCRAREA NR 12<br />
ÎMBUNĂTĂŢIREA RAPORTULUI SEMNAL PE ZGOMOT ÎN CAZUL<br />
PERTURBĂRII CU ZGOMOT MULTIPLICATIV<br />
1.Scopul lucrării.<br />
Studiul unui meto<strong>de</strong> <strong>de</strong> creştere a RSZ, bazată pe<br />
folosirea funcţiilor wavelet în cazul în care semnalul util<br />
este perturbat cu zgomot multiplicativ.<br />
2. Un exemplu <strong>de</strong> aplicaţie în care apare zgomot<br />
multiplicativ<br />
Imaginile formate <strong>de</strong> sistemele radar, in particular <strong>de</strong><br />
radarele cu apertură sintetică (SAR) sunt perturbate <strong>de</strong><br />
zgomot <strong>de</strong> tip speckle. Acesta este un zgomot multiplicativ<br />
negaussian. Pentru diminuarea efectelor acestor perturbaţii<br />
pot fi folosite filtre cu ordonare statistică. Din păcate nu<br />
se obţin rezultate spectaculoase. De aceea în continuare se<br />
prezintă o soluţie bazată pe metoda <strong>de</strong> <strong>de</strong>noising, prezentată<br />
în lucrările <strong>de</strong> laborator anterioare.Semnalul achiziţionat<br />
este <strong>de</strong> forma:<br />
[ n] u[ n] ⋅ z[ n]<br />
s<br />
= (1)<br />
un<strong>de</strong> u[n] reprezintă partea utilă iar z[n] este zgomotul<br />
perturbator. Zgomotul <strong>de</strong> tip speckle este necorelat cu<br />
semnalul util şi este un semnal aleator staţionar cu medie<br />
unitară şi dispersie σ . În cazul imaginilor SAR domeniul<br />
2<br />
<strong>de</strong> variaţie al lui σ este cuprins între 0.273 şi 1.<br />
3. Metoda <strong>de</strong> <strong>de</strong>noising propusă<br />
Principala diferenţă între scenariul <strong>de</strong> <strong>de</strong>noising propus <strong>de</strong><br />
Donoho (şi folosit în lucrările <strong>de</strong> laborator anterioare) şi<br />
scenariul propus în continuare este modul <strong>de</strong> cuplare al<br />
zgomotului la semnalul util. Să presupunem că semnalele<br />
x[n], u[n] şi z[n], din relaţia (1) sunt pozitive. Luând<br />
logaritm în cei doi membri ai acestei relaţii se obţine :<br />
log10 {s[n]} = log10{u[n]}<br />
+ log10{z[n]}<br />
(2)<br />
71
şi folosind notaţile:<br />
{ s[n] },<br />
x i[n]<br />
= log10<br />
x[n] = log10{u[n]},<br />
n i[n]<br />
= log10{z[n]}<br />
(3)<br />
se obţine un mo<strong>de</strong>l <strong>de</strong> semnal specific pentru metoda clasică<br />
<strong>de</strong> <strong>de</strong>noising a lui Donoho. După aplicarea acesteia<br />
rezultatul trebuie antilogaritmat pentru a se obţine<br />
estimarea lui u[n]. Puterea semnalului u[n] va fi<br />
consi<strong>de</strong>rată cunoscută. Folosind această valoare se poate<br />
1<br />
calcula constanta Pf<br />
= ⋅log10<br />
( Pu<br />
). Paşii algoritmului <strong>de</strong><br />
2<br />
îmbunătăţire a RSZ propus în lucrarea <strong>de</strong> faţă sunt:<br />
1. Se calculează logaritmul semnalului s[n], obţinând<br />
semnalul x i [n]<br />
.<br />
2. Se aplică metoda <strong>de</strong> <strong>de</strong>noising.<br />
2.1. Se calculează transformata wavelet discretă a<br />
semnalului x i [n]<br />
, obţinândt semnalul y i [n].<br />
2.2.1-2.2.k. Pornind <strong>de</strong> la o valoare mică <strong>de</strong> prag , t 0 , se<br />
filtrează semnalul y i [n], cu un filtru <strong>de</strong> tip soft<br />
thresholding. Se obţine semnalul y o , 1 [n]<br />
. Se calculează<br />
puterea acestui semnal şi se compară cu P f . Dacă puterea<br />
semnalului y o , 1 [n]<br />
, P o, 1 , este superioară lui P f atunci se<br />
efectuează o nouă filtrare, folosind aceaşi valoare <strong>de</strong> prag<br />
t 0 . Se obţine semnalul y o , 2 [n]<br />
având puterea P o, 2 . Dacă această<br />
valoare este mai mare <strong>de</strong>cât P f atunci se repetă ultima<br />
iteraţie. Iteraţia finală, a k-a, este aceea în care, pentru<br />
prima dată, puterea semnalului <strong>de</strong> la ieşirea filtrului soft<br />
tresholding, P o, k , <strong>de</strong>vine inferioară valorii P f .<br />
Semnalul rezultat la sfârşitul acestui pas este yo,k− 1 [n ].<br />
2.3. Se calculează transformata wavelet discretă inversă a<br />
semnalului yo,k− 1 [n ] obţinându-se semnalul x 0 [n].<br />
3. Deoarece acest semnal reprezintă logaritmului estimării<br />
semnalului util, ultimul pas al meto<strong>de</strong>i <strong>de</strong> <strong>de</strong>noising propusă<br />
este inversarea acestui logaritm.<br />
4.Desfăşurarea lucrării<br />
În această lucrare se utilizează programul Speckle.m<br />
După rularea programului şi analiza figurilor obţinute (care<br />
vor fi salvate în directorul user, într-un fişier cu numele<br />
stu<strong>de</strong>ntului) se vor cere, în fereastra Matlabului, valorile<br />
72
aportului semnal pe zgomot la intrare, RSZin, la ieşire<br />
RSZout şi a îmbunătăţirii raportului semnal pe zgomot, imbf<br />
.<br />
Programul se va rula <strong>de</strong> trei ori pentru RSZin <strong>de</strong> valori în<br />
jur <strong>de</strong> 0,1, 1 şi 10.<br />
73
Seminar 1<br />
1.1. Fiind date matricele A, B şi C <strong>de</strong>monstraţi că:<br />
AB ≠ BA<br />
A B + C = AB +<br />
( ) AC<br />
T T T<br />
( AB ) = B A<br />
A − simetrica ⇒ A<br />
− 1 −<br />
simetrica<br />
1.2. Determinaţi elementele matricei <strong>de</strong> autocorelaţie:<br />
⎡R<br />
R = ⎢<br />
⎣R 1<br />
( 0) R( 1)<br />
⎤<br />
() R( 0) ⎥ ⎦<br />
ştiind că valorile sale proprii sunt: λ 1 =1, 2 şi λ 2 = 0, 8 .<br />
1.3. Fiind dată matricea <strong>de</strong> autocorelaţie:<br />
⎡R<br />
R = ⎢<br />
⎣R 1<br />
( 0) R( 1)<br />
⎤<br />
() R( 0) ⎥ ⎦<br />
să i se <strong>de</strong>termine valorile proprii λ 1 şi λ 2 . Să se haşureze zona<br />
din planul ( R ( 0) , R( 1)<br />
) în care cele două valori proprii sunt<br />
pozitive.<br />
⎛ π ⎞<br />
1.4. Determinaţi autocorelaţia secvenţei x [ n] = sin⎜<br />
n⎟ .<br />
⎝ 5 ⎠<br />
1.5. Semnalul <strong>de</strong> tip zgomot alb <strong>de</strong> valoare medie nulă şi <strong>de</strong><br />
dispersie σ 2 , z [ n]<br />
este adus la intrarea sistemului liniar şi<br />
invariant în timp discret cu răspunsul în frecvenţă din<br />
figură:<br />
H( Ω)<br />
2<br />
σ<br />
. . .<br />
. . .<br />
π<br />
−<br />
2<br />
π<br />
2<br />
3π<br />
2<br />
Ω<br />
a) Determinaţi <strong>de</strong>nsitatea spectralã <strong>de</strong> putere a semnalului z [ n]<br />
.<br />
b) Determinaţi şi reprezentaţi grafic <strong>de</strong>nsitatea spectrală <strong>de</strong><br />
74
putere a semnalului <strong>de</strong> la ieşire.<br />
c) Calculaţi autocorelaţia semnalului <strong>de</strong> la ieşire.<br />
d) Calculaţi puterea semnalului <strong>de</strong> la ieşire.<br />
1.6. Se consi<strong>de</strong>ră sistemul liniar şi invariant în timp cu răspunsul<br />
⎛ 1<br />
N<br />
la impuls [ ] ∑ − 1<br />
⎞<br />
h n = ⎜ ⎟ δ[ n − k]<br />
.<br />
⎝ N ⎠k=<br />
0<br />
a) Determinaţi răspunsul în frecvenţă al sistemului consi<strong>de</strong>rat.<br />
b) Determinaţi răspunsul sistemului consi<strong>de</strong>rat la semnalul <strong>de</strong> tip<br />
2<br />
zgomot alb <strong>de</strong> valoare medie nulă şi dispersie σ . Calculaţi<br />
media şi dispersia acestui semnal aleator.<br />
1.7. Expresia erorii medii pătratice <strong>de</strong> aproximare a semnalului<br />
<strong>de</strong> la intrarea unui filtru adaptiv prin semnalul <strong>de</strong> la ieşirea<br />
acestuia este:<br />
T<br />
T<br />
ξ = a + W RW − 2P W<br />
un<strong>de</strong>:<br />
Demonstraţi că:<br />
⎡R<br />
⎢<br />
⎢<br />
R<br />
⎢<br />
R = ⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎣R<br />
11<br />
21<br />
L1<br />
R<br />
R<br />
R<br />
12<br />
22<br />
L2<br />
...<br />
...<br />
.<br />
.<br />
.<br />
...<br />
R<br />
R<br />
R<br />
1L<br />
2L<br />
LL<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
⎡ w<br />
⎢<br />
⎢<br />
w<br />
⎢ .<br />
⎢ .<br />
W = ⎢<br />
⎢ .<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎣w<br />
0<br />
1<br />
L−1<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
P =<br />
⎡ p<br />
⎢<br />
⎢<br />
p<br />
⎢ .<br />
⎢ .<br />
⎢<br />
⎢ .<br />
⎢<br />
⎢<br />
⎣p<br />
1<br />
2<br />
L<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
( RW P)<br />
∇ = 2 −<br />
1.8. Se consi<strong>de</strong>ră sistemul din figură:<br />
d k<br />
x k<br />
w 1<br />
1<br />
z −<br />
ε k<br />
Desenaţi suprafaţa <strong>de</strong> eroare a acestui filtru adaptiv ştiind cã:<br />
E<br />
2<br />
{ x } 1; E{ d } = 4; E{ x d } 1<br />
2<br />
k − 1 = k<br />
k−1<br />
k =<br />
75
Soluţii<br />
1.1.<br />
⎡a<br />
A = ⎢<br />
⎣a<br />
1<br />
3<br />
a<br />
a<br />
2<br />
4<br />
⎤<br />
⎥<br />
⎦<br />
⎡b1<br />
b2<br />
⎤<br />
B = ⎢ ⎥<br />
⎣b3<br />
b4<br />
⎦<br />
⎡b1a<br />
BA = ⎢<br />
⎣b3a<br />
⎡a1b1<br />
+ a 2b3<br />
a1b<br />
AB = ⎢<br />
⎣a<br />
3b1<br />
+ a 4b3<br />
a 3b<br />
+ b2a<br />
3 b1a<br />
2 + b 2a<br />
4 ⎤<br />
+ b +<br />
⎥<br />
4a<br />
3 b3a<br />
2 b4a<br />
4 ⎦<br />
1<br />
1<br />
2<br />
2<br />
+ a b<br />
2<br />
+ a b<br />
4<br />
4<br />
4<br />
⎥ ⎦<br />
⎤<br />
Se constată că<br />
AB ≠ BA<br />
⎡c<br />
= ⎢<br />
⎣c<br />
c<br />
⎤<br />
⎥<br />
⎦<br />
1 2<br />
C A( B + C)<br />
3 c4<br />
⎡a<br />
= ⎢<br />
⎣a<br />
1<br />
3<br />
( b1<br />
+ c1<br />
) + a 2 ( b3<br />
+ c3<br />
) a1( b2<br />
+ c2<br />
) + a 2 ( b 4 + c 4 )<br />
( ) ( ) ( ) ( ) ⎥ ⎤<br />
b1<br />
+ c1<br />
+ a 4 b3<br />
+ c3<br />
a 3 b 2 + c 2 + a 4 b 4 + c4<br />
⎦<br />
⎡a1b<br />
AB + AC = ⎢<br />
⎣a<br />
3b<br />
1<br />
1<br />
+ a c<br />
1<br />
3<br />
1<br />
+ a c<br />
1<br />
+ a b<br />
2<br />
4<br />
3<br />
+ a b<br />
3<br />
+ a c<br />
2<br />
4<br />
3<br />
+ a c<br />
3<br />
a<br />
a<br />
1<br />
3<br />
b<br />
b<br />
2<br />
2<br />
+ a1c<br />
+ a c<br />
3<br />
2<br />
2<br />
+ a b<br />
2<br />
+ a b<br />
4<br />
4<br />
4<br />
+ a c<br />
2<br />
4<br />
4<br />
+ a c<br />
4<br />
⎤<br />
⎥<br />
⎦<br />
Se constată că:<br />
( B + C) = AB AC<br />
A +<br />
a b<br />
⎢<br />
⎣a1b<br />
T ⎡ 1 1 2 3 3 1 4 3 ⎤<br />
( AB) =<br />
⎥ ⎦<br />
2<br />
+ a b<br />
+ a b<br />
2<br />
4<br />
a b + a b<br />
a<br />
3<br />
b<br />
2<br />
+ a b<br />
4<br />
4<br />
B<br />
T<br />
A<br />
T<br />
⎡a1b<br />
= ⎢<br />
⎣a1b<br />
1<br />
2<br />
+ a b<br />
2<br />
+ a b<br />
2<br />
3<br />
4<br />
a 3b1<br />
+ a 4b3<br />
⎤<br />
a b + a b<br />
⎥ ⎦<br />
3<br />
2<br />
4<br />
4<br />
Deci:<br />
T T T<br />
( AB ) = B A<br />
Fie matricea A simetricã:<br />
⎡a<br />
b⎤<br />
A = ⎢ ⎥ .<br />
⎣b<br />
a⎦<br />
Prin inversare se obţine matricea:<br />
−1<br />
1 ⎡ a − b⎤<br />
A =<br />
2 2 ⎢ ⎥<br />
a − b ⎣−<br />
b a ⎦<br />
Se constată că şi această matrice este simetrică.<br />
1.2.<br />
Valorile proprii ale matricei R sunt soluţiile ecuaţiei:<br />
un<strong>de</strong> I este matricea unitate.<br />
Ecuaţia <strong>de</strong> mai sus se mai scrie:<br />
( R − λI) 0<br />
<strong>de</strong>t =<br />
[] − λ R[]<br />
1<br />
R[] 1 R[ 0]<br />
R 0<br />
− λ<br />
= 0<br />
76
adică:<br />
sau:<br />
λ<br />
2<br />
2 2<br />
( R[]<br />
0 − λ) − R[] 1 = 0<br />
− 2λR 0<br />
2 2<br />
[] + R[] 0 − R[] 1 = 0<br />
Rădăcinile acestei ecuaţii sunt:<br />
λ<br />
Se obţine sistemul <strong>de</strong> ecuaţii:<br />
= R 0<br />
[] R[]<br />
1<br />
1 ,2 ±<br />
cu soluţiile:<br />
⎧R 0<br />
⎨<br />
⎩R 0<br />
[] + R[]<br />
1<br />
[] − R[]<br />
1<br />
= 1,2<br />
= 0,8<br />
[] 0 = 1; R[] 1 0, 2<br />
R =<br />
1.3.<br />
Conform exerciţiului anterior:<br />
λ<br />
λ<br />
[ 0] + R[] 1 ; λ = R[ 0] R[]<br />
1<br />
1 = R 2 −<br />
[] > −R[] 1 ; λ > 0 ⇒ R[] 0 R[]<br />
1<br />
> 0 ⇒ R 0<br />
2<br />
R[]<br />
1<br />
1 ><br />
R[]<br />
0<br />
1.4.<br />
⎛ π ⎞<br />
2π<br />
π<br />
x [ n] = sin⎜<br />
n⎟ . Este un semnal periodic <strong>de</strong> perioadã N, =<br />
⎝ 5 ⎠ N 5<br />
Autocorelaţia semnalului x se calculeazã cu formula:<br />
1<br />
9<br />
1<br />
9<br />
⎛ π ⎞ ⎛ π ⎞<br />
R x [ m] = ∑ x[ n] x[ n + m] = ∑ sin⎜<br />
n⎟sin⎜<br />
( n + m)<br />
⎟<br />
10 n=<br />
0<br />
10 n=<br />
0 ⎝ 5 ⎠ ⎝ 5 ⎠<br />
Dar:<br />
, <strong>de</strong>ci N = 10 .<br />
77
De aceea:<br />
În consecinţă :<br />
Dar:<br />
Aşadar:<br />
9<br />
π<br />
5<br />
1 ⎪<br />
⎧<br />
2 ⎪⎩<br />
π ⎡π<br />
sin n sin<br />
5 ⎢<br />
⎣ 5<br />
π<br />
j m<br />
R<br />
x<br />
1<br />
sin α sin β =<br />
2<br />
[ cos( α − β) − cos( α + β)<br />
]<br />
1<br />
2 ⎢<br />
⎣<br />
π<br />
5<br />
π<br />
5<br />
⎤ ⎡<br />
⎤<br />
( n + m) = cos m − cos ( 2n + m) ⎥⎦<br />
1 1<br />
10 2<br />
⎥<br />
⎦<br />
π<br />
5<br />
1<br />
20<br />
[ m] = 10cos m − ∑ cos ( 2n + m)<br />
cos<br />
5<br />
( 2n + m)<br />
1<br />
⎡<br />
= ⎢e<br />
2 ⎢<br />
⎣<br />
9<br />
n=<br />
0<br />
π<br />
5<br />
π<br />
( 2n+<br />
m) − j ( 2n m)<br />
⎤<br />
+ e<br />
5 ⎥<br />
⎥<br />
⎦<br />
π<br />
π<br />
j<br />
5<br />
+<br />
1 − e<br />
1 − e<br />
cos ( 2n m) e 5 e 5 e 5 e 5 e 5<br />
e 5<br />
∑ + = ⎨ ∑ + ∑ ⎬ = ⎨<br />
+<br />
⎬ = 0 Dec<br />
n= 0<br />
n= 0<br />
n=<br />
0<br />
i:<br />
1.5.<br />
a)<br />
R<br />
b<br />
2<br />
z [ n] = σ δ[ n] ⇒ Φ p ( Ω)<br />
z<br />
)<br />
Φ<br />
pe<br />
9<br />
= σ<br />
⎡<br />
⎢<br />
⎣<br />
2π<br />
j n<br />
⎛<br />
⎜<br />
⎝<br />
π<br />
− j m<br />
π ⎞<br />
⎟<br />
2 ⎠<br />
R x<br />
9<br />
2π<br />
− j n<br />
1<br />
2<br />
⎪<br />
⎫<br />
⎪⎭<br />
⎧<br />
1 ⎪<br />
2 ⎪<br />
⎩<br />
π<br />
5<br />
[ m] = cos m<br />
π ⎞⎤<br />
⎟<br />
2<br />
⎥<br />
⎠⎦<br />
2 2<br />
( Ω) = Φ ( Ω) H( Ω) = σ σ Ω − − σ Ω + ∗ δ ( Ω)<br />
pz<br />
2<br />
⎛<br />
⎜<br />
⎝<br />
2π<br />
π<br />
j m<br />
1 − e<br />
j4π<br />
2π<br />
j<br />
5<br />
π<br />
− j m<br />
1 − e<br />
− j4π<br />
2π<br />
− j<br />
5<br />
⎫<br />
⎪<br />
⎪<br />
⎭<br />
Φ p e<br />
( Ω)<br />
2<br />
σ<br />
. . .<br />
. . .<br />
π<br />
−<br />
2<br />
π<br />
2<br />
3π<br />
2<br />
Ω<br />
78
c)<br />
R<br />
e<br />
[ n]<br />
=<br />
1<br />
2π<br />
π<br />
2<br />
∫<br />
π<br />
−<br />
2<br />
σ<br />
2<br />
e<br />
jΩn<br />
⎛ 2 ⎞<br />
d ⎜<br />
σ<br />
Ω = ⎟<br />
2<br />
⎝ π ⎠<br />
1<br />
jn<br />
π<br />
2<br />
∫<br />
π<br />
−<br />
2<br />
<strong>de</strong><br />
jΩn<br />
⎛ 2 ⎞<br />
⎜<br />
σ<br />
= ⎟<br />
2<br />
⎝ π ⎠<br />
1<br />
jn<br />
⎡<br />
⎢e<br />
⎢<br />
⎣<br />
π<br />
j n<br />
2<br />
− e<br />
−<br />
π<br />
j n<br />
2<br />
⎤ σ<br />
⎥ =<br />
⎥<br />
⎦<br />
2<br />
π<br />
sin n<br />
2<br />
πn<br />
d)<br />
1.6.<br />
h<br />
P = R<br />
e<br />
⎛ 1 ⎞<br />
⎝ N ⎠<br />
[] 0<br />
2<br />
σ<br />
=<br />
2<br />
N<br />
∑ − 1<br />
k=<br />
0<br />
[ n] = ⎜ ⎟ δ[ n − k]<br />
N<br />
Ω<br />
∞<br />
N−1<br />
− j( N−1)<br />
sin Ω<br />
− jnΩ<br />
1 − jnΩ<br />
1<br />
a) H( Ω) = ∑ h[ n]<br />
e = ∑ e = e 2 2<br />
n=−∞<br />
n=<br />
0 N N<br />
Ω<br />
sin<br />
2<br />
1<br />
N−1<br />
1<br />
N−1<br />
b) y[ n] = h[ n] ∗ z[ n] = ∑ z[ n − k] ⇒ m = E{ y[ n]<br />
} = ∑ E{ z[ n − k]<br />
}<br />
N k=<br />
0<br />
N k=<br />
0<br />
Dar zgomotul alb este staţionar şi se poate scrie:<br />
σ<br />
2<br />
e<br />
⎛<br />
= ⎜<br />
⎝<br />
= E<br />
1<br />
N<br />
⎞<br />
⎟<br />
⎠<br />
2<br />
{ z[ n − k]<br />
} = E{ z[ n]<br />
} = 0 ⇒ m 0<br />
E =<br />
2<br />
−<br />
−<br />
− −<br />
⎪⎡<br />
N 1<br />
2<br />
⎤ ⎪<br />
N 1<br />
2 N 1N<br />
1<br />
2 ⎛ 1 ⎞<br />
⎪ ⎛ 1 ⎞ 2 ⎛ 1 ⎞<br />
{ y [ n]<br />
} = E⎨<br />
⎜ ⎟ ∑ z[ n − k] ⎬ = E⎨⎜<br />
⎟ ∑ z [ n − k] + 2⎜<br />
⎟ ∑∑z[ n − k] z[ n − l]<br />
⎧<br />
E⎨<br />
⎩<br />
N−1<br />
2<br />
∑ z<br />
k=<br />
0<br />
⎧<br />
⎢<br />
⎪⎩ ⎣⎝<br />
N ⎠<br />
⎫<br />
k=<br />
0<br />
N−1N<br />
−1<br />
k=<br />
0<br />
[ n − k] ⎬ + ∑∑E{ z[ n − k] z[ n − l]<br />
}<br />
⎭<br />
2<br />
N<br />
⎥<br />
⎦<br />
2<br />
k=<br />
0 l=<br />
0<br />
l≠k<br />
⎫<br />
⎪⎭<br />
⎧<br />
⎪⎝<br />
N ⎠<br />
⎩<br />
Dar zgomotul alb este necorelat ( [ n] δ[ n]<br />
)<br />
iar:<br />
Deci:<br />
R z<br />
= şi :<br />
⎝ N ⎠<br />
k=<br />
0 l=<br />
0<br />
l≠k<br />
{ z[ n − k] z[ n − l]<br />
} = R [ k − l] = δ[ k − l] = 0 pentru l k<br />
E z ≠<br />
⎧<br />
E⎨<br />
⎩<br />
N−1<br />
2<br />
∑ z<br />
k=<br />
0<br />
⎫<br />
N−1<br />
{ }<br />
2<br />
[ n − k] ⎬ = ∑E z [ n − k]<br />
⎭<br />
k=<br />
0<br />
=<br />
N−1<br />
∑<br />
k=<br />
0<br />
σ<br />
2<br />
= Nσ<br />
2<br />
⎫<br />
⎪<br />
⎬ =<br />
⎪<br />
⎭<br />
σ<br />
2<br />
e<br />
1<br />
=<br />
N<br />
2<br />
2<br />
( Nσ<br />
)<br />
2<br />
σ<br />
=<br />
N<br />
79
80<br />
1.7.<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
⎤<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎣<br />
⎡<br />
+<br />
+<br />
+<br />
+<br />
+<br />
+<br />
+<br />
+<br />
=<br />
−<br />
−<br />
−<br />
1<br />
L<br />
LL<br />
1<br />
L2<br />
0<br />
L1<br />
1<br />
L<br />
2L<br />
1<br />
22<br />
0<br />
21<br />
1<br />
L<br />
1L<br />
1<br />
12<br />
0<br />
11<br />
w<br />
...R<br />
w<br />
R<br />
w<br />
R<br />
.<br />
.<br />
.<br />
.<br />
.<br />
.<br />
w<br />
R<br />
...<br />
w<br />
R<br />
w<br />
R<br />
w<br />
R<br />
...<br />
w<br />
R<br />
w<br />
R<br />
RW<br />
1<br />
L<br />
L<br />
1<br />
2<br />
0<br />
1<br />
T<br />
w<br />
p<br />
...<br />
w<br />
p<br />
w<br />
p<br />
W<br />
P<br />
−<br />
+<br />
+<br />
+<br />
=<br />
∑ ∑ ∑<br />
−<br />
=<br />
−<br />
=<br />
−<br />
=<br />
+<br />
−<br />
+<br />
+ +<br />
+<br />
+<br />
=<br />
1<br />
L<br />
0<br />
k<br />
1<br />
L<br />
0<br />
k<br />
1<br />
L<br />
0<br />
k<br />
k<br />
1<br />
L,k<br />
1<br />
L<br />
k<br />
1<br />
2,k<br />
1<br />
k<br />
1<br />
1,k<br />
0<br />
T<br />
w<br />
R<br />
w<br />
...<br />
w<br />
R<br />
w<br />
w<br />
R<br />
w<br />
RW<br />
W<br />
( ) ( ) 1<br />
l<br />
1<br />
L<br />
0<br />
k<br />
1<br />
L,l<br />
1<br />
L<br />
1<br />
2,l<br />
1<br />
1<br />
1.l<br />
0<br />
k<br />
1<br />
1,k<br />
l<br />
T<br />
l<br />
T<br />
l<br />
l<br />
2p<br />
R<br />
w<br />
...<br />
w R<br />
w R<br />
w<br />
R<br />
W<br />
P<br />
w<br />
2<br />
W RW<br />
w<br />
w<br />
+<br />
−<br />
=<br />
+<br />
−<br />
+<br />
+<br />
+<br />
+ −<br />
+<br />
+<br />
+<br />
+<br />
=<br />
∂<br />
∂<br />
−<br />
∂<br />
∂<br />
=<br />
∂<br />
∂ξ<br />
∑<br />
Dar funcţia <strong>de</strong> autocorelaţie este parã:<br />
1<br />
1,l<br />
k<br />
1<br />
1,k<br />
l<br />
R<br />
R +<br />
+<br />
+<br />
+ =<br />
De aceea ultima relaţie <strong>de</strong>vine:<br />
∑ − =<br />
+<br />
+<br />
+ −<br />
=<br />
∂<br />
ξ<br />
∂ 1<br />
L<br />
0<br />
k<br />
1<br />
l<br />
k<br />
1<br />
1,k<br />
l<br />
l<br />
2p<br />
w<br />
R<br />
2<br />
w<br />
adică:<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
⎤<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎣<br />
⎡<br />
−<br />
−<br />
−<br />
∇ =<br />
∑<br />
∑<br />
∑<br />
−<br />
=<br />
+<br />
−<br />
=<br />
+<br />
−<br />
=<br />
+<br />
1<br />
L<br />
0<br />
k<br />
L<br />
k<br />
1,L<br />
k<br />
2<br />
1<br />
L<br />
0<br />
k<br />
k<br />
1,2<br />
k<br />
1<br />
L<br />
0<br />
k<br />
1<br />
k<br />
1,1<br />
k<br />
p<br />
w<br />
R<br />
.<br />
.<br />
.<br />
p<br />
w<br />
R<br />
p<br />
w<br />
R<br />
2<br />
Dar:
2<br />
( RW − P)<br />
⎡<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
= 2⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎣<br />
L−1<br />
∑<br />
k=<br />
0<br />
L−1<br />
∑<br />
k=<br />
0<br />
L−1<br />
∑<br />
k=<br />
0<br />
R<br />
R<br />
R<br />
k+<br />
1,1<br />
k+<br />
1,2<br />
k+<br />
1,L<br />
w<br />
w<br />
w<br />
k<br />
k<br />
k<br />
.<br />
.<br />
.<br />
− p<br />
− p<br />
− p<br />
1<br />
2<br />
L<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
1.8.<br />
E<br />
ε<br />
k<br />
= w x − d<br />
1<br />
k−1<br />
2<br />
2 2 2 2<br />
{ ε k } = E{ ( w1x<br />
k−1<br />
− d k ) } = E{ w1<br />
x k − 1 + d k − 2x k−1d<br />
k w1}<br />
2 2 2<br />
2<br />
{ 1 x k − 1 } + E{ d k } − 2E{ w1x<br />
k−1d<br />
k } = w1<br />
− 2w1<br />
+ 4<br />
2<br />
E{ ε k }<br />
E w<br />
k<br />
=<br />
3<br />
w 1<br />
1<br />
81
Seminar 2<br />
2.1. O suprafaţã <strong>de</strong> eroare medie pãtraticã a unui filtru adaptiv cu un<br />
singur coeficient are parametrii: λ = 0,1<br />
ξ min = 0 şi w * = 2 . Care este<br />
expresia analiticã a acestei suprafeţe <br />
INDICAŢIE<br />
* T<br />
*<br />
( W − W ) Λ( W − W )<br />
ξ = ξ min +<br />
2.2. Dacã în exerciţiul anterior valoarea iniţialã a lui w este w 0 = 0<br />
şi dacã parametrul <strong>de</strong> convergenţã este µ = 4 , care sunt primele 5<br />
valori ale lui w k pentru algoritmul <strong>de</strong>scris <strong>de</strong> relaţia:<br />
k<br />
* *<br />
w k = ( 1−<br />
2λµ<br />
) ( w 0 − w ) + w<br />
(1)<br />
2.3. Se consi<strong>de</strong>rã suprafaţa <strong>de</strong> eroare medie pãtraticã:<br />
ξ =<br />
2<br />
0,4w + 4w + 11<br />
Dacã w 0 = 0 şi µ =1, 5 scrieţi expresia şi reprezentaţi grafic curba <strong>de</strong><br />
învãţare pentru algoritmul <strong>de</strong>scris <strong>de</strong> relaţia (1).<br />
2.4. Stabiliţi o formã discretã pentru algoritmul lui Newton, <strong>de</strong>scris<br />
<strong>de</strong> relaţia:<br />
w<br />
=<br />
−<br />
'( w k )<br />
''( w )<br />
ξ<br />
k+ 1 w k<br />
(2)<br />
ξ k<br />
înlocuind <strong>de</strong>rivatele cu diferenţe finite.<br />
2.5. Se consi<strong>de</strong>rã suprafaţa <strong>de</strong> eroare medie pãtraticã:<br />
2<br />
2<br />
*<br />
[( 1 − w )( 4 + 3w)<br />
+ 1 ] w = 0, 488<br />
1<br />
ξ = 1 −<br />
26<br />
a) Determinaţi relaţia <strong>de</strong> recurenţã pentru calculul coeficientului<br />
w k folosind relaţia (2).<br />
b) Determinaţi cu 4 zecimale exacte primii 7 coeficienţi <strong>de</strong> la punctul<br />
a) consi<strong>de</strong>rând cã w 0 = 0 .<br />
c) Repetaţi punctul b) pentru w 0 = −1, 3 .<br />
2.6. Folosind algoritmul lui Newton cu µ = 0, 1 , matricea iniţialã<br />
⎡5⎤<br />
⎡1⎤<br />
W 0 = ⎢ ⎥ şi matricea optimã W * =<br />
⎣ 2<br />
⎢ ⎥ <strong>de</strong>terminaţi expresiile celor cinci<br />
⎦<br />
⎣ 3⎦ vectori W k .<br />
INDICAŢIE<br />
*<br />
( 1 − 2µ<br />
) W + 2 W<br />
W k+<br />
1 =<br />
k µ<br />
2.7. Fiind datã suprafaţa <strong>de</strong> eroare:<br />
2 2<br />
2 0 1 0 1 0 1 +<br />
ξ = w + 2w + 2w w −14w<br />
−16w<br />
42<br />
(3)<br />
Determinaţi valoarea minimã a acesteia precum şi vectorul pon<strong>de</strong>rilor<br />
optime.<br />
82
Soluţii<br />
2.1.<br />
λ = 0,1 ξ 0 w * = 2<br />
min =<br />
ξ = ξ<br />
min<br />
+<br />
*<br />
*<br />
( w − w ) λ( w − w )<br />
( w 2) 2<br />
ξ = ( 0,1) −<br />
2.2.<br />
2.3.<br />
w<br />
− 2λww<br />
w 1 = ( 1 − 0,8)( − 2) + 2 = 1, 6<br />
2<br />
( 1 − 0,8) ( − 2) + 2 = −0,08<br />
+ 2 1, 92<br />
3<br />
w = ( 0,2) ( − 2) + 2 1, 9954<br />
2 =<br />
=<br />
*<br />
w<br />
λ<br />
3 =<br />
ξ =<br />
etc.<br />
2<br />
0,4w + 4w + 11<br />
* 2 2<br />
( w − w ) = 0,4w + 4w ⇒ λ = 0, 4<br />
= 4w ⇒ −2λw<br />
k<br />
=<br />
*<br />
= 4 ⇒ w<br />
*<br />
2<br />
= − = −<br />
λ<br />
k<br />
( −1)<br />
k<br />
( 1 − 3 ⋅ 0,4) ( 5) − 5 = 5 ( − 0,2)<br />
2<br />
0,4<br />
= −5<br />
Se reprezintă grafic.<br />
2.4.<br />
( w) ξ() t − ξ( t ) ξ( t + ∆t) − ξ( t )<br />
dξ<br />
dw<br />
= ξ<br />
=<br />
( w ) − ξ( w ) = ∆ξ( w )<br />
k+<br />
1<br />
lim<br />
t0→0<br />
t − t<br />
k<br />
0<br />
0<br />
≅<br />
k<br />
0<br />
∆t<br />
0<br />
∆t=<br />
1<br />
=<br />
ξ<br />
( t + 1) − ξ( t ) = ξ( w( t + 1)<br />
) − ξ( w( t ))<br />
0<br />
0<br />
0<br />
0<br />
=<br />
d<br />
2<br />
ξ<br />
dw<br />
( w()<br />
t )<br />
2<br />
() t<br />
Înlocuind în relaţia dată se obţine:<br />
w<br />
≅ ∆<br />
{ ∆ξ( w )} = ξ( w ) − 2ξ( w ) + ξ( w )<br />
k<br />
k+<br />
2<br />
ξ( w k+<br />
1 ) − ξ( w k )<br />
( w ) − 2ξ( w ) + ξ( w )<br />
k+ 1 = w k −<br />
(2’)<br />
ξ k+<br />
2 k+<br />
1 k<br />
k+<br />
1<br />
k<br />
2.5.<br />
ξ = 1 −<br />
1<br />
26<br />
2<br />
2<br />
*<br />
[( 1 − w )( 4 + 3w)<br />
+ 1 ] w = 0, 488<br />
2 9 6 7 2 6 3 9 4<br />
[ k k + 1] = − w k + w k + w k w k<br />
1 2<br />
ξ(<br />
w k ) = 1 − ( 1 − w )( 4 + 3w )<br />
+<br />
26<br />
26 13 26 13 26<br />
83
Se înlocuieşte în relaţia (2’) şi se stabileşte relaţia <strong>de</strong> recurenţă cerută, etc.<br />
2.6.<br />
*<br />
( 1 − 2µ<br />
) W + 2<br />
W µ<br />
1 =<br />
0 W<br />
⎡5⎤<br />
⎡1⎤<br />
⎡4,2⎤<br />
W 1 = 0,8⎢<br />
⎥ + 0,2⎢<br />
⎥ = ⎢ ⎥<br />
⎣2⎦<br />
⎣3⎦<br />
⎣2,2⎦<br />
⎡4,2⎤<br />
⎡1⎤<br />
⎡3,56⎤<br />
W 2 = 0,8⎢<br />
⎥ + 0,2⎢<br />
⎥ = ⎢ ⎥<br />
⎣2,2⎦<br />
⎣3⎦<br />
⎣2,36<br />
⎦<br />
=<br />
W 3<br />
W 4<br />
W 5<br />
=<br />
=<br />
2.7.<br />
Dar:<br />
ξ = ξ<br />
min<br />
+<br />
* T<br />
*<br />
( W − W ) Λ( W − W )<br />
* T<br />
* 2 *<br />
* * 2<br />
[ w − w w − w ] = ... = λ w 0 + λ w w + λ w w + λ<br />
T<br />
*<br />
− w 0<br />
⎤ ⎡λ11<br />
λ12<br />
⎤<br />
0 * * *<br />
* ⎥ ⎢ ⎥ 0 0 1 1<br />
11 12 1 0 21 0 1 22 w 1<br />
1 − w1<br />
⎥ ⎣λ<br />
21 λ 22 ⎦<br />
⎡w<br />
⎢<br />
⎢⎣<br />
w ⎦<br />
Se obţine expresia erorii ξ . Prin i<strong>de</strong>ntificare cu relaţia (3) se obţine:<br />
Se obţine sistemul <strong>de</strong> ecuaţii:<br />
λ11 = 2,<br />
λ 22 = 2, λ12<br />
+ λ 21 = 2<br />
* * *<br />
11 0 12 1 21 1 −<br />
* *<br />
0 1 =<br />
− 2λ<br />
w − λ w − λ w = 14 sau 2w + w 7<br />
* * *<br />
12 0 21 0 22 1 −<br />
* *<br />
0 1 =<br />
− λ w − λ w − 2λ<br />
w = 16 sau w + 2w 8<br />
⎪⎧<br />
*<br />
2w 0 + w<br />
⎨<br />
⎪⎩ w + 2w<br />
*<br />
1<br />
* *<br />
0 1<br />
cu soluţiile w * 0 = 2 şi = 3 . Se poate <strong>de</strong>ci scrie: 42 = ξmin + 8 + 12 + 18 adică: ξ 4 .<br />
w* 1<br />
= 7<br />
= 8<br />
min =<br />
84
Seminar 3<br />
3.1. Demonstraţi cã pentru o suprafaţã <strong>de</strong> eroare medie pãtraticã ( w)<br />
II pot fi calculate exact folosind diferenţe finite:<br />
dξ<br />
ξ<br />
=<br />
dw<br />
( w + δ) − ξ( w − δ)<br />
2δ<br />
ξ <strong>de</strong>rivatele <strong>de</strong> ordinele I şi<br />
INDICAŢIE<br />
ξ<br />
2<br />
( w) = aw + bw + c<br />
d<br />
d<br />
2<br />
2<br />
ξ<br />
w<br />
ξ<br />
=<br />
( w + δ) − 2ξ( w) + ξ( w − δ)<br />
δ<br />
2<br />
3.2. Un sistem adaptiv cu o singurã pon<strong>de</strong>re are o suprafaţã <strong>de</strong> eroare datã <strong>de</strong>:<br />
ξ = 5w<br />
2 − 20w + 23<br />
Faceţi un grafic al acestei suprafeţe pe care evi<strong>de</strong>nţiaţi valorile:<br />
*<br />
min .<br />
ξ , w , λ<br />
INDICAŢIE<br />
ξ = ξ<br />
min<br />
+<br />
V T<br />
ΛV<br />
3.3. Este posibilã o valoare negativã pentru pier<strong>de</strong>rea <strong>de</strong> performanţã γ în cazul unei<br />
suprafeţe <strong>de</strong> eroare pãtratice <br />
INDICAŢIE<br />
1<br />
γ = ξ v − δ<br />
2<br />
[ ( ) + ξ( v + δ)<br />
] − ξ( v)<br />
3.4. Care este valoarea perturbaţiei în cazul exerciţiului 3.2. <br />
INDICAŢIE<br />
δ<br />
P =<br />
ξ<br />
2<br />
min<br />
L<br />
∑<br />
n=<br />
0<br />
λ<br />
n<br />
( L + 1)<br />
;<br />
δ = 1<br />
3.5. Se consi<strong>de</strong>rã filtrul transversal cu suprafaţa <strong>de</strong> eroare:<br />
2 2<br />
0 1<br />
+<br />
ξ = 2w<br />
+ 2w + 2w 0w1<br />
−14w<br />
0 −16w1<br />
la a cãrui intrare este adus un semnal cu eşantioanele corelate, astfel încât E{ x x k } 2<br />
{ x x } 1<br />
δ = δ <br />
E k k 1 =<br />
− . Care este valoarea perturbaţiei P dacã 0<br />
42<br />
k = şi<br />
85
3.6. Sã se <strong>de</strong>termine momentul <strong>de</strong> ordinul 4 al variabilei aleatoare uniforme având <strong>de</strong>nsitatea<br />
<strong>de</strong> probabilitate cu graficul din figurã:<br />
p ξ ( x)<br />
1<br />
2<br />
0<br />
1 2 3<br />
x<br />
3.7. Cunoscând semnalele în timp discret cauzale x k şi y k , legate prin relaţia:<br />
x k = ax k− 1 + byk<br />
, <strong>de</strong>terminaţi prin inducţie completã o expresie nerecurentã pentru x k .<br />
3.8. Demonstraţi cã în cazul în care D este o matrice diagonalã e valabilã relaţia:<br />
∑ ∞<br />
n=<br />
0<br />
D<br />
n<br />
=<br />
( I − D)<br />
un<strong>de</strong> cu I s-a notat matricea unitate. Care sunt condiţiile <strong>de</strong> convergenţã <br />
3.9. Consi<strong>de</strong>rând cã sunt în<strong>de</strong>plinite condiţiile din exerciţiul 3.5. şi presupunând cã gradientul<br />
este estimat pe baza a 50 <strong>de</strong> observaţii ale erorii la fiecare pas al pon<strong>de</strong>rilor, <strong>de</strong>terminaţi<br />
matricea <strong>de</strong> covarianţã a estimãrii gradientului. Se va presupune cã εk<br />
este distribuit uniform.<br />
INDICAŢIE<br />
cov<br />
2<br />
{ ˆ ξmin<br />
∇ } = I<br />
k<br />
Nδ<br />
2<br />
−1<br />
86
Soluţii<br />
În lucrarea <strong>de</strong> laborator nr.5, <strong>de</strong>dicatã studiului algoritmului LMS, s-a obţinut urmãtoarea<br />
formulã pentru cãutarea minimului erorii pe baza anulãrii gradientului:<br />
−1<br />
[ + 1] = W[ k] − µ R ∇[ k] ; ∇[ k]<br />
W k<br />
=<br />
⎡<br />
∂<br />
( )<br />
2<br />
E{ ε [ k]<br />
}<br />
( w [] 0 )<br />
⎤<br />
⎢<br />
⎢ ∂ k<br />
⎢ .<br />
⎢<br />
⎢<br />
.<br />
⎢ .<br />
⎢ 2<br />
∂( E{ ε [ k]<br />
})<br />
⎢<br />
⎢ ( [ ])⎥ ⎥⎥⎥⎥⎥⎥⎥⎥ ⎣∂<br />
w k L −1<br />
⎦<br />
Aceastã metodã <strong>de</strong> <strong>de</strong>terminare a minimului erorii a fost numitã metoda lui Newton. În<br />
continuare se justificã aceastã <strong>de</strong>numire.<br />
În cazul L = 1, relaţia (1) <strong>de</strong>vine:<br />
−1<br />
[ + 1] = w[ k] − µ r ∇[ k] cu ∇[ k]<br />
w k<br />
∂<br />
=<br />
∂w<br />
( E )<br />
2<br />
{ ε [ k]<br />
}<br />
[ L −1]<br />
2<br />
Sã presupunem cã funcţia <strong>de</strong> w, E{ ε } are graficul din figura 1 şi cã valoarea iniţialã a<br />
coeficientului este 0<br />
w . Pentru calculul lui ∇ [ k]<br />
trebuie calculat '( )<br />
f ( w)<br />
k<br />
f .<br />
w 0<br />
(1)<br />
(A)<br />
0<br />
α<br />
w 1 w 0<br />
w<br />
Metoda lui Newton <strong>de</strong> calcul numeric a <strong>de</strong>rivatei unei funcţii (<strong>de</strong>spre care se vorbeşte în<br />
problema 3.1.) presupune urmãtoarea formulã <strong>de</strong> calcul:<br />
f '<br />
( w )<br />
0<br />
f<br />
≅<br />
Dacã se estimeazã '( )<br />
apropiate <strong>de</strong> punctul cãruia îi<br />
( w1<br />
) − f ( w 0 ) f ( w 0 ) f ( w 0 )<br />
≅<br />
⇒ w1<br />
= w 0 −<br />
w − w w − w<br />
f '( w )<br />
1<br />
f w 1 se va obţine un punct 2<br />
0<br />
0<br />
1<br />
w ş.a.m.d. Aceste puncte sunt din ce în ce mai<br />
0<br />
87
corespun<strong>de</strong> minimul funcţiei f ( w)<br />
minimului unei funcþii este:<br />
. Relaţia <strong>de</strong> recurenţã care stã la baza <strong>de</strong>terminãrii abscisei<br />
w<br />
k+<br />
1<br />
= w<br />
k<br />
f<br />
−<br />
f '<br />
( w k )<br />
( w )<br />
k<br />
O formã alternativã a acestei relaţii <strong>de</strong> recurenţã poate fi obţinutã prin înlocuirea <strong>de</strong>rivatei din<br />
relaţia anterioarã cu diferenţa finitã corespunzãtoare:<br />
Se obţine:<br />
w<br />
k+<br />
1<br />
f '<br />
( w )<br />
k<br />
k<br />
f<br />
=<br />
( w ) − f ( w )<br />
w<br />
k<br />
k<br />
− w<br />
k−1<br />
k−1<br />
( w k )( w k − w k−1<br />
)<br />
f ( w ) − f ( w )<br />
f<br />
= w −<br />
(B)<br />
k<br />
k−1<br />
Deoarece formulele (A) şi (B) sunt <strong>de</strong> aceeaşi formã (iar (B) a fost obţinutã folosind formula lui<br />
Newton), metoda <strong>de</strong> cãutare a minimului <strong>de</strong>scrisã <strong>de</strong> relaţia (1) a fost numitã <strong>de</strong> tip Newton. În<br />
continuare se prezintã soluţia problemei 3.1.<br />
ξ<br />
∂ξ<br />
= 2av + b<br />
∂v<br />
2<br />
2<br />
( v + δ) − ξ( v − δ) a( v + δ) + b( v + δ) + c − a( v − δ) − b( v − δ)<br />
2δ<br />
S-a <strong>de</strong>monstrat astfel cã:<br />
=<br />
∂ξ ξ<br />
=<br />
∂v<br />
2δ<br />
( v + δ) − ξ( v − δ)<br />
2δ<br />
Tot prin calcul direct se poate justifica şi cea <strong>de</strong> a doua relaţie:<br />
2<br />
∂ ξ ξ<br />
= 2a =<br />
2<br />
∂v<br />
În continuare se prezintã soluţia problemei 3.2.<br />
( v + δ) − 2ξ( v) + ξ( v − δ)<br />
δ<br />
2<br />
− c<br />
= ... = 2av + b<br />
2<br />
ξ = 5w<br />
− 20w + 23 = ξmin<br />
+ vλv<br />
*<br />
2 2 *<br />
*<br />
un<strong>de</strong>: v w w v w ( w ) 2ww<br />
= − ⇒ = + − . Se obţine:<br />
2<br />
2<br />
2<br />
*<br />
* 2<br />
( w ) + min<br />
5w<br />
− 20w + 23 = λw<br />
− 2λww<br />
+ λ ξ<br />
88
Prin i<strong>de</strong>ntificare se obţine:<br />
*<br />
λ = 5 w = 2 ξmin<br />
= 3<br />
ξ<br />
ξ min = 3<br />
w<br />
w * = 2<br />
În cazul L ≠ 1, aşa cum s-a arãtat în lucrarea <strong>de</strong> laborator <strong>de</strong>ja citatã, la pasul k gradientul se<br />
calculeazã cu formula:<br />
∇<br />
[ k] ≅ 2RW[ k] − 2P<br />
Aceastã formulã este inspiratã din formula <strong>de</strong> calcul al gradientului <strong>de</strong>monstratã în seminarul 1:<br />
∇ = 2RW<br />
− 2P<br />
Aceastã formulã este însã valabilã doar în cazul în care sunt satisfãcute anumite ipoteze. De<br />
aceea expresia gradientului la momentul k este doar aproximativã. În consecinţã se poate afirma<br />
cã estimarea gradientului este doar aproximativã. Eroarea comisã afecteazã procesul <strong>de</strong><br />
adaptare. Este interesant sã se aprecieze efectul erorii <strong>de</strong> calcul a gradientului asupra valorii<br />
finale a erorii medii pãtratice minime. În cazul filtrului cu un singur coeficient (L=1) pentru<br />
aprecierea înrãutãţirii performanţelor filtrului ca urmare a estimãrii eronate a gradientului se<br />
introduce mãsura γ . Semnificaţia acesteia poate fi <strong>de</strong>sprinsã din figura urmãtoare.<br />
89
ξ( v)<br />
v = w −<br />
*<br />
w<br />
( v + δ)<br />
ξ 0<br />
( v − δ)<br />
ξ 0<br />
γ<br />
v0<br />
− δ<br />
v 0<br />
v 0 + δ<br />
v<br />
Dacã valoarea v 0 (la care ar trebui calculat gradientul) este eronatã cu ± δ , se construieşte<br />
dreapta care trece prin punctele <strong>de</strong> coordonate ( v 0 − δ,<br />
ξ( v0<br />
− δ)<br />
) şi ( v 0 + δ,<br />
ξ( v0<br />
+ δ)<br />
) şi se<br />
<strong>de</strong>terminã γ . Aceasta se va consi<strong>de</strong>ra mãsura erorii datorate impreciziei <strong>de</strong> <strong>de</strong>terminare a lui<br />
v 0 . La aceastã mãrime se referã enunţul problemei 3.3.<br />
În continuare se prezintã soluţia problemei 3.3.<br />
ξ = aw 2 + bw + c , cu a > 0 <strong>de</strong>oarece aceastã funcţie are un minim.<br />
γ =<br />
2<br />
Deci γ nu poate fi negativ.<br />
ξ<br />
2 2<br />
( w − δ) + ξ( w + δ) = 2aw + 2aδ<br />
+ 2bw + 2c<br />
2 2<br />
( 2aw + 2aδ<br />
+ 2bw + 2c) − ξ( w) = aδ<br />
> 0<br />
1 2<br />
O mãsurã adimensionalã a pier<strong>de</strong>rii <strong>de</strong> calitate datoratã impreciziei <strong>de</strong> estimare a gradientului<br />
2<br />
γ λδ<br />
este: P = = pentru L = 1 . Despre aceastã mãsurã este vorba în problemele 3.4<br />
ξmin<br />
ξmin<br />
şi 3.5. În continuare se prezintã soluţiile acestor probleme.<br />
3.4.<br />
λ<br />
P = ,<br />
2ξ<br />
min<br />
λ = 5,<br />
L = 1 ξmin = 23 P =<br />
5<br />
46<br />
3.5.<br />
⎡2<br />
1⎤<br />
2 − λ 1 2<br />
R = ⎢ ⎥ <strong>de</strong>t( R − λI)<br />
=<br />
= λ − 4λ + 3<br />
⎣1<br />
2⎦<br />
1 2 − λ<br />
⇒ λ1<br />
= 1, λ 2 = 3<br />
90
⎧ ∂ξ<br />
⎪ = 4w 0 + 2w1<br />
−14<br />
∂w<br />
0<br />
⎨<br />
În urma egalãrii cu 0 a <strong>de</strong>rivatelor se obţine un sistem <strong>de</strong> ecuaţii<br />
∂ξ<br />
⎪ = 4w1<br />
+ 2w 0 −16<br />
⎪⎩<br />
∂w1<br />
* *<br />
1 0 =<br />
cu soluţiile: w = 3, w 2 Valoarea minimã a erorii <strong>de</strong> aproximare este:<br />
( 2,3) 4<br />
ξ Valoarea perturbaţiei este: P =<br />
min = ξ =<br />
2<br />
δ 0<br />
În continuare se prezintã rezultatele celorlalte probleme.<br />
3<br />
3.6.<br />
3.7.<br />
3.8.<br />
242<br />
M 4 =<br />
5<br />
n<br />
n<br />
0<br />
n−1<br />
x = a by + a by + aby + by<br />
1<br />
n<br />
n<br />
Relaţia se <strong>de</strong>monstreazã prin verificare. Condiţia <strong>de</strong> convergenţã este: a < 1.<br />
3.9.<br />
ξ<br />
min<br />
=<br />
4, N<br />
= 50<br />
cov<br />
16<br />
{ ∇ˆ<br />
} = I<br />
k<br />
50δ<br />
2<br />
91