Professional Documents
Culture Documents
Wiener
1.1Planteamientogeneral
1.2Filtrado ptimodeWiener
1.2.1Solucinideal:longitudinfinitaIIR,nocausal
1.2.2SolucinrealizableFIR
1.2.3SolucinrealizableIIR
1.3FiltradoAdaptativo
1.3.1Algoritmosdegradiente.
1.3.1.1 Gradienteexacto:SteepestDescent
1.3.1.2 Gradienteinstantneo:LMS(LeastMeanSquare)
1.3.1.3 Gradientemodificado:Newton
1.3.2AlgoritmosLS(Least Squares).
1.3.3AlgoritmosenelDominioTransformado.
1.4Aplicaciones
1.4.1Ecualizacinadaptativa
1.4.2Cancelacindeinterferencias
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
Tema1:FiltradoptimoMMSE. Wiener
1.1Planteamientogeneral
1.2Filtrado ptimodeWiener
1.2.1Solucinideal:longitudinfinitaIIR,nocausal
1.2.2SolucinrealizableFIR
1.2.3SolucinrealizableIIR
1.3FiltradoAdaptativo
1.3.1Algoritmosdegradiente.
1.3.1.1 Gradienteexacto:SteepestDescent
1.3.1.2 Gradienteinstantneo:LMS(LeastMeanSquare)
1.3.1.3 Gradientemodificado:Newton
1.3.2AlgoritmosLS(Least Squares).
1.3.3AlgoritmosenelDominioTransformado
1.4Aplicaciones
1.4.1Ecualizacinadaptativa
1.4.2Cancelacindeinterferencias
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
1.1Planteamientogeneral
Objetivo: Estimar unasealdeseadaapartirdeunconjuntode
datosomedidasdisponiblesdelamisma,enunsentidoptimo
segnuncriteriodebondadpreviamenteseleccionado
Nota:
Supondremos quelasseales,sistemasyestimadoresson,engeneral,
complejos.
EsquemaGeneraldelestimador:
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
1.1Planteamientogeneral
Criteriodeoptimizacin:Minimizarunamedidadedistancia
odeerrorenlaestimacin.Elestimadorserptimoeneste
sentido.
DichamedidaseexpresamedianteunadenominadaFuncinde
Coste,queesunfuncinmatemticadelerrordeestimacine(n):
L {e(n)}.
Estafuncindecosteseeligecomounafuncinsencilladee(n),
normalmentedetipoprobabilstico.Algunasposibles:
L {e(n}=E{e(n)},E{e(n)2},E{max e(n)},..
ElcriteriomsutilizadoeseldeMnimosCuadradoso
MinimumMeanSquareError(MMSE):
L {e(n}=E{e(n) 2}.
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
1.1Planteamientogeneral
PorquusarelCriterioMinimum MeanSquareError
(MMSE)?:L {e(n}=E{le(n)l2}=E{e(n).e*(n)}.
Suponeminimizarlapotenciadelerrordeestimacine(n).
Elproblemademinimizacinesmatemticamentetratable.
Implicanicamentealasestadsticasomomentosde1ery
2orden.
Silassealesx(n)yd(n)sondedistribucinGaussiana,la
estimacinesptimaenelsentidoestadstico:criteriosML
(Maximum Likelihood yMAP(Maximum aPosteriori
Probability).
Enesteltimocaso(distribucinGaussiana)lostres
estimadoresmscomunes(MMSE,MLyMAPcoinciden).
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
1.1Planteamientogeneral
Ejemplosdecriterios:
L {e(n)}
Se pondera mucho ms
los errores grandes
Se ponderan los errores
proporcionalmente a su valor
Se ponderan los errores poco
proporcionalmente a su valor
IeI1/10
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
1.1Planteamientogeneral
EstructuradelEstimador:enelcasodenuestrointers,el
estimadoreslineal.Esdecir,puedeinterpretarsecomoun
filtrolineal.
ElestimadorptimolinealconcriterioMMSE sedenomina
FiltrodeWiener.
EsquemaGeneraldelFiltradodeWiener:
W(z)
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
Tema1:FiltradoptimoMMSE. Wiener
1.1Planteamientogeneral
1.2Filtrado ptimodeWiener
1.2.1Solucinideal:longitudinfinitaIIR,nocausal
1.2.2SolucinrealizableFIR
1.2.3SolucinrealizableIIR
1.3FiltradoAdaptativo
1.3.1Algoritmosdegradiente.
1.3.1.1 Gradienteexacto:SteepestDescent
1.3.1.2 Gradienteinstantneo:LMS(LeastMeanSquare)
1.3.1.3 Gradientemodificado:Newton
1.3.2AlgoritmosLS(Least Squares).
1.3.3AlgoritmosenelDominioTransformado
1.4Aplicaciones
1.4.1Ecualizacinadaptativa
1.4.2Cancelacindeinterferencias
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
Universidad
Zaragoza
1.2FiltradoptimodeWiener
Generalmente
disponible
EsquemaGeneral:
Generalmente
disponible
Objetivo:obtenerloscoeficientesdelfiltroW(z)que
minimicenlapotenciadelerrorE{e(n)2}.
.
Solucin:Calcularelgradiente
deJ=E{e(n)2}respectodelos
coeficientesw eigualaracero.
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
w
i
0
w
J
w
i 1
.
Universidad
Zaragoza
1.2FiltradoptimodeWiener
SolucindeWiener.Casoconcoeficientesw complejos
J ( w) wu jv J (u jv) J (u , v) con u y v variables independientes
Dosposiblesenfoques:
A). Calcularporseparadolaparterealui ylaparteimaginariavi
ui J u 0
J J 0
i
vi
i wi ui jvi
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
10
Universidad
Zaragoza
1.2FiltradoptimodeWiener
B) Calculardirectamentewi ,derivandoconrespectoawi owi*?
Esdecir,usamoslaexpresindelgradientew dew*?.
Regla de la
cadena
Siwyw*seconsideranv.independientes,podemosescribir:
w w*
u 2
w u jv
*
w
w
v
2j
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
1 J
J J ui J vi 1 J
.
.
j .
.
2 vi
wi ui wi vi wi 2 ui
1 J
J J ui J vi 1 J
.
.
.
.
j
*
*
*
2 vi
wi ui wi vi wi 2 ui
11
Universidad
Zaragoza
1.2FiltradoptimodeWiener
B) Calculardirectamentewi,derivandoconrespectoawi owi*?
(cont.)
Ladefinicinadecuadadelgradientees=w* porque,deeste
modo,suparterealeimaginariaconservanelsignodelas
derivadasrespectoauyv:
J 1 J
1 J 1J
J 1
w
.
j .
j
u j v
*
wi 2 ui
vi 2
2 vi 2 ui
*
i
Obsrveseque,enelptimo,eslomismow=0 w*=0
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
12
Universidad
Zaragoza
1.2FiltradoptimodeWiener
Operacionescongradientecomplejoynotacin
vectorial:
Conmatemticacomplejahayalgunasrelacionesque
difierendelcasoreal:
w * W 0
w W 1
w * W 1
w W 0
w * (W .X ) X
w (W .X ) 0
w ( X .W ) 0
w ( X .W ) X *
w * (W .R xx .W ) R xx .W
w (W .R xx .W ) R xx .W
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
13
Universidad
Zaragoza
1.2.1Wiener.Solucinideal:IIRnocausal
d ( n)
w ( m) x ( n m) w ( n) x ( n)
*
Ojo! nomenclatura
e( n) d ( n) d ( n) d ( n)
w* (m) x ( n m)
e( n ) *
*
E
e
(
n
)
e
(
n
)
E
e ( n) 0
*
*
w (k )
w (k )
w* ( k )
e( n )
*
x
(
n
k
)
x
(
n
k
).
e
( n) 0 k
w* ( k )
PrincipiodeOrtogonalidad
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
14
Universidad
Zaragoza
1.2.1Wiener.Solucinideal:IIRnocausal
PrincipiodeOrtogonalidad (P.O.):
E x (n k ).e* ( n) 0 k
UsandoelfiltroptimoMMSE(Wiener)comoestimador,se
cumpleque:
Elerror cometidoenlaestimacinesortogonalalosdatosx(n)
^
usados(ytambinortogonalalaestimacind(n)porsersta
unacombinacinlinealdelosdatos).
ElPrincipiodeOrtogonalidad escondicinnecesariay
suficienteparaobtenerelptimoMMSE.
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
15
Universidad
Zaragoza
1.2.1Wiener.SolucinIIRnocausal
InterpretacinGeomtricadelPrincipiodeOrtogonalidad
E x ( n k )e* ( n) 0
x ( n k ) e ( n ) k
Caso de orden 2:
datos x(n) y x(n-1)
d(n)
e(n)
w1* x(n-1)
wo* x(n)
x(n)
^
d(n)
x(n-1)
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
16
Universidad
Zaragoza
1.2.1Wiener.SolucinIIRnocausal
RepresentacingeomtricadeJ=E{le(n)l2}
*
J E e( n)e ( n) E d ( n) w ( m) x ( n m) d ( n) w( m) x* ( n m)
m
m
Jesunaformacuadrticadeloscoeficientesw(m),ylafuncinJpuede
representarseporunhiperparaboloide denominadosuperficiedeerror:
*
J=
w1
Caso orden 2
w1
w0
w0
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
17
Universidad
Zaragoza
1.2.1Wiener.SolucinIIRnocausal
Sustituyendolaexpresindelerrore(n)enlaexpresindelP.O.:
E x ( n k )e* ( n) 0 E e( n) x* ( n k ) k
con e( n) d ( n)
E d ( n) x ( n k )
*
*
opt
( m) x ( n m)
*
wopt
( m) E x ( n m) x* ( n k ) 0
k ( , )
EcuacionesdeWienerHopf:
rdx ( k )
*
opt
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
18
k ( , )
Universidad
Zaragoza
1.2.1Wiener.SolucinIIRnocausal
SolucindeWienerIIRnocausaleneldominiofrecuencial
TransformandoambosmiembrosdelasecuacionesdeWienerHopf,resulta
en:
*
S dx (e j ) Wopt
(e j ) S xx (e j ) Sdx ( z ) Wo*pt ( z * ) S xx ( z )
j
S
e
(
)
j
*
dx
Wopt (e )
S xx (e j )
Sdx ( z )
W (z )
S xx ( z )
*
opt
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
19
Universidad
Zaragoza
1.2.1Wiener.SolucinIIRnocausal
Ejemplo1.1:Realce deunasealruidosaapartirdeuna
referenciaderuido
d(n)=s(n)+v(n)
^
Objetivo:Obtenerd(n),unaestimacindev(n).Minimizare(n),proporciona
unaestimacindes(n)conmximaSNR.
rdx (k ) E s (n) v(n) .v '* (n k ) rsv ' (k ) rvv ' ( k ) S dx (e j ) 0 Svv ' (e j )
rxx (k ) rv ' v ' (k ) S xx (e j ) Sv ' v ' (e j )
j
)
S
(
e
*
Wopt
(e j ) vv' j
S v ' v ' (e )
Ejercicio 1.3 .- Suponiendo que la referencia de ruido =x se obtiene a partir del ruido
interferente filtrado por una funcin H(z), obtener la expresin de Wopt (ejw). Comente el
resultado obtenido. Cul es la SNR obtenida en el proceso de realce?
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
20
Universidad
Zaragoza
1.2.2Wiener.SolucinrealizableFIR
J E e( n )
E e(n).e (n)
*
W(z)FiltroFIRcausaldeLcoeficientes(ordenL1)
L 1
H
w( n) 0, n 0, n L d ( n) w* ( m) x ( n m) w .x ( n)
m 0
Minimizacin de J E e( n)
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
w* (J)=0
21
Universidad
Zaragoza
1.2.2Wiener.SolucinrealizableFIR
Minimizacin de J E e(n)
w* (J)=0
J=E e(n)
(n).w E w
E d (n) E d (n) x (n) .w w .E x(n)d (n) w . E x(n).x (n) .w
J E d (n) P .w w (n).P w (n). R .w
E d (n)
E d (n) x
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
T
dx
22
*
dx
xx
Universidad
Zaragoza
1.2.2Wiener.SolucinrealizableFIR
ParaobtenerloscoeficientesptimosdeWiener o
solucinMMSE:
Minimizacin de J E e( n )
w* (J)=0
2
H
H
*
T
w* J 0 0 Pd*x Rxx .w 0
w = R xx-1 .Pdx* = R xx-1 .P
Rxx .w Pd*x
Ecuaciones de
Wiener-Hopf
Solucin de Wiener
Caso FIR
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
23
Universidad
Zaragoza
1.2.2Wiener.SolucinrealizableFIR
ClculodeJmin
J E d ( n)
P .w w H .P w H .R xx .w
con P P dx
*
wopt R xx .P
con P P dx
*
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
24
Universidad
Zaragoza
1.2.2Wiener.SolucinrealizableFIR
Ejemplo1.2.Casodualdefiltradodesealenruido(sealesreales)
x ( n) s ( n) v ( n)
rss (k ) 2.(0,8)
d ( n) s ( n)
rvv (k ) 2. (k )
rdx (k ) rss (k )
J min
0.3824
rdd (0) PdxT .w 2 2 1.6 1.28 . 0.2000 0.7647
0.1176
TratamientodeSealparaComunicaciones
Tema1.FiltradoptimoMMSE.Wiener
25
Universidad
Zaragoza