PDF version - Politechnika Śląska, Wydział Elektryczny
Transkrypt
PDF version - Politechnika Śląska, Wydział Elektryczny
ELEKTRYKA Zeszyt 1 (233) 2015 Rok LXI Michał LEWANDOWSKI Politechnika Śląska w Gliwicach UOGÓLNIONE CZĘSTOTLIWOŚCIOWE WSKAŹNIKI ZNIEKSZTAŁCEŃ FILTRACJI DLA UKŁADÓW KLASY FILTR LTIDECYMATOR/INTERPOLATOR Streszczenie. W artykule zaproponowano uogólnienie częstotliwościowych wskaźników zniekształceń filtracji (amplitudowego, nieliniowości fazy oraz aliasingu międzypasmowego) na układy klasy filtr LTI-decymator/interpolator, które stanowią pewną podklasę układów LTV. Dzięki wykorzystaniu specyficznych właściwości układów klasy filtr LTI-decymator/interpolator, jakimi są: okresowość impulsowej funkcji przejścia oraz możliwość sprowadzenia układu do tzw. postaci zredukowanej, możliwe było zdefiniowane wskaźników zniekształceń filtracji w sposób analogiczny, jak jest to możliwe dla układów LTI. Pozwala to stosować podobny aparat matematyczny do oceny jakości filtracji układów tej klasy oraz w podobny sposób interpretować uzyskane wyniki, co zostało pokazane na przykładzie oceny zniekształceń filtracji układu pasmowej filtracji falkowej sygnału EEG. Słowa kluczowe: analiza zniekształceń filtracji, analiza częstotliwościowa, systemy LTV, filtracja pasmowa GENERALISED FREQUENCY DOMAIN DISTORTION MEASURES FOR SYSTEMS OF LTI FILTER – DECIMATOR/INTERPOLATOR CLASS Summary. The paper proposes a generalization of the frequency domain distortion measures (amplitude, phase nonlinearity and interband aliasing) for systems belong to an LTI-decymator/interpolator class which is a subclass of LTV systems. By using the specific properties of LTI-decymator/interpolator class system, which are: the periodicity of the impulse response and the ability to obtain a so-called “reduced form”, it was possible to define the distortion measures in the same way as it is possible for the LTI systems. This allows to use a similar mathematical methods to evaluate the quality of the filters and also allows to interpret the results in a similar way, what was shown in exemplary evaluation of a wavelet multiband filtering system of EEG signal. Keywords: distortion evaluation, frequency domain analysis, LTV systems, multiband filtering 94 M. Lewandowski 1. WPROWADZENIE W przypadku rzeczywistych układów filtrujących często zachodzi potrzeba oceny zniekształceń, jakie dany układ wnosi do filtrowanego sygnału [14], [1]. Zniekształcenia filtracji można opisywać względem parametrów (charakterystyk) układów [5] bądź też względem sygnałów filtrowanych przez te układy [11]. Dodatkowo zniekształcenia można zdefiniować w jednej z wybranych dziedzin (np. czasu, częstotliwości, transformaty Z). Skutkiem tak szerokich możliwości wyboru sposobu opisu zniekształceń jest duża swoboda w konstruowaniu funkcjonałów określających wskaźniki jakości filtracji. Wygodnym sposobem opisu zniekształceń od strony parametrów układów jest przyjęcie, że oceniamy badany układ względem pewnego referencyjnego układu odniesienia [5]. W układzie przedstawionym na rys.1 wejściowy dyskretny sygnał x[i] jest podawany równocześnie na badany filtr LTI (ang. linear time-invariant – liniowy czasowo niezmienniczy) o impulsowej funkcji przejścia h[i] oraz filtr odniesienia opisany funkcją h0[i]. x[i] filtr odniesienia h0[i] y0[i] filtr badany h[i] y[i] Rys. 1. Metoda oceny zniekształceń filtracji wykorzystująca referencyjny filtr odniesienia Fig. 1. Evaluation of filtering distortion using reference filter Metoda wykorzystująca filtr odniesienia pozwala w elastyczny sposób zdefiniować funkcjonały opisujące rozpatrywane typy zniekształceń filtracji (amplitudowe, fazowe, opóźnienia itd.) w zależności od wyboru tego filtru. W pracy [5] przedstawiono definicje funkcjonałów opisujących trzy częstotliwościowe wskaźniki zniekształceń filtracji: amplitudowy, nieliniowości fazy oraz aliasingu międzypasmowego, które zostały zdefiniowane dla układów LTI. Interpretację wskaźników przedstawionych w [5] przedstawiono na rys.2. Charakterystykę częstotliwościową badanego filtru LTI oznaczono H(f), a charakterystykę filtru odniesienia jako H0(f). Kolorem szarym oznaczono obszary, których pole powierzchni jest proporcjonalne do zniekształceń danego typu. Wskaźniki zostały opisane następującymi zależnościami: EA 1 f g fd H( f ) H fg fd 0 ( f ) df , 2 (1) Uogólnione częstotliwościowe wskaźniki ... E EP 1 f g fd 1 fd fd 0 95 arg( H ( f )) arg( H ( f )) df , (2) H ( f ) df , (3) fg fd 1 H ( f ) df fN fg 2 fN fg 0 2 2 gdzie: E A – wskaźnik zniekształceń amplitudowych w przedziale częstotliwości f d , f g , E – wskaźnik zniekształceń fazowych w przedziale częstotliwości f d , f g , EP – wskaźnik aliasingu międzypasmowego dla pasma przepustowego f d , f g , H ( f ) – zespolona charakterystyka częstotliwościowa filtru odniesienia, H 0 ( f ) – zespolona charakterystyka częstotliwościowa filtru badanego, f N – częstotliwość Nyquista. Rys. 2. Interpretacja wskaźników jakości filtracji: a) zniekształceń amplitudy, b) alisingu międzypasmowego, c) zniekształceń (nieliniowości) fazy Fig. 2. Intepretation of filtering distortion measures: a) amplitude distortion, b) interband aliasing, c) phase nonlinearity Tak określone wskaźniki zniekształceń zostały następnie z dobrym skutkiem wykorzystane w pracy [6] do analizy szerokiej klasy układów LTI służących do filtracji sygnałów EEG. W niniejszej pracy przedstawiono rozszerzenie definicji wskaźników opisanych równaniami (1), (2) i (3) na pewną podklasę układów liniowych zmiennych w czasie LTV (ang. linear time-varying) nazwaną: filtr LTI-decymator/interpolator. 96 M. Lewandowski 2. TRANSMISYJNY OPIS UKŁADÓW KLASY FILTR LTI – DECYMATOR/INTERPOLATOR W dziedzinie czasu dyskretnego opis transmisyjny dowolnego układu LTV można wyrazić przez parametryczną impulsową funkcję przejścia h i, k (rys.3). LTV x[i] z[i] h[i,k] Rys. 3. Dyskretny układ LTV opisany parametryczną impulsową funkcją przejścia Fig. 3. Discrete LTV system described by parametric impulse-response function Przedstawiona na rys. 3 parametryczna impulsowa funkcja przejścia jest opisana zależnością [3]: z i x k h[i, k ] , (4) k gdzie h i, k oznacza parametryczną impulsową funkcję przejścia układu LTV, x[k] oznacza dyskretny sygnał wejściowy, a z[i] dyskretny sygnał na wyjściu układu LTV. Idea parametrycznej impulsowej funkcji przejścia jest bezpośrednim rozwinięciem idei impulsowej funkcji przejścia dla układów liniowych czasowo-niezmienniczych (ang. LTI), która stanowi fundament analizy układów tej klasy [1], [14]. Funkcja h(·,·) dwóch zmiennych i,k może być również interpretowana jako rodzina funkcji h i,k k const . dla ustalonych wartości parametru (wskaźnika) k. Przytoczona zależność (4) może być stosowana dla dowolnej klasy liniowych układów dyskretnych zmiennych w czasie. Do tej klasy układów zaliczają się również układy klasy filtr LTI-decymator/interpolator szeroko omawiane m.in. w pracy [6]. Można zauważyć, że w takim układzie zmienność odpowiedzi impulsowej w czasie jest spowodowana przez decymatory i interpolatory, które służą do zmiany częstotliwości próbkowania sygnału. Zgodnie z definicją podaną w [6], przez pojęcie klasy układów filtr LTI - decymator/interpolator należy rozumieć tylko takie układy LTV, które zawierają jedynie filtry LTI, decymatory i interpolatory, i które dają się sprowadzić do postaci przedstawionej na rys.4. x[i] ha[i] m m h s[i] Rys. 4. Zredukowana postać układu klasy filtr LTI-decymator/interpolator Fig. 4. Reduced form of LTI-decimator/interpolator system y[i] Uogólnione częstotliwościowe wskaźniki ... 97 Przedstawiona na rys.4 postać układu zawiera dwa zastępcze filtry LTI (filtr ha i oraz filtr hs i ) oraz decymator i interpolator częstotliwości próbkowania rzędu m. Okazuje się, że klasa takich układów jest dosyć szeroka i są one często stosowane w praktyce [6]. Można do nich zaliczyć m.in. układy falkowej filtracji sygnałów [7]. Cechą charakterystyczną układów klasy filtr LTI-decymator/interpolator jest fakt, że parametr k występujący w zależności (4) jest zależny jedynie od rzędu decymatora i interpolatora. Z właściwości kaskadowego połączenia decymatora i interpolatora tych samych rzędów wynika [10], że ich parametryczna impulsowa funkcja przejścia będzie okresowa względem zmiennej k z okresem równym m zgodnie z następującą zależnością: hre i, k h i, k m (5) gdzie hre i, k jest parametryczną impulsową funkcją przejścia układu łańcuchowego połączenia decymatora i interpolatora rzędu m. Jak więc wynika z okresowości funkcji przejścia względem zmiennej k, dla układu klasy filtr LTI-decymator/interpolator istnieje jedynie m niezależnych od siebie impulsowych funkcji przejścia. Zależność (5) jest charakterystyczna dla układów tej klasy i nie jest prawdziwa dla całej klasy układów LTV. Problematyka charakterystyk czasowo-częstotliwościowych układów LTV w sensie bardziej ogólnym była analizowana m. in. w pracach [2, 12]. Okresowość charakterystyki względem parametru k została wykorzystana przy konstruowaniu układowych wskaźników zniekształceń dla układu filtracji klasy filtr LTI-decymator/interpolator. 3. UOGÓLNIONE CZĘSTOTLIWOŚCIOWE WSKAŹNIKI ZNIEKSZTAŁCEŃ FILTRACJI Mając daną parametryczną okresową impulsową funkcję przejścia układów klasy filtr LTI-decymator/interpolator, można zdefiniować jego parametryczną charakterystykę częstotliwościową jako transformatę Fouriera tej funkcji: H ( f , k ) h[i, k ], f R , i, k N (6) Posiadając sparametryzowaną względem zmiennej k charakterystykę częstotliwościową układu, można skonstruować częstotliwościowe wskaźniki zniekształceń filtracji w sposób analogiczny, jak to zrobiono w pracy [5] dla układów LTI. Dla wskaźnika zniekształceń amplitudowych można napisać: 98 M. Lewandowski E A [k ] H ( f , k) H 1 fg fd fg fd 0 ( f , k ) df , 2 kN, (7) gdzie: E A k – funkcja zniekształceń amplitudowych w przedziale częstotliwości f d ; f g , H 0 ( f , k ) – parametryczna charakterystyka częstotliwościowa filtru odniesienia, H ( f , k ) – parametryczna charakterystyka częstotliwościowa filtru badanego. Wykorzystując fakt okresowości parametrycznej odpowiedzi impulsowej układu względem zmiennej k (por. wzór (5)), można zdefiniować uogólniony wskaźnik zniekształceń amplitudowych jako: EA 1 m f g fd H ( f , k) H m fg k 1 f d 0 ( f , k ) df , 2 (8) gdzie m jest rzędem reduktora/ekspandera dla danego układu klasy filtr LTI-decymator/ interpolator. Można zauważyć, że przy braku w układzie dycymatora i interpolatora (rząd decymatora i interpolatora m=1), wskaźnik EA przyjmie nieparametryczną postać słuszną dla układów LTI (por. z zależnością (1)). W analogiczny sposób można zdefiniować uogólniony wskaźnik zniekształceń fazowych oraz uogólniony wskaźnik aliasingu międzypasmowego: 1 E m f g fd EP 1 m 1 m k 1 f d arg H ( f , k ) arg H m fg k 1 f d f fd f 0 H f , k 2 1 fN fg 0 ( f , k ) df , 2 2 H f , k , f fg f fN (9) (10) gdzie: E – uogólniony wskaźnik zniekształceń fazowych w paśmie f d ; f g , EP – uogólniony wskaźnik aliasingu międzypasmowego dla pasma przepustowego f d ; f g . Tak zdefiniowane wskaźniki nie są co prawda bezpośrednio porównywalne ze wskaźnikami zdefiniowanymi zależnościami (1), (2) i (3) (poza wskazanym już przypadkiem, gdy m=1), pozwalają jednak porównywać między sobą różne układy klasy filtr LTIdecymator/interpolator pod warunkiem przyjęcia tego samego filtru odniesienia H0(f,k). Uogólnione częstotliwościowe wskaźniki ... 99 Podobna jest również interpretacja wyznaczonych wskaźników, co stanowi ich największą zaletę, gdyż odwołują się one do pojęć dobrze znanych z szeroko stosowanego w literaturze modelu częstotliwościowego opisu układów LTI. 4. PRZYKŁAD ANALIZY ZNIEKSZTAŁCEŃ W UKŁADZIE FALKOWEJ FILTRACJI PASMOWEJ SYGNAŁU EEG Sygnał EEG (elektroencefalograficzny) jest sygnałem odzwierciedlającym bioelektryczną aktywność mózgu [13]. W wielu przypadkach przed przystąpieniem do właściwej analizy sygnału EEG od strony lekarskiej, celowy jest jego podział na pewne charakterystyczne podpasma: delta (0.3-3Hz), theta (4-7Hz), alpha (8-13Hz), beta (14-30Hz) [9], które odzwierciedlają fizjologiczne stany aktywności mózgu. W pracy [6] przedstawiono metodę filtracji pasmowej sygnałów EEG, wykorzystującą selektywną transformatę falkową. Filtracja pasmowa sygnałów EEG ma na celu wyodrębnienie charakterystycznych podpasm tego sygnału [13] i ma duże znaczenie praktyczne [9], [4]. Na rys. 5 przedstawiono układ falkowej filtracji pasmowej sygnału EEG, przeznaczony do ekstrakcji jego pasm charakterystycznych z użyciem filtrów falkowych. Na rys. 5 można zauważyć, że przedstawiony układ falkowej filtracji pasmowej dokonuje dekompozycji sygnału wejściowego x[i] na pięć sygnałów pasmowych, z których cztery sygnały reprezentują pasma charakterystyczne: yd[i] (delta), yt[i] (theta), ya[i] (alfa), yb[i] (beta), a sygnał y1[i] zawiera pozostałą część pasma sygnału (częstotliwości powyżej pasma beta). Jest również możliwa powtórna rekonstrukcja sygnału x[i] na podstawie uzyskanych sygnałów pasmowych, i to bez względu na wybraną falkę macierzystą, co wynika bezpośrednio z właściwości transformaty falkowej (zdolność do tzw. perfekcyjnej rekonstrukcji sygnału [14]). Z właściwości transformaty falkowej wynika również budowa zastosowanych filtrów analizy h[i], g[i] i syntezy h’[i], g’[i] falkowej, które zależą bezpośrednio od zastosowanej falki [14]. Różnice między poszczególnymi falkami macierzystymi, a co za tym idzie i odpowiednimi filtrami, mogą być znaczne [8] i mogą one dotyczyć zarówno charakterystyk częstotliwościowych filtrów (amplitudowej i fazowej), jak i ich właściwości dynamicznych. W układzie przedstawionym na rys. 5 można również zauważyć decymatory i interpolatory rzędu 2, które są elementem typowym w układach filtracji pasmowej. Ponieważ układy falkowej filtracji pasmowej zaliczają się do układów klasy filtr LTIdecymator/interpolator, więc ścieżkę sygnału dla każdego z pasm przedstawionych na rys. 5 można sprowadzić do postaci zredukowanej przedstawionej na rys. 4, co zostało szerzej omówione w pracy [6]. Umożliwia to wyznaczenie uogólnionych wskaźników jakości filtracji zdefiniowanych zależnościami (8), (9) i (10) dla każdego z pasm przedstawionych na rys. 5. Badaniom poddano układ o strukturze przedstawionej na rys. 5, wykorzystujący falki z rodziny Daubechies o rzędach od 1 do 10. Uzyskane wyniki dla uogólnionego wskaźnika zniekształceń amplitudowych (8) przedstawiono na rys. 6. 100 x[i] M. Lewandowski g[i] 2 h[i] 2 g[i] 2 h[i] 2 g[i] 2 h[i] 2 g[i] 2 2 2 2 h[i] analiza 2 g '[i] y1[i] 2 g'[i] 2 h '[i] yb[i] 2 g '[i] 2 h'[i] 2 h '[i] ya[i] g'[i] 2 h '[i] 2 h'[i] 2 h '[i] yt[i] h '[i] 2 h '[i] 2 h'[i] 2 h '[i] yd[i] selektywna synteza wskaźnik zniekształceń Rys. 5. Układ falkowej filtracji pasmowej sygnału EEG Fig. 5. Wavelet multiband filtering system of an EEG signal 0.60 0.50 0.40 0.30 0.20 0.10 0.00 Zniekształcenia amplitudowe - falki Daubechies 1 2 3 delta 4 5 6 rząd falki theta alpha 7 8 9 10 beta Rys. 6. Wyznaczone wartości wskaźnika EA dla falek Daubechies rzędu 1-10 Fig. 6. Calculated values of EA for Daubechies wavelets of order 1-10 Analizując wskaźnik zniekształceń amplitudowych przedstawiony na rys. 6, można zauważyć, że jest on multimodalną funkcją rzędu falki dla wszystkich podpasm sygnału. Charakterystyczne jest, że stosunkowo najgorsze wyniki (największe zniekształcenia) występują dla falek o rzędach 2 i 3 dla wszystkich pasm charakterystycznych. Tych rozwiązań należy więc unikać przy wybieraniu rzędu zastosowanej falki. Na rys. 7 przedstawiono wyznaczone wartości uogólnionego wskaźnika zniekształceń fazowych E . wskaźnik zniekształceń [rad] Uogólnione częstotliwościowe wskaźniki ... 101 Nieliniowość fazy - falki Daubechies 0.25 0.20 0.15 0.10 0.05 0.00 1 2 3 delta 4 5 6 rząd falki theta alpha 7 8 9 10 beta Rys. 7. Wyznaczone wartości wskaźnika E dla falek Daubechies rzędu 1-10 Fig. 7. Calculated values of E for Daubechies wavelets of order 1-10 wskaźnik zniekształceń Obserwując wskaźnik nieliniowości fazy przedstawiony na rys. 5, można zauważyć łagodny trend wzrostowy wraz ze zwiększaniem się rzędu falki, przy czym widoczne są wyraźnie lokalne wahania wartości wskaźnika. Zerowa wartość wskaźnika dla falki rzędu 1 daje się łatwo wytłumaczyć liniowością fazy filtrów dla falki Daubechies rzędu 1 [8]. Na rys. 8 przedstawiono wyznaczone wartości wskaźnika aliasingu międzypasmowego. Aliasing międzypasmowy - falki Daubechies 1.20 1.00 0.80 0.60 0.40 0.20 0.00 1 2 3 delta 4 5 6 rząd falki theta alpha 7 8 9 10 beta Rys. 8. Wyznaczone wartości wskaźnika EP dla falek Daubechies rzędu 1-10 Fig. 8. Calculated values of EP for Daubechies wavelets of order 1-10 W przypadku wskaźnika aliasingu międzypasmowego wartość wskaźnika jest praktycznie niezależna od rzędu falki dla pasma delta i dla wszystkich przebadanych 102 M. Lewandowski przypadków równa 1. Dla pozostałych podpasm wartość wskaźnika zniekształceń monotonicznie maleje wraz ze wzrostem rzędu falki. 5. WNIOSKI Dzięki wykorzystaniu specyficznych właściwości układów klasy filtr LTI-decymator/interpolator, jakimi są: okresowość impulsowej funkcji przejścia oraz możliwość sprowadzenia układu do tzw. postaci zredukowanej, możliwe było zdefiniowanie wskaźników zniekształceń filtracji w sposób analogiczny, jak jest to możliwe dla układów LTI. Pozwala to stosować podobny aparat matematyczny do oceny jakości filtracji układów tej klasy oraz w podobny sposób interpretować uzyskane wyniki. Przedstawiony przykład analizy zniekształceń filtracji dla układu falkowej filtracji pasmowej sygnałów EEG pokazuje, że uzyskane wyniki mają podobną interpretację do tych, jakie pozwalają uzyskać wskaźniki przedstawione w pracy [5] dla układów LTI. BIBLIOGRAFIA 1. Antoniou A.: Digital Signal Processing – Signals, Systems and Filters. McGraw-Hill, Canada, 2006. 2. Belmont M. R., Matthews J. J.: Generalized Frequency Responses Applied to Circuits with Time Varying Elements. “IEE Proc. Circuits Devices and Systems.” 1995 Vol. 142, p. 217-222. 3. D’Angelo H.: Linear Time Varying Systems. Analysis and Synthesis. Allyn and Bacon, Boston 1970. 4. Huang R.S., Tsai L.L., Chung J.: Selection of Valid and Reliable EEG Features for Predicting Auditory and Visual Alertness Levels. “Proc. Natl. Sci. Counc. ROC(B)” 2001, Vol. 25, No. 1, p. 17-25. 5. Lewandowski M., Walczak J.: Frequency domain distortion analysis of single level multiband filtration system based on selected IIR filters, XXX IC-SPETO, Ustroń, Maj 2007 (Angielski), vol. II, s. 105-106. 6. Lewandowski M.: Wybrane metody filtracji pasmowej sygnałów. Praca doktorska. Wydział Elektryczny Politechniki Śląskiej, Gliwice 2009. 7. Lewandowski M., Walczak J.: Application of wavelet transform to multiband EEG signal decomposition. XXIX IC-SPETO, Ustroń, Maj 2006, vol. II, s. 357-360. 8. Misiti M., Misiti Y., Oppenheim, G. J., Poggi M.: Wavelet Toolbox. The MathWorks Inc., 2001. Uogólnione częstotliwościowe wskaźniki ... 103 9. Principe J.C., Smith J.R., Balakrishnan S.K., Paige A.: Microcomputer-Based Digital Filters for EEG Processing. “IEEE Transactions on Acoustic, Speech and Signal Processing” 1979, Vol. ASSP-27, No. 6, p. 697-705. 10. Vaidyanathan P. P.: Multirate Systems and Filter Banks. Prentice Hall Signal Processing Series, 1993. 11. Walczak J., Lewandowski M.: Porównawcza metoda oceny zniekształceń procesu filtracji cyfrowej sygnałów niestacjonarnych. XXVIII IC SPETO, Ustroń, Maj 2005, vol. II, s. 375-378. 12. Walczak J., Romanowska A.: Frequency Responses of the First Order LTV Section with Exponentially Varying Parameter. Proceedings of XII Conference ZKwE 2007, Poznań, kwiecień 2007. 13. Walczak J., Lewandowski M.: Multiband decomposition of EEG signals. X Konferencja ZKwE, Poznań, Kwiecień 2005 (Angielski), s. 137-138. 14. Zieliński T.P.: Cyfrowe przetwarzanie sygnałów od teorii do zastosowań. WKŁ, Warszawa 2005. Dr inż. Michał LEWANDOWSKI Politechnika Śląska Wydział Elektryczny, Instytut Elektrotechniki i Informatyki ul. Akademicka 10 44-100 Gliwice Tel. (32) 237-10-18; e-mail [email protected]