Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduccion
Filtro adaptado
Extensiones
Indice
Introduccion
Filtro adaptado
Extensiones
I. Santamara
Introduccion
Filtro adaptado
Extensiones
Introduccion
Consideramos un caso particular del problema de deteccion binaria: deteccion de una forma de onda conocida (determinista) en ruido
Si el ruido es Gaussiano, el detector optimo es una funcion lineal de las observaciones: ltro adaptado Aplicaciones:
1 2
I. Santamara
Introduccion
Filtro adaptado
Extensiones
Indice
Introduccion
Filtro adaptado
Extensiones
I. Santamara
Introduccion
Filtro adaptado
Extensiones
E=
n=0
(s[n])2
H1 H0
I. Santamara
Introduccion
Filtro adaptado
Extensiones
s[n]x[n]
n=0
H1 H0
siendo = 2 ln() + E/2 Hemos encontrado el estadstico suciente del problema de deteccion Filtro adaptado
N 1
T (x) =
n=0
s[n]x[n]
H1 H0
Introduccion
Filtro adaptado
Extensiones
x[n]
s[n]
n=0
N 1
T ( x)
> <
H1 H0
T ( x)
x[n]
h[n]
n = N 1
s[ N 1 n] h[n] = 0, n=0,...,N-1 resto
> <
H1 H0
I. Santamara
Introduccion
Filtro adaptado
Extensiones
14
T ( x)
8 8
x[n]
3
h[n]
1
n = N 1
T ( x)
n=0 n=0
> <
H1 H0
Propiedad Una propriedad interesante del ltro adaptado es que el ltro que maximiza la SNR en el instante de muestreo n = N 1
I. Santamara
Introduccion
Filtro adaptado
Extensiones
s[n]x[n]
N 1 n=0
s[n]r[n]
= 2 E
T (x)|H0 N (0, 2 E)
N 1 n=0
Bajo H1 : T (x) =
1
s[n](s[n] + r[n])
=E = 2 E
E [T (x)|H1 ] =
N 1 2 n=0 (s[n])
I. Santamara
Introduccion
Filtro adaptado
Extensiones
Calculo de Pd y Pf a
f ( x | H0 ) f ( x | H1 )
2E
2E
Pd = Q
E E
Pf a = Q
2
Pd y Pf a solo dependen de E y ! Las prestaciones del ltro adaptado solo dependen de la energa de la forma onda
Tema 2: Deteccion de una forma de onda conocida en ruido I. Santamara
Introduccion
Filtro adaptado
Extensiones
Indice
Introduccion
Filtro adaptado
Extensiones
I. Santamara
Introduccion
Filtro adaptado
Extensiones
pero ahora el vector ruido r = (r[0], . . . , r[N 1]) sigue una distribucion r N (0, C) La senal que deseamos detectar la agrupamos en el vector T s = (s[0], . . . , s[N 1]) El problema es el mismo de siempre: hay que obtener el cociente de versomilitudes
Tema 2: Deteccion de una forma de onda conocida en ruido I. Santamara
Introduccion
Filtro adaptado
Extensiones
I. Santamara
Introduccion
Filtro adaptado
Extensiones
sT C1 s 2
I. Santamara
Introduccion
Filtro adaptado
Extensiones
1 2 I,
y obtenemos
N 1
x[n]s[n]
n=0
Estamos correlando las observaciones normalizadas x [n] = con una version normalizada de la forma de onda s [n] =
s[n] n
x[n] n
I. Santamara
Introduccion
Filtro adaptado
Extensiones
Ruido no Gaussiano
Si el ruido no es Gaussiano el detector optimo tpicamente resulta ser no lineal Supongamos el problema siguiente H1 : H0 : x[n] = s[n] + r[n], x[n] = r[n], n = 0, , N 1, n = 0, , N 1,
siendo r[n] un ruido blanco con distribucion Laplaciana f (r[n]) = 1 exp |r[n]| (mas picuda en el origen que la 2 Gaussiana) El detector optimo ahora es una funcion no lineal de los datos (comprobar)
N 1
H1 H0
I. Santamara
Introduccion
Filtro adaptado
Extensiones
Conclusiones
Detectar una forma de onda conocida en ruido es un problema habitual en multitud de aplicaciones Bajo ruido AWGN el detector optimo es el ltro adaptado Si el ruido es Gaussiano pero esta correlado el detector sigue siendo lineal, pero algo mas complicado que el ltro adaptado Si el ruido no es Gaussiano, el detector optimo es no lineal
I. Santamara