Escolar Documentos
Profissional Documentos
Cultura Documentos
asp
Capitulo 10 - Efeitos de arredondamento em Filtros Digitais
Na ltima parte do Captulo 6, discutimos as representaes nmero
finito de preciso para fins de execuo das operaes de filtragem em
hardware digital. Em particular, estamos focados no processo de nmero de
quantizao, as caracterizaes de erro resultantes, e os efeitos do
coeficiente de filtro quantizao sobre especificaes de filtro e respostas.
Neste captulo, alargar ainda mais os efeitos do finito de preciso efeitos
numricos para os aspectos de filtragem no processamento de sinais.
Comeamos por discutir analgico-digital (A / D) de rudo de
converso utilizando as representaes de nmeros e caractersticas de erro
de quantizao desenvolvidas no Captulo 6. Em seguida, analisam a
multiplicao e adio de quantizao (coletivamente conhecido como
aritmtica de erro de arredondamento) modelos. Os efeitos destes erros na
sada do filtro so discutidos como dois tpicos: erros correlacionados
chamados ciclos limite e rudo de arredondamento no co-rrelacionadas.
10.1 ANLISE DE A/D RUDO DE QUANTIZAO
A partir das caractersticas de quantificador obtidos no Captulo 6,
bvio que o valor de Q quantizado [x] uma operao linear sobre o valor
de x. Da a anlise exata dos efeitos palavra de comprimento finito em
filtros digitais geralmente difcil e tem de se considerar tcnicas de anlise
menos ideais que funcionam bem na prtica.
Uma dessas tcnicas a tcnica de modelao estatstica. Ele
converte o problema de anlise no-linear em um linear e nos permite
examinar as caractersticas de sada de erro. Nesta tcnica, vamos supor
que o quantificado valor Q [x] uma soma do valor x exata e o erro de
quantificao e, que se presume ser uma varivel aleatria. Quando x (n)
aplicado como uma sequncia de entrada para o quantificador, o erro e (n)
assumido
como
sendo
uma
sequncia
aleatria.
Em
seguida,
modelo
para
modelo
em
(10.1)
para
ser
usando
um
histograma
(ou
um
grfico
de
barras
de
de
planejar.
Para
determinar
independncia
amostra
uniformemente,
as
amostras
no
so
independentes.
As
parcelas
sinais
prticos
processados
usando
um
chip
DSP
so
10.1.4 TRUNCAGEM
A partir de (6,57), o PDF FET (e) de Et (n) uniforme ao longo de [-,
0], como mostrado na Figura 10.7a. Em seguida, a mdia de eT (n) dada
pela
meT_= E[eT(n)] = /2 (10.4)
e a variao :
equao (10.5)
e a variao :
equao (10.8)
ainda mais interessante do que os filtros FIR. Os efeitos sobre filtros de FIR
so estudadas no NextSection.
Vamos nos restringir operao de arredondamento da quantizer
devido s suas qualidades estatsticos superiores (nenhum preconceito ou
valor mdio). De (6.59), sabemos que, para a operao de arredondamento,
o erro quantizer, eR, tem as mesmas caractersticas em todos os trs
formatos de representao nmero. Da para fins de simulao MATLAB,
vamos considerar o formato de grandeza de sinal, porque fcil de
programar e simular a operao aritmtica. No entanto, na prtica, formato
complemento de dois a representao nmero tem vantagens sobre os
outros em termos de implementao de hardware.
Implementao de filtros digitais requer operaes aritmticas de
multiplicao
adio.
Se
dois
nmeros
fracionrios
bits
so
no
houver
nenhuma
entrada.
Ciclos
limites
um
tal
Em
seguida,
na
prtica,
duas
caractersticas
de
for n = m+2
yn1 = y(n-1);
y(n) = QFix(a*yn1,3,round,satur) + x(n);
end
subplot(position,[0.42,0.2,0.24,0.6]);
plot([-1,20],[0,0],w); axis([-1,10,-1,1]); hold on;
Hs_1
=
stem([-1,m],y,filled);set(Hs_1,markersize,3,color,
[0,1,0]);
set(gca,ytick,[-1:0.25:1],fontsize,6);
ylabel(Amplitude,fontsize,8);
title(\alpha = 0.5, Rounding,fontsize,10);
xlabel(Sample index n,fontsize,8);
% Highpass filter, Truncation operation in multiplier
a = -0.5; yn1 = 0; m = 0:10; y = [yn1, zeros(1,length(m))];
x = 0.875*impseq(m(1),m(1)-1,m(end));
for n = m+2
yn1 = y(n-1);
y(n) = QFix(a*yn1,3,trunc,satur) + x(n);
end
subplot(position,[0.76,0.2,0.24,0.6]);
plot([-1,20],[0,0],w); axis([-1,10,-1,1]); hold on;
Hs_1
=
stem([-1,m],y,filled);set(Hs_1,markersize,3,color,
[0,1,0]);
set(gca,ytick,[-1:0.25:1],fontsize,6);
ylabel(Amplitude,fontsize,8);
title(\alpha = -0.5, Truncation,fontsize,10);
xlabel(Sample index n,fontsize,8);
Os lotes resultantes so mostradas na Figura 10.10. O sinal de sada
da esquerda enredo concorda com que no Exemplo 10.5 e tem um perodo
de dois assinttica amostras. A trama meio para = 0,5 (filtro passa baixo)
mostra que o ciclo limite possui um perodo de uma amostra com uma
amplitude de 8. Finalmente, o enredo direita mostra que os ciclos limites
desaparecer para a operao de truncagem. Este comportamento para o
operao de truncamento tambm exibido para os filtros passa-baixa. No
caso de 2 ordem e de ordem superior filtros digitais, limite granular ciclos
no s existem, mas tambm so de vrios tipos. Estes ciclos em 2ndorder
filtros podem ser analisados, e-band mortos bem como a freqncia das
oscilaes pode ser estimado. Por exemplo, se o filtro recursivo de todos os
plos
implementado
com
arredondamento
quantizadores
nos
em vez
de
muitos
filtros
diferentes
podem
ser
estudadas
para
diferentes
Uma
investigao
mais
aprofundada
deste
erro
pode
ser
Cdigo:
clear; close all;
% Example parameters
B = 6; N = 500000; xn = (2*rand(1,N)-1); bM = 7; c = 1/sqrt(2);
% Signal and Coefficient Quantization
xq = (round(xn*(2^B)))/(2^B); c = (round(c*(2^B)))/(2^B);
cxq = c*xq; % Multiplication of constant and signal
% Quantization error analysis
[H1,H2,Q, estat] = StatModelR(cxq,B,N);
H1max = max(H1); H1min = min(H1); % Max and Min of H1
H2max = max(H2); H2min = min(H2); % Max and Min of H2
As parcelas do histograma resultante so mostradas na Figura 10.16.
Mesmo para B = 6 bits, as amostras de erro parecem ser uniformemente
distribudo (embora de forma discreta) e so independentes um do outro. As
parcelas correspondentes para B = 12 bits so mostrados na Figura 10.17.
claro para B = 12 bits que as amostras do erro de quantificao so
independentes e uniformemente distribudo. Os leitores devem verificar as
estatsticas desses erros apresentados na (10,7), (10,9), e (10.10).
A partir destes dois exemplos, conclui-se que o modelo estatstico
para o erro de quantificao de multiplicao, com os seus pressupostos
declarados, um bom modelo para sinais aleatrios quando o nmero de
bits no quantif icador grande o suficiente.
10.2.5 ESTATSTICA de arredondamento NOISE-FIXO-aritmtica de
ponto
Nesta e
na prxima
seo,
vamos considerar os
efeitos de
desenvolvido
na
seo
anterior.
Desde
destacamos
devido a e (n) e deixe que (n) a resposta ao impulso de rudo (isto , entre
o e (n) e Q (n)). Para o sistema na Figura 10.18c He (n) = h (n) = nu (n)
(10,38). Usando (10,12) e (10.7), a mdia de q (n) Equao (10,39).
Da mesma forma, utilizando (10,15), a varincia de q (n) Equao
(10,40)
Substituindo 2e = 2-2B / 12 para arredondamento e ele (n) a partir
de (10.38), obtemos Equao (10.41), que a potncia de rudo de sada
devido ao arredondamento aps a multiplicao.
No entanto, tambm temos de evitar um possvel estouro seguinte a
vbora. Deixe Y1 (n) o sinal na sada do adicionador na Figura 10.18a, que
neste caso igual a y (n). Agora, o limite superior sobre y1 (n) Equao
(10.42).
Deixe a sequncia de entrada ser delimitada por Xmax (isto , | x (n) |
Xmax). Ento Equao (10.43).
Desde y1 (n) representado por B bits de frao, temos | y1 (n) | 1.
A condio (10,43) podem ser satisfeitas atravs da exigncia Equao
(10.44). Assim, para evitar transbordamento x (n) tem de satisfazer a
Equao (10,45). Assim, a entrada deve ser dimensionado antes de ser
aplicado ao filtro como mostra a Figura 10.19.
Relao sinal-para-rudo Iremos agora calcular o efeito palavra de
comprimento finito, em termos da relao entre a sada de sinal-para-rudo
(SNR). Assume-se que no h excesso na sada por x adequadamente
escalonamento (n). Seja x (n) uma sequncia branco estacionrio,
uniformemente distribuda entre Equao (10.46). Portanto, y (n) tambm
uma sequncia aleatria estacionrio com mdia minha Equao (10.47).
Usando (10,41) e (10,47), a sada de SNR Equao (10,48) ou o SNR
em dB Equao (10,49)
Deixe = 1- | |, que a distncia do plo do crculo unitrio. ento
Equao (10,50), que um resultado muito informativo. Em primeiro
lugar, ele mostra que o SNR directamente proporcional B e aumenta em
cerca de 6 dB para cada bit adicional adicionado ao comprimento de
palavra. Em segundo lugar, a SNR tambm directamente proporcional
distncia . Quanto menor for o (ou mais perto do poste para o crculo
unitrio), menor o SNR, que uma consequncia das caractersticas do
filtro. Como um exemplo, se B = 6 e = 0,05, em seguida, a SNR = 16,12
dB e se B = 12 e = 0,1, em seguida, a SNR = 58,26 dB.
ser
quantificado
em
cada
sem
se
preocupar
com
simular
esse
modelo
em
MATLAB
investigar
suas
para
bits.
sinal
de
entrada
distribudo
simular
esse
modelo
em
MATLAB
investigar
suas
Vamos
considerar
separadamente
os
efeitos
do
rudo
de
apenas o estouro da soma total. Assim, esta anlise o mesmo para ambas
as implementaes da Figura 10,26 e semelhante ao usado para o filtro IIR
de (10,42) - (10,44). O limite superior de y (n) obtido como Equao
(10,83), em que Xmax o limite superior de x (n). Para garantir que | y (n) |
1, temos o fator de escala em Xmax x (n) como Equao (10.84), que o
fator de escala mais conservador. H outros fatores de escala, dependendo
do exemplo aplicativos-para, os sinais de banda estreita usar Xmax 1,
max | H (e) | e de banda larga sinais aleatrios usar Xmax 1 / 4x | h
(n) | 2. Usando (10,84) e assumindo que x (n) distribudo uniformemente
sobre [-Xmax, Xmax +], a potncia do sinal de entrada dada pelo Equao
(10,85). Alm disso, assumindo que x (n) tambm uma sequncia de
branco, a potncia do sinal de sada dada pela Equao (10,86) .Assim, a
sada SNR Equao (10,87), em que A = H para o modelo na Figura 10.26b
ou A = 1 para o modelo na Figura 10.26c. A SNR correspondente em dB
Equao (10,88).
10.3.2 anlise utilizando MATLAB
Esta simulao em MATLAB pode ser feito em paralelo, pois no h
caminho de feedback para os erros de multiplicao de quantizao. Usando
a funo Qfix funo com o modo 'round', vamos calcular a sada do
multiplicador quantificado. No caso de M quantizadores, assumindo formato
two'scomplement, vamos usar o modo 'twosc' para cada quantificador.
Apenas a soma final ser quantizada e saturada. No caso de um
quantificador, precisamos do modo 'satur'. Estes passos de simulao
encontram-se detalhados no exemplo a seguir.
EXEMPLO 10.13 Deixe uma quarta-ordem (M = 5) filtro FIR
ser dada pela Equao (10.89), que implementado como uma
forma directa com B = 12 quantizadores bits fracionrios. Calcule
SNRs para os modelos na Figura 10.26b e c e verific-los por meio
de simulaes de MATLAB.
Soluo: Vamos precisar as quantidades | h (n) | 2 e (| h (n) |) 2.
Estas quantidades devero ser calculados utilizando 12 bits de quantizao
dos coeficientes do filtro. Estes valores quantificados utilizando os nmeros
so | h (n) | 2 = 0,2599 e (| h (n) |) 2 = 1. Usando (10,88), a sada de SNR
2.
seces ao longo com um ganho constante B0, que pode ser obtido
utilizando a funo dir2cas: (10.96). Note-se que alguns destes
coeficientes so maiores do que 1, o que vai causar problemas com
o coeficiente de quantizao quando os bits fraccionais nica B so
utilizados. Assim, preciso dimensionar cada seo conforme
explicado. Os valores so escalados (10,97) e b0 = 1. Assim no
precisamos para dimensionar a entrada. Agora G1 (n) = h2 (n) e G2
(n) = 1 em (10,94). Assim, a partir de (10,95), a sada SNR 70,96
dB, o que compara bem com a aplicao de um multiplicador de
forma
directa
(72,41
dB).
Estes
clculos
erro
histograma
Esse tipo de
filtro FIR que se podem utilizar, sob a forma directa e a forma da estrutura
so os frequentemente utilizados em aplicaes de filtragem adaptativa. A
estrutura do filtro FIR forma direta com ajustveis coeficientes h (0), h
(1),. . . , H (n - 1) ilustrada na Figura 11.1. Por outro lado, os parmetros
ajustveis em uma estrutura de trelia FIR so os coeficientes de reflexo
Kn mostrados na Figura 6.18.
Uma considerao importante na utilizao de um filtro adaptvel o
critrio para optimizar os parmetros de filtro ajustvel. O critrio deve no
s proporcionar uma medida significativa do desempenho do filtro, mas
tambm deve resultar num algoritmo praticamente realizveis. Um critrio
que fornece uma boa medida do desempenho em aplicaes de filtragem
adaptativa o critrio de mnimos quadrados, e sua contraparte numa
formulao estatstica do problema, ou seja, a mdia quadrados de erro
(MSE) critrio. Os mnimos quadrados (MSE) e resultados critrio um ndice
de desempenho de uma funo quadrtica como dos coeficientes do filtro,
e, portanto, possui um mnimo nico. Os algoritmos resultantes para ajustar
os coeficientes do filtro so relativamente fceis de aplicar.
Neste captulo ns descrevemos um algoritmo bsico, o chamado
algoritmo menos meansquare (LMS), para ajustar de forma adaptativa os
coeficientes de um filtro FIR. A estrutura do filtro adaptvel que ser
implementada a estrutura do filtro FIR forma direta com ajustveis
coeficientes h (0), H (1),. . . , H (n - 1), como ilustrado na Figura 11.1. Depois
descrevemos o algoritmo LMS, ns aplic-la a vrios sistemas prticos em
que filtros adaptativos so empregados.
11.1 REGULAO DO COEFICIENTE DE LMS algoritmo para
Suponha que temos um filtro FIR com coeficientes ajustveis {h (k), 0
k n - 1}. Seja {x (n)} denotar a sequncia de entrada para o filtro, e
deixa a sada correspondente ser {y (n)}, onde y (n) = N-1 k = 0, h (k) x (n?
- k), n = 0,. . . , M (11.1). Suponha que ns tambm temos uma sequncia
desejada {d (n)} com a qual podemos comparar a sada do filtro FIR. Em
seguida, pode formar a sequncia de erro {e (n)}, tendo a diferena entre d
(n) e y (n), que , e (n) = d (n) - y (n), n = 0, . . . , M (11,2) Os coeficientes
do filtro FIR sero seleccionados para minimizar a soma dos quadrados dos
erros. Assim, temos (11.3), onde, por definio, (11.4) e (11.5).
um
mtodo
computacional
alternativo
para
determinar
os
parmetro
tamanho
do
passo?
controla
velocidade
de
enquanto
que
um
valor
pequeno
de?
resulta
em
menor
instvel. Para garantir a estabilidade,? devem ser escolhidos [22] para estar
na gama de (11.9), em que N o comprimento do filtro FIR adaptativa e Px
a potncia do sinal de entrada, que pode ser aproximada por (11,10). A
justificao matemtica das equaes (11.9) e (11,10) e a prova de que o
algoritmo de LMS leva soluo para os coeficientes de filtro ideal dada
em tratamentos mais avanados de filtros adaptativos. O leitor interessado
pode se referir aos livros por Haykin [8] e Proakis e Manolakis [23].
11.1.1 MATLAB EXECUO
O algoritmo de LMS (11.8) pode ser facilmente implementado em
MATLAB. Dada a sequncia de entrada {x (n)}, a sequncia desejada {d
(n)}, tamanho do passo?, E o comprimento desejado do filtro FIR adaptativa
N, podemos usar (11.1), (11.2) e (11.8 ) para determinar os coeficientes do
filtro adaptativo {h (n), 0 n N - 1} recursivamente. Isto mostrado da
seguinte funo, chamada LMS.
Cdigo:
function [h,y] = lms(x,d,delta,N)
% LMS Algorithm for Coefficient Adjustment
% ---------------------------------------% [h,y] = lms(x,d,delta,N)
% h = estimated FIR filter
% y = output array y(n)
% x = input array x(n)
% d = desired array d(n), length must be same as x
% delta = step size
% N = length of the FIR filter
%
M = length(x); y = zeros(1,M);
h = zeros(1,N);
for n = N:M
x1 = x(n:-1:n-N+1);
y = h * x1;
e = d(n) - y;
h = h + delta*e*x1;
end
Alm disso, a funo de LMS fornece a sada {y (n)} do filtro
adaptativo. Vamos aplicar o algoritmo LMS para diversas aplicaes prticas
que envolvem filtragem adaptativa.
11.2 Identificaao do sitema ou sistema de modelagem
Para formular o problema, vamos consulte a Figura 11.2. Temos um
sistema
linear
desconhecido
que
queremos
identificar.
sistema
(n)},
ir ser
utilizada
como entrada
para
o sistema
(n) e para subtrair a estimativa de x (n). Uma vez que a largura de banda de
{S (n)} estreito em comparao com a largura de banda de {w (n)}, as
amostras de {S (n)} so altamente correlacionadas. Por outro lado, a
sequncia de banda larga {w (n)} tem uma correlao relativamente
estreita.
A configurao geral do sistema de supresso de interferncia
mostrada na Figura 11.3. O sinal x (n) retardado por amostras D, onde D
o atraso escolhido suficientemente grande de modo a que os componentes
de sinal de banda larga w (n) e w (N - D), que esto contidas em x (n) e x (n
- D), respectivamente, no esto correlacionadas. A sada do filtro FIR
adaptvel a estimativa (11,13).
O sinal de erro que usado em optimizar os coeficientes do filtro FIR
e (n) = x (N) - s (n). A minimizao da soma dos quadrados dos erros de
novo leva a um conjunto de equaes lineares para determinar os
coeficientes de ptimos. Devido ao atraso de D, o algoritmo de LMS de
ajustamento dos coeficientes de forma recursiva torna-se (11,14).
11.3.1 PROJETO 11.2: supresso das interferncias SINUSOIDAL
Trs mdulos bsicos so necessrios para realizar este projeto.
1. Um mdulo gerador de sinal de rudo que gera uma sequncia de
banda larga {w (n)} de nmeros aleatrios com zero de valor mdio. Em
particular,
podemos
uniformemente
gerar
distribudos
uma
sequncia
usando
de
funo
nmeros
rand
como
aleatrios
descrito
da
interferncia.
resposta
do
filtro
de
supresso
de