Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
En principio el objetivo es hacer que la seal de error sea cero, para ello el sistema debe
configurarse para que, a partir de la seal de entrada x(n) se genera la salida y(n) de forma
que sea igual a la seal deseada d(n). Cada una de las formas de minimizar ese error es un
mtodo de implementar los filtros adaptativos. Por ejemplo se podra proponer minimizar
la funcin de coste J= e 2 (n), aplicando la regla delta se obtendran los nuevos
coeficientes como:
Donde la constante se usa para ajustar la velocidad convergencia y evitar posibles
inestabilidades. Operando se llega a esta otra ecuacin:
Parmetros:
M: orden del filtro
: tamao del paso
Si se dispone de informacin acerca del vector de coeficientes de filtro (n), usarla para
elegir un valor apropiado para (0). En caso contrario usar (0)=0.
Datos:
Calcular:
Cmputo:
Para n= 0, 1, 2, 3Calcular
Seal de error:
Donde W(n) son los valores de los pesos que se generan por el algoritmo RLS, con estos
valores de pesos obtenemos el valor de y(n) a la salida de filtro, el valor del error est dado
por la siguiente ecuacin:
Las principales frmulas utilizadas por el algoritmo CMA son los siguientes:
Ecuacin de pesos CMA:
Donde R es una constante positiva que depende de las propiedades del sistema, valor de
u, nmero de elementos, etc. Esto lo en la siguiente ecuacin.
El algoritmo CMA proviene del algoritmo de SATO, desarrollado en 1974, siendo la nica
diferencia que el algoritmo de SATO es el orden 1, y el algoritmo CMA es de orden 2. En el
orden 2 es cuando el algoritmo CMA tiene su mximo rendimiento. El valor de Rp lo
obtenemos de los valores estimados de la seal de entrada evaluados para nmeros de
canal p de la siguiente ecuacin:
El algoritmo CMA suele emplearse de dos maneras distintas una es para igualacin ciega y
la otra es para desconvolucin.
El algoritmo DMI es un algoritmo que utiliza matrices en un lazo de control, puede usar
multicanales, en funcin de frecuencia, fase, etc
El algoritmo DMI utiliza las frmulas de Rxx de la correlacin cruzada, pero evaluada entre
dos valores N1 Y N2, donde N1 y N2 son los lmites de iteraciones en donde se evaluar la
sumatoria de Rxx que ser uno de los valores que nos permitir obtener los pesos en el
algoritmo DMI, este valor de Rxx a su inversa se la multiplica por el valor de rxx.
Donde rxx ser igual a d(n)*u, d(n) es la seal de referencia, y u es la seal de entrada al
filtro evaluada en el intervalo N1, N2.
Es muy til el filtrado adaptativo en casos en los que la seal de voz est inmersa en un
ambiente muy ruidoso. En este caso, el esquema general es el que sigue:
Idealmente el sistema elimina el ruido por completo, pero, en la prctica, slo es reducido
considerablemente. Esto es muy utilizado en los aviones militares, para mejorar la
inteligibilidad en las comunicaciones por radio, ya que, en estado normal, el micrfono del
piloto capta su voz, pero tambin capta ruido. Para cancelar ese ruido (o, al menos,
reducirlo), se usa como referencia de ruido un segundo micrfono colocado en el avin
pero lejos de la boca del piloto, para que tan slo capte el ruido.
CANCELACIN DE ECOS EN CANALES TELEFNICOS
Se estudiar posteriormente.
Nos referimos aqu a la utilizacin de un sistema adaptativo para encontrar el filtro FIR que
mejor reproduce la respuesta de otro sistema cuya respuesta frecuencia es desconocida a
priori.
FILTRO ADAPTATIVO EN SIMULINK
Seal + Ruido
Error
Salida
Filtros Digitales
Los filtros digitales realizan la funcin del filtro a travs de algoritmos numricos. El proceso se
realiza mediante el diagrama de bloques siguiente:
Estos trminos se refieren a las diferentes respuestas al impulso de ambos tipos de filtros.
En la figura 1.3.1.a retardamos ligeramente una copia de la seal de entrada (de uno o
varios perodos de muestreo) y combinamos la seal de entrada retrasada con la nueva
seal de entrada. Los filtros digitales basados en este funcionamiento se dice que son de
respuesta impulsional finita o FIR (Finite Impulse Response). En la figura 1.3.1.b
retardamos una copia de la seal de salida, la cual combinamos con la nueva seal de
entrada. Los filtros digitales basados en este funcionamiento se dice que son de respuesta
impulsional infinita o IIR (Infinite Impulse Response). Tambin se les denomina filtros
recursivos o con feedback. La respuesta al impulso de un filtro digital es la secuencia de
salida cuando se aplica un impulso unidad a su entrada (un impulso unidad es muy simple,
tan slo una secuencia consistente en un valor 1 en el instante de tiempo t=0, seguido de
ceros para todas las muestras siguientes, lo que se llama tambin una Delta de Kronecker).
FILTROS FIR
Los filtros FIR, son filtros digitales de respuesta impulsional finita (Finite Impulse Response)
se basan en obtener la salida a partir, exclusivamente, de las entradas actuales y
anteriores. As, para un filtro de longitud N:
Donde los {bk } son los coeficientes del filtro. El orden del filtro est dado por N , es decir,
el nmero de coeficientes.
FILTROS IIR
Los Filtros IIR son filtros digitales que si su entrada es un impulso (una delta de Kronecker)
la salida ser un nmero ilimitado de trminos no nulos, es decir, que nunca volver a un
estado de reposo. Para obtener la salida se emplean valores de la entrada actual y valores
de entrada anteriores y, adems, valores de salida anteriores que son almacenados en
memoria y realimentados a la entrada. Tambin se llaman filtros digitales recursivos. Su
expresin en el dominio discreto es:
El orden del filtro est dado por el mximo entre P y Q . Una de las posibles estructuras
para un filtro IIR es la siguiente:
Se puede ver cmo la salida y(k) es introducida de nuevo en el sistema. La transformada Z
del mismo es:
Vemos que ahora tenemos un denominador, es decir, ceros adems de polos, que son los
causantes de las posibles inestabilidades que pueden comprometer la estabilidad y
causalidad del sistema. Los filtros IIR pueden conseguir una misma respuesta empleando
un nmero de coeficientes en el filtro mucho menor, requiriendo un menor tiempo de
clculo.
Filtro Wiener
Los filtros de Wiener son los mejores filtros lineales de mnimo cuadrados, que pueden ser
usados para prediccin, estimacin, interpolacin, filtrado de seal y ruido, etc.
Para disearlos se necesita tener un conocimiento previo apropiado de las propiedades
estadsticas de la seal de entrada. El problema reside en que este conocimiento
generalmente no se puede obtener.
En su lugar se usan filtros adaptativos adaptativos, que hacen uso de los datos estadsticos
requeridos.
La teora de Wiener es importante para el presente estudio por que los filtros adaptativos
que sern empleados convergen asintticamente ( en media) en las soluciones de Wiener.
El valor mnimo del error determina los coeficientes ptimos del filtro, es decir su mejor
diseo.
Dnde:
W: Vector de coeficientes
Tan cercana como sea posible, en sentido cuadrtico-medio, a la respuesta deseada d(n).
El anuncio del problema es idntico para filtros FIR y para IIR, pero existe una gran
diferencia que cambia la solucin.
Para el filtro FIR, existe un nmero finito de posibles coeficientes del filtro, mientras que
con filtro IIR, el nmero de incgnitas, es decir, de valores de h(n) para toda n, es infinito.
Con el siguiente cdigo, podremos obtener un filtro de orden p con el que realizar una
estimacin de ruido auditivo de la seal de formacin.
K=1:N; vector
N=eps*randn(N,1);
plot(x'r');
pause;
Seal + Ruido
Filtrado Wiener en Matlab
r=xcorr(x); %Correlamos la seal de entrada
R=toeplitz(r(N:N+P-1));
ptemp=xcorr(x,d);
p=ptemp(N:N+P-1);
W = R\p
% coeficiente de filtros que aparecen en w son los coeficientes que mejor filtran el ruido
de la seal
xrec=filter(W,1,x);
plot(xrec);
hold on;
hold of;
Salida