ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow [1985]: Chapter Haykin [1]: Chapter 5 Saye [3]: Chapter Boroujeny [1999]: Chapter Bose [3]: Chapter 7 Chassaing [4]: Chapter 7 7 Nicolas sapatsoulis 1
Εισαγωγή εδοµένης µιας στάσιµης στοχαστικής διεργασίας X( µε γνωστά στατιστικά χαρακτηριστικά (συνάρτηση αυτοσυσχέτισης r(k)) στην οποία επιδρούν ανεπιθύµητες διαταραχές (θόρυβος v() το φίλτρο εκείνο το οποίο επιτυγχάνει τη βέλτιστη αποµάκρυνση του θορύβου ονοµάζεται βέλτιστο γραµµικό φίλτρο ή φίλτρο Wiener. Το ανωτέρω πρόβληµα (απαλοιφή θορύβου) διατυπώνεται σε διάφορες παραλλαγές, όπως: Αναγνώριση (µοντελοποίηση) συστήµατος Αντίστροφη µοντελοποίηση συστήµατος Γραµµική πρόβλεψη των δειγµάτων της στοχαστικής διεργασίας Σε πρακτικό περιβάλλον σπάνια η συνάρτηση αυτοσυσχέτισης της στοχαστικής διεργασίας Χ( είναι γνωστή και εποµένως το πρόβληµα ανάγεται στην εύρεση ενός φίλτρου το οποίο προσεγγίζει στο µέγιστο δυνατό βαθµό το φίλτρο Wiener. 7 Nicolas sapatsoulis Βέλτιστο Γραµµικό Φιλτράρισµα Το πρόβληµα του βέλτιστου γραµµικού φιλτραρίσµατος διατυπώνεται ως εξής: Έστω µια πραγµάτωση = [ n) n-m)] (Τ δηλώνει το ανάστροφο ενός διανύσµατος ή πίνακα) µιας διεργασίας και η επιθυµητή έξοδος τη χρονική στιγµή n. Να βρεθούν οι συντελεστές του γραµµικού φίλτρου w = [w w 1 w M ] ώστε η πραγµατική έξοδος y( να προσεγγίζει όσο το δυνατό περισσότερο την επιθυµητή έξοδο (δηλαδή το σφάλµα εκτίµησης e( να είναι όσο το δυνατό µικρότερο). 7 Nicolas sapatsoulis
Περιορισµοί: Βέλτιστο Γραµµικό Φιλτράρισµα (II) Το φίλτρο πρέπει να είναι γραµµικό ώστε η µαθηµατική ανάλυση του προβλήµατος (βέλτιστο φιλτράρισµα) να είναι εφικτή Το φίλτρο πρέπει να είναι ψηφιακό (ακριβέστερα διακριτού χρόνου) ώστε να επιτρέπει υλοποίηση σε ψηφιακούς υπολογιστές ή επεξεργαστές σήµατος (DSPs) Επιλογές που επηρεάζουν το πρόβληµα: Τύπος φίλτρου (FIR ή IIR?). Τα IIR φίλτρα απαιτούν, εν γένει, λιγότερους υπολογισµούς αλλά παρουσιάζουν προβλήµατα αστάθειας τα οποία είναι κρίσιµα αντοφίλτροµας είναι προσαρµοστικό (οι συντελεστές του µεταβάλλονται µε το χρόνο). Ως αποτέλεσµα σχεδόν πάντοτε χρησιµοποιούνται FIR φίλτρα για την υλοποίηση προσαρµοστικών συστηµάτων Στατιστικό κριτήριο βελτιστοποίησης (κόστους). Παρότι υπάρχουν διάφορες επιλογές ως προς το κριτήριο βελτιστοποίησης, το πλέον συνηθισµένο είναι το µέσο τετραγωνικό σφάλµα (MSE). Ολόγοςείναιη δυνατότητα εύκολης µαθηµατικής ανάλυσης την οποία επιδέχεται 7 Nicolas sapatsoulis Κριτήριο Μέσου Τετραγωνικού Έστω ότι λαµβάνουµε ως κριτήριο βελτιστοποίησης το µέσο τετραγωνικό σφάλµα Θεωρώντας ότι το φίλτρο του οποίου τους συντελεστές αναζητούµε είναι γραµµικό τάξης Μ ισχύει: M y( = wk n k) = w k = e ( ] { y( } ] 7 Nicolas sapatsoulis 3
Κριτήριο Μέσου Τετραγωνικού (ΙΙ) Με βάση τις δύο προηγούµενες σχέσεις το κριτήριο βελτιστοποίησης εκφράζεται ως: { } ] { }{ }] { ( u ( w + w u ( w}] ( ] w E[ ] + w E[ u ( ] w = σ w p + w R w u όπου σ είναι η διασπορά της διεργασίας εισόδου (όπως καταγράφεται µέσω της πραγµάτωσης ) η οποία θεωρείται ότι έχει µηδενική µέση τιµή, p = [p () p (1) p (M)] είναι το διάνυσµα ετεροσυσχέτισηςτης επιθυµητής εξόδου τη χρονική στιγµή n µετηνπραγµάτωση, R u είναι ο πίνακας αυτοσυσχέτισης (Μ+1)x(Μ+1) στοιχείων της στοχαστικής διεργασίας εισόδου 7 Nicolas sapatsoulis 15 1 5 1 5 w 1-5 MSE as a function of weights w w1-5 Μορφή του Μέσου Τετραγωνικού w.5..15.1.5 5 1 MSE as a function of weights w w1.5.55.6.65.7.75.8 Ηπροηγούµενη σχέση για το κριτήριο J(w) αποτελεί µια τετραγωνική µορφή έχει τη µορφή πολυδίαστασης παραβολής µε ένα µοναδικό ελάχιστο. Στο σχήµα απεικονίζεται το µέσο τετραγωνικό σφάλµα γιατην περίπτωση Μ = (w =[w w 1 ]) w 7 Nicolas sapatsoulis 4
Εξισώσεις Wiener-Hoph Για την εύρεση των συντελεστών w που αντιστοιχούν στο βέλτιστη λύση παραγωγίζουµε τοmse ως προς w και εξισώνουµε µε µηδέν: J ( w) = σ w p + w Ruw = p + Ruw εδοµένης της µορφής του MSE (βλέπε προηγούµενη διαφάνεια) είναι φανερό ότι αυτό έχει ένα µοναδικό ακρότατο το οποίο και είναι ελάχιστο. Οι εξισώσεις R uw = p είναι γνωστές ως εξισώσεις Wiener-Hoph. Με τη βοήθεια τους µπορούµε ναυπολογίσουµε τους συντελεστές του βέλτιστου γραµµικού φίλτρου w o : w R 1 = o u p Το ελάχιστο µέσο τετραγωνικό σφάλµα (MSE) δίνεται από τη σχέση: J min = σ p w = σ p o R 1 u p 7 Nicolas sapatsoulis Η αρχή της ορθογωνιότητας Μια σηµαντική ιδιότητα της λύσης Wiener (συντελεστές w o ) του βέλτιστου γραµµικού φίλτρου είναι η ορθογωνιότητα του ελάχιστου σφάλµατος e o ( τόσο µε τηνπραγµάτωση όσο και µε τηνέξοδο y o ( του βέλτιστου φίλτρου: J ( w) e( e ( ] e( ] M e( = y( = wk n k) = k = J ( w) εδοµένου ότι για το βέλτιστο φίλτρο πρέπει: = χρειάζεται: e( o E[ e( ] = E[ e ( ] = o o o E[ e ( y ( ] e ( w ] o Η αρχή της ορθογωνιότητας αποτελούν ένα πρακτικό τρόπο ελέγχου αν ένα φίλτρο λειτουργεί µε τουςβέλτιστουςσυντελεστές. Σε µια τέτοια περίπτωση το σφάλµα εκτίµησης πρέπει να έχει εσωτερικό γινόµενο, τόσο µε τοδιάνυσµα εξόδουόσοκαι µε τοδιάνυσµα εισόδου, ίσο µε µηδέν 7 Nicolas sapatsoulis 5
1.5 1.5 -.5.5 Η αρχή της ορθογωνιότητας (ΙΙ) Error of optimum solution e (blue line) an input realization u (re line) 1 3 4 5 6 7 8 9 1 Στο σχήµα απεικονίζεται το σφάλµα εκτίµησης e o ( (µπλε γραµµή) σε λειτουργία βέλτιστου φίλτρου καθώς και η έξοδος y o ( (κόκκινη γραµµή). Είναι φανερό πως το σφάλµα και η έξοδος είναι µεταξύ τους ασυσχέτιστα (κάθετα) όπως αναµένεται από τη αρχή της ορθογωνιότητας 7 Nicolas sapatsoulis Παραδείγµατα Να βρεθεί το φίλτρο Wiener τάξης Μ =, για την ισοστάθµιση του τηλεπικοινωνιακού διαύλου του σχήµατος. Τα σήµατα v 1 ( και v ( αντιστοιχούν σε λευκό θόρυβο µε µηδενική µέση τιµή καιδιασπορές σ v1 =.31 σ v1 =.1 και είναι µεταξύ τους ανεξάρτητα. Η επιθυµητή έξοδος είναι το σήµα. Με πράσινο χρώµα: Στοχαστική ιεργασία Εισόδου Με µπλε χρώµα: Τηλεπικοινωνιακός ίαυλος Με πορτοκαλί χρώµα: Φίλτρο Wiener v1( v( x( x( Z -Kw1.796 Z.931 Z -Kw y( y( a1 c1 e( Scope 7 Nicolas sapatsoulis 6