Filtry adaptacyjne
Transkrypt
Filtry adaptacyjne
Filtry adaptacyjne Spis treści 1. Przykłady 2. Filtr Wienera 3. Algorytm filtracji adaptacyjnej 4. Algorytm rekursywnej adaptacji filtrów typu FIR 1 Telefon głośno mówiący P.A. Regalia: Adaptive IIR Filtering in Signal Procesing 2 Tłumienie hałasu S.Haykin: Adaptive Filter Theory 3 Wielokanałowe tłumienie hałasu S.Haykin: Adaptive Filter Theory 4 Elektrokardiografia S.Haykin: Adaptive Filter Theory 5 Zastosowania Cztery podstawowe klasy zastosowań filtracji adaptacyjnej: a) identyfikacja, b) odwrotne modelowanie, c) predykcja, d) likwidacja zakłóceń. S.Haykin: Adaptive Filter Theory 6 Filtr Wienera n sn Obiekt sobs n Filtr Wienera en s (n) sest n - sygnał zawierający informację (n) - zakłócenie s obs (n) - sygnał obserwowany s est (n) - sygnał estymujący e(n) - błąd Zadanie: sest n s (n) 7 Estymacja sygnału N s est (n) hm s obs ( n m) n s n Obiekt m 0 sobs n Filtr Wienera e(n) s (n) s est (n) s est ( n) h T s obs ( n) gdzie s obs (n) sobs (n), sobs (n 1),..., s obs (n N ) N 1 T N – rząd filtru 8 Kryterium M 1 Q E e 2 ( n) e 2 ( n) M N 1 n N Q E s ( n) h T s obs ( n) E s 2 df 2 ( n) 2h T s obs ( n) s ( n) h T s obs ( n) s obs ( n) h T E s 2 (n) 2hT kor hT obs h dla kor Es obs (n) s (n) N 1 obs E s obs (n) s Tobs (n) ( N 1)( N 1) M+1 - ilość próbek w sygnale N – rząd filtru Wienera 9 Wektor korelacji i macierz autokorelacji kor obs M 2 ( n) sobs n N M s (n 1) s (n) obs obs n N 1 M M N 1 sobs ( n 2) sobs (n) n N M sobs (n N ) sn ( n) n N M s n N obs (n) sobs (n 1) s n N s n N obs s n N 2 obs (n 1) obs M s n N M s n N (n N ) sn (n 1) obs (n 1) sobs (n 2) s n N s ( n 2) M n N 2 obs obs (n) sobs (n N ) n N M sobs (n 1) sobs (n N ) n N M sobs (n 2) sobs (n N ) n N M 2 sobs (n N ) n N M (n) sobs (n 2) obs M (n 2) sobs (n 1) M M M M M T N 1 s ( n 1 ) s ( n ) s ( n N ) s ( n ) obs obs n N n N 1 M sobs (n) s (n) M N 1 n N ( n N ) sobs (n 2) s obs dim obs N 1 N 1 10 Optymalizacja 2 Q E e ( n) h j h j e(n) E 2e ( n ) h j Podstawiając do powyższego wzoru N e(n) s (n) h s obs (n) s (n) hm sobs (n m) T otrzymujemy m0 N Q E 2e ( n ) s (n) hm s obs ( n m) E 2e(n) s obs ( n j ) h j h j m 0 M 2 e( n) sobs (n j ) M N 1 n N dla j 0,1,..., N Pochodne te zapiszemy w postaci wektorowej. 11 Rozwiązanie optymalne Zapisując pochodne wektorowo otrzymujemy gradient s obs (n) Q h0 ( 1 ) s n e(n) 2 E obs Q hN s obs (n N ) 2 E s obs ( n) s ( n) hT s obs (n) 2 Es obs (n) s(n) 2 E s obs (n) sTobs (n) h 2 kor 2 obs h 0 N 1 obs hopt kor Q E e 2 ( n) E s 2 ( n) 2hT kor hT obs h T Qopt E s 2 (n) hopt kor 12 Algorytm filtracji adaptacyjnej Parametry filtru są iteracyjnie modyfikowane. hm (n 1) m-ty parametr filtru wyznaczony w chwili n-1 N s est ( n) hm (n 1) s obs (n m) h T (n 1) s obs (n) m 0 obs (n) h(n) kor (n) obs hopt kor Posługując się wartościami dla poprzednich chwil wyliczamy z definicji obs (n) kor ( n) n s obs (m) s obs (m) T m N n s m N obs ( m) s ( m) obs (n) obs (n 1) s obs (n) s T obs kor (n) kor (n 1) s obs (n) s (n) ( n) 13 Algorytm filtracji adaptacyjnej obs (n) obs (n 1) s obs (n) s T obs ( n) kor (n) kor (n 1) s obs (n) s (n) kor (n) obs (n) h(n) obs (n) h(n) obs (n 1) h(n 1) s obs (n) s (n) obs (n) h(n) obs (n) s obs (n) s obs (n) h(n 1) s obs (n) s(n) T obs ( n) h( n) obs ( n) h( n 1) s obs ( n) s ( n) h T ( n 1) s obs ( n) 1 h( n) h(n 1) obs (n) s obs (n) e(n) e(n) s (n) s est (n) 14 Algorytm rekurencyjnego wyznaczania macierzy odwrotnej Sherman - Mossison 1 1 obs (n 1) s obs (n) s obs (n) obs (n 1) T 1 1 obs (n) obs (n 1) K 1 1 s obs (n) obs (n 1) s obs (n) T Q s (n) sest (n) K n 2 n N 0 1 T 1 1 ( n 1 ) s ( n ) s ( n ) 1 1 1 obs obs obs obs ( n 1) obs (n) obs (n 1) T 1 s obs (n) obs (n 1) s obs (n) 15 Algorytm rekursywnej adaptacji filtrów FIR 1. Przyjąć: a) rząd filtru N i oznaczyć chwilę początkową n : N, 1 (n) I N 1 gdzie jest małą liczbą b) macierz obs dodatnią, a I N 1 jest macierzą jednostkową o wymiarach N 1 N 1, c) współczynniki filtru h(n 1) 0 N 1, d) numer chwili końcowej K. 16 Algorytm rekursywnej adaptacji filtrów FIR 2. Wprowadzić wartości obserwowanego sygnału s obs (m) dla m 0,1,..., n i umieścić w wektorze s obs (n) oraz za s (n) wstawić N-tą wartość sygnału wejściowego s . 3. Obliczyć s est (n) h T ( n 1) s obs (n) oraz e(n) s(n) s est (n) i na końcu poprawić filtr 1 1 obs (n) obs (n 1) 1 1 obs (n 1) s obs (n) s obs (n) obs (n 1) T 1 1 s obs (n) obs (n 1) s obs (n) T 1 h( n) h( n 1) obs (n) s obs (n) e( n). 4. Jeżelin K zakończyć obliczenia. 5. Wprowadzić kolejne wartości sygnałówsobs (n 1) i s ( n 1). Utworzyć wektors obs (n 1) a następnie zwiększyć wskaźnik n o jeden i przejść do punktu 3. 17