Você está na página 1de 109

Filtro de Wiener

Prof. André Cavalcante

Universidade Federal do Maranhão

Junho, 2016

Universidade Federal do Maranhão 1 / 109


Filtro de Wiener

Identificação de sistemas

Universidade Federal do Maranhão 2 / 109


Filtro de Wiener

Identificação de sistemas

Universidade Federal do Maranhão 3 / 109


Filtro de Wiener

Identificação de sistemas

onde o sistema H é desconhecido. Não sabemos se é FIR, causal,


sem memória. Os únicos valores conhecidos são a entrada x[n] e a
resposta d[n].

Universidade Federal do Maranhão 4 / 109


Filtro de Wiener

Identificação de sistemas

onde o sistema H é desconhecido. Não sabemos se é FIR, causal,


sem memória. Os únicos valores conhecidos são a entrada x[n] e a
resposta d[n].

Vamos assumir que o sistema H é LTI, causal e FIR

Universidade Federal do Maranhão 5 / 109


Filtro de Wiener

Identificação de sistemas

Se o sistema desconhecido H é LTI, causal e FIR, podemos


representa-lo por sua resposta ao impulso h[n]

Universidade Federal do Maranhão 6 / 109


Filtro de Wiener

Identificação de sistemas

Se o sistema desconhecido H é LTI, causal e FIR, podemos


representa-lo por sua resposta ao impulso h[n]

Universidade Federal do Maranhão 7 / 109


Filtro de Wiener

Identificação de sistemas

Se o sistema desconhecido H é LTI, causal e FIR, podemos


representa-lo por sua resposta ao impulso h[n]

E escrever
N
X
d[n] = hi x[n − i]. (1)
i=0

apesar que os valores hi são desconhecidos.

Universidade Federal do Maranhão 8 / 109


Filtro de Wiener

Identificação de sistemas

Vamos supor h[n] tenha ordem 2

Universidade Federal do Maranhão 9 / 109


Filtro de Wiener

Identificação de sistemas

Vamos supor h[n] tenha ordem 2

Universidade Federal do Maranhão 10 / 109


Filtro de Wiener

Identificação de sistemas

Exemplo: Quais seriam possı́veis valores para h0 e h1


sabendo que

Universidade Federal do Maranhão 11 / 109


Filtro de Wiener

Identificação de sistemas

Exemplo: Quais seriam possı́veis valores para h0 e h1


sabendo que

Universidade Federal do Maranhão 12 / 109


Filtro de Wiener

Identificação de sistemas

Outro ponto de vista

Universidade Federal do Maranhão 13 / 109


Filtro de Wiener

Identificação de sistemas

Outro ponto de vista

Note que pelo menos para esse conjunto de entradas o erro e = 0.


Universidade Federal do Maranhão 14 / 109
Filtro de Wiener

Identificação de sistemas

Universidade Federal do Maranhão 15 / 109


Filtro de Wiener

Identificação de sistemas

Como escolher coeficientes wi tal que a saı́da y[n] seja


similar à resposta desejada d[n] ?
Universidade Federal do Maranhão 16 / 109
Filtro de Wiener

Critério de busca

min E{(d − y)2 }. (2)


w0 ,...,wN

Universidade Federal do Maranhão 17 / 109


Filtro de Wiener

Critério de busca

min E{(d − y)2 }. (2)


w0 ,...,wN

Escrevendo y em notação vetorial

Universidade Federal do Maranhão 18 / 109


Filtro de Wiener

Critério de busca

min E{(d − y)2 }. (2)


w0 ,...,wN

Escrevendo y em notação vetorial

y = wT x. (3)

Universidade Federal do Maranhão 19 / 109


Filtro de Wiener

Critério de busca

min E{(d − y)2 }. (2)


w0 ,...,wN

Escrevendo y em notação vetorial

y = wT x. (3)

Então
min E{(d − wT x)2 }. (4)
w

Universidade Federal do Maranhão 20 / 109


Filtro de Wiener

Critério de busca

min E{(d − y)2 }. (2)


w0 ,...,wN

Escrevendo y em notação vetorial

y = wT x. (3)

Então
min E{(d − wT x)2 }. (4)
w
Desenvolvendo o erro médio quadrático

E{d2 − 2dwT x + wT xwT x}. (5)

Universidade Federal do Maranhão 21 / 109


Filtro de Wiener

Critério de busca

min E{(d − y)2 }. (2)


w0 ,...,wN

Escrevendo y em notação vetorial

y = wT x. (3)

Então
min E{(d − wT x)2 }. (4)
w
Desenvolvendo o erro médio quadrático

E{d2 − 2dwT x + wT xwT x}. (5)

E{d2 − 2dwT x + wT xxT w}. (6)


Universidade Federal do Maranhão 22 / 109
Filtro de Wiener

Critério de definição

E{d2 } − 2E{dwT x} + E{wT xxT w}. (7)


Note que os w1 , . . . , wN não são variáveis aleatórias entaão
podemos retira-los do operador de valor esperado
E{d2 } − 2wT E{dx} + wT E{xxT }w. (8)

Universidade Federal do Maranhão 23 / 109


Filtro de Wiener

Critério de definição

E{d2 } − 2E{dwT x} + E{wT xxT w}. (7)


Note que os w1 , . . . , wN não são variáveis aleatórias entaão
podemos retira-los do operador de valor esperado
E{d2 } − 2wT E{dx} + wT E{xxT }w. (8)
Definindo

Universidade Federal do Maranhão 24 / 109


Filtro de Wiener

Critério de definição

E{d2 } − 2E{dwT x} + E{wT xxT w}. (7)


Note que os w1 , . . . , wN não são variáveis aleatórias entaão
podemos retira-los do operador de valor esperado
E{d2 } − 2wT E{dx} + wT E{xxT }w. (8)
Definindo
dx = [ dx[n] dx[n − 1] . . . dx[n − N ] ]T . (9)

Universidade Federal do Maranhão 25 / 109


Filtro de Wiener

Critério de definição

E{d2 } − 2E{dwT x} + E{wT xxT w}. (7)


Note que os w1 , . . . , wN não são variáveis aleatórias entaão
podemos retira-los do operador de valor esperado
E{d2 } − 2wT E{dx} + wT E{xxT }w. (8)
Definindo
dx = [ dx[n] dx[n − 1] . . . dx[n − N ] ]T . (9)

E{dx} = [ E{dx} E{dx[n − 1]} . . . E{dx[n − N ]}]T . (10)

Universidade Federal do Maranhão 26 / 109


Filtro de Wiener

Critério de definição

E{d2 } − 2E{dwT x} + E{wT xxT w}. (7)


Note que os w1 , . . . , wN não são variáveis aleatórias entaão
podemos retira-los do operador de valor esperado
E{d2 } − 2wT E{dx} + wT E{xxT }w. (8)
Definindo
dx = [ dx[n] dx[n − 1] . . . dx[n − N ] ]T . (9)

E{dx} = [ E{dx} E{dx[n − 1]} . . . E{dx[n − N ]}]T . (10)

E{dx} = p. (11)
Universidade Federal do Maranhão 27 / 109
Filtro de Wiener

Definindo

xxT = (12)
 
x[n]
 x[n − 1]  
 x[n] x[n − 1] . . . x[n − N ] . (13)
 
 ..
 . 
x[n − N ]
 
x[n]x[n]
 
=


 (14)

Universidade Federal do Maranhão 28 / 109


Filtro de Wiener

Definindo

xxT = (15)
 
x[n]
 x[n − 1]  
 x[n] x[n − 1] . . . x[n − N ] . (16)
 
 ..
 . 
x[n − N ]
 
x[n]x[n] x[n]x[n − 1]
 
=


 (17)

Universidade Federal do Maranhão 29 / 109


Filtro de Wiener

Definindo

xxT = (18)
 
x[n]
 x[n − 1]  
 x[n] x[n − 1] . . . x[n − N ] . (19)
 
 ..
 . 
x[n − N ]
 
x[n]x[n] x[n]x[n − 1] . . . x[n]x[n − N ]
 
= 

 (20)

Universidade Federal do Maranhão 30 / 109


Filtro de Wiener

Definindo

xxT = (21)
 
x[n]
 x[n − 1]  
 x[n] x[n − 1] . . . x[n − N ] . (22)
 
 ..
 . 
x[n − N ]
 
x[n]x[n] x[n]x[n − 1] . . . x[n]x[n − N ]
x[n − 1]x[n] 
=


 (23)

Universidade Federal do Maranhão 31 / 109


Filtro de Wiener

Definindo

xxT = (24)
 
x[n]
 x[n − 1]  
 x[n] x[n − 1] . . . x[n − N ] . (25)
 
 ..
 . 
x[n − N ]

 
x[n]x[n] x[n]x[n − 1] . . . x[n]x[n − N ]
x[n − 1]x[n] x[n − 1]x[n − 1] 
=


 (26)

Universidade Federal do Maranhão 32 / 109


Filtro de Wiener

Definindo

xxT = (27)
 
x[n]
 x[n − 1]  
 x[n] x[n − 1] . . . x[n − N ] . (28)
 
 ..
 . 
x[n − N ]

 
x[n]x[n] x[n]x[n − 1] ... x[n]x[n − N ]
x[n − 1]x[n] x[n − 1]x[n − 1] . . . x[n − 1]x[n − N ]
=


(29)

Universidade Federal do Maranhão 33 / 109


Filtro de Wiener

Definindo

xxT = (30)
 
x[n]
 x[n − 1]  
 x[n] x[n − 1] . . . x[n − N ] . (31)
 
 ..
 . 
x[n − N ]

 
x[n]x[n] x[n]x[n − 1] ...
x[n]x[n − N ]
 x[n − 1]x[n] x[n − 1]x[n − 1] ...
x[n − 1]x[n − N ] 
=
 
.. 
 . 
x[n − N ]x[n] x[n − N ]x[n − 1] . . . x[n − N ]x[n − N ]
(32)
Universidade Federal do Maranhão 34 / 109
Filtro de Wiener

Definindo

E{xxT } = (33)

Universidade Federal do Maranhão 35 / 109


Filtro de Wiener

Definindo

E{xxT } = (33)
 
E{x[n]x[n]} E{x[n]x[n − 1]} ... E{x[n]x[n − N ]}
 E{x[n − 1]x[n]} E{x[n − 1]x[n − 1]} ... E{x[n − 1]x[n − N ]} 
=
 
.. 
 . 
E{x[n − N ]x[n]} E{x[n − N ]x[n − 1]} ... E{x[n − N ]x[n − N ]}
(34)

Universidade Federal do Maranhão 36 / 109


Filtro de Wiener

Definindo

E{xxT } = (33)
 
E{x[n]x[n]} E{x[n]x[n − 1]} ... E{x[n]x[n − N ]}
 E{x[n − 1]x[n]} E{x[n − 1]x[n − 1]} ... E{x[n − 1]x[n − N ]} 
=
 
.. 
 . 
E{x[n − N ]x[n]} E{x[n − N ]x[n − 1]} ... E{x[n − N ]x[n − N ]}
(34)

E{xxT } = R (35)

Universidade Federal do Maranhão 37 / 109


Filtro de Wiener

Substituindo
E{dx} = p (36)
e
E{xxT } = R (37)

Universidade Federal do Maranhão 38 / 109


Filtro de Wiener

Substituindo
E{dx} = p (36)
e
E{xxT } = R (37)
no erro médio quadrático

E{d2 } − 2wT E{dx} + wT E{xxT }w. (38)

Universidade Federal do Maranhão 39 / 109


Filtro de Wiener

Substituindo
E{dx} = p (36)
e
E{xxT } = R (37)
no erro médio quadrático

E{d2 } − 2wT E{dx} + wT E{xxT }w. (38)

E{d2 } − 2wT p + wT Rw. (39)

Universidade Federal do Maranhão 40 / 109


Filtro de Wiener

Substituindo
E{dx} = p (36)
e
E{xxT } = R (37)
no erro médio quadrático

E{d2 } − 2wT E{dx} + wT E{xxT }w. (38)

E{d2 } − 2wT p + wT Rw. (39)

= f (w) (40)

Universidade Federal do Maranhão 41 / 109


Filtro de Wiener

Substituindo
E{dx} = p (36)
e
E{xxT } = R (37)
no erro médio quadrático

E{d2 } − 2wT E{dx} + wT E{xxT }w. (38)

E{d2 } − 2wT p + wT Rw. (39)

= f (w) (40)

: RN → R. (41)
Universidade Federal do Maranhão 42 / 109
Filtro de Wiener

48 f (w) = E{d2 } − 2wT 2p Fundamentals


+ wT Rw. of Adaptive Filtering (42)

250

200

150
MSE

100

50

0
25
20 25
15 20
10 15
w0
10
5 5 w1
0 0

Fig. 2.4 Mean-square error surface


Universidade Federal do Maranhão 43 / 109
Revisão de cálculo vetorial
Diferenciação de uma função f (w) de valor real de parmetro
vetorial w. " #T
∂f ∂f ∂f ∂f
= , ,..., . (43)
∂w ∂w0 ∂w1 ∂wN

Universidade Federal do Maranhão 44 / 109


Revisão de cálculo vetorial
Diferenciação de uma função f (w) de valor real de parmetro
vetorial w. " #T
∂f ∂f ∂f ∂f
= , ,..., . (43)
∂w ∂w0 ∂w1 ∂wN
Caso 1
N
X
f (w) = wT x = wi x i = w0 x 0 + w1 x 1 + · · · + wN x N . (44)
i=0

Universidade Federal do Maranhão 45 / 109


Revisão de cálculo vetorial
Diferenciação de uma função f (w) de valor real de parmetro
vetorial w. " #T
∂f ∂f ∂f ∂f
= , ,..., . (43)
∂w ∂w0 ∂w1 ∂wN
Caso 1
N
X
f (w) = wT x = wi x i = w0 x 0 + w1 x 1 + · · · + wN x N . (44)
i=0

Assim " #T
∂f
= x0 , x1 , . . . , xN . (45)
∂w

Universidade Federal do Maranhão 46 / 109


Revisão de cálculo vetorial
Diferenciação de uma função f (w) de valor real de parmetro
vetorial w. " #T
∂f ∂f ∂f ∂f
= , ,..., . (43)
∂w ∂w0 ∂w1 ∂wN
Caso 1
N
X
f (w) = wT x = wi x i = w0 x 0 + w1 x 1 + · · · + wN x N . (44)
i=0

Assim " #T
∂f
= x0 , x1 , . . . , xN . (45)
∂w
Em forma vetorial
∂f
= x. (46)
∂w
Universidade Federal do Maranhão 47 / 109
Revisão de cálculo vetorial
Caso 2
f (w) = wT Rw, (47)
onde R é simétrica.
N X
N
" #" #
r00 r01 w0 X
[w0 w1 ] = wi rij wj . (48)
r10 r11 w1
i=0 j=0

Universidade Federal do Maranhão 48 / 109


Revisão de cálculo vetorial
Caso 2
f (w) = wT Rw, (47)
onde R é simétrica.
N X
N
" #" #
r00 r01 w0 X
[w0 w1 ] = wi rij wj . (48)
r10 r11 w1
i=0 j=0
" #
w0
[w0 r00 + w1 r01 w0 r10 + w1 r11 ] (49)
w1

Universidade Federal do Maranhão 49 / 109


Revisão de cálculo vetorial
Caso 2
f (w) = wT Rw, (47)
onde R é simétrica.
N X
N
" #" #
r00 r01 w0 X
[w0 w1 ] = wi rij wj . (48)
r10 r11 w1
i=0 j=0
" #
w0
[w0 r00 + w1 r01 w0 r10 + w1 r11 ] (49)
w1

w0 r00 w0 + w1 r01 w0 + w0 r10 w1 + w1 r11 w1 (50)


Assim
∂f
= 2r00 w0 + r01 w1 + r10 w1 (51)
∂w0

Universidade Federal do Maranhão 50 / 109


Revisão de cálculo vetorial
Caso 2
f (w) = wT Rw, (47)
onde R é simétrica.
N X
N
" #" #
r00 r01 w0 X
[w0 w1 ] = wi rij wj . (48)
r10 r11 w1
i=0 j=0
" #
w0
[w0 r00 + w1 r01 w0 r10 + w1 r11 ] (49)
w1

w0 r00 w0 + w1 r01 w0 + w0 r10 w1 + w1 r11 w1 (50)


Assim
∂f
= 2r00 w0 + r01 w1 + r10 w1 (51)
∂w0
∂f
= 2r00 w0 + r01 w1 + r01 w1 (52)
∂w0
Universidade Federal do Maranhão 51 / 109
Revisão de cálculo vetorial

∂f
= 2r00 w0 + 2r01 w1 (53)
∂w0

Universidade Federal do Maranhão 52 / 109


Revisão de cálculo vetorial

∂f
= 2r00 w0 + 2r01 w1 (53)
∂w0
N
∂f X
=2 r0j wj . (54)
∂w0
j=1

Universidade Federal do Maranhão 53 / 109


Revisão de cálculo vetorial

∂f
= 2r00 w0 + 2r01 w1 (53)
∂w0
N
∂f X
=2 r0j wj . (54)
∂w0
j=1

N
∂f X
=2 rij wj . (55)
∂wi
j=1

Universidade Federal do Maranhão 54 / 109


Revisão de cálculo vetorial

∂f
= 2r00 w0 + 2r01 w1 (53)
∂w0
N
∂f X
=2 r0j wj . (54)
∂w0
j=1

N
∂f X
=2 rij wj . (55)
∂wi
j=1
" #T
∂f ∂f ∂f ∂f
= , ,..., . (56)
∂w ∂w0 ∂w1 ∂wN
Para gerar o vetor acima, precisamos da seguinte operação vetorial

Universidade Federal do Maranhão 55 / 109


Revisão de cálculo vetorial

∂f
= 2r00 w0 + 2r01 w1 (53)
∂w0
N
∂f X
=2 r0j wj . (54)
∂w0
j=1

N
∂f X
=2 rij wj . (55)
∂wi
j=1
" #T
∂f ∂f ∂f ∂f
= , ,..., . (56)
∂w ∂w0 ∂w1 ∂wN
Para gerar o vetor acima, precisamos da seguinte operação vetorial
∂f
= 2Rw. (57)
∂w
Universidade Federal do Maranhão 56 / 109
Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

Universidade Federal do Maranhão 57 / 109


Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

g = −2p + 2Rw (59)

Universidade Federal do Maranhão 58 / 109


Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

g = −2p + 2Rw (59)


Filtro de Wiener

Universidade Federal do Maranhão 59 / 109


Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

g = −2p + 2Rw (59)


Filtro de Wiener
−2p + 2Rw∗ = 0. (60)

Universidade Federal do Maranhão 60 / 109


Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

g = −2p + 2Rw (59)


Filtro de Wiener
−2p + 2Rw∗ = 0. (60)

2Rw∗ = 2p. (61)

Universidade Federal do Maranhão 61 / 109


Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

g = −2p + 2Rw (59)


Filtro de Wiener
−2p + 2Rw∗ = 0. (60)

2Rw∗ = 2p. (61)

Rw∗ = p. (62)

Universidade Federal do Maranhão 62 / 109


Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

g = −2p + 2Rw (59)


Filtro de Wiener
−2p + 2Rw∗ = 0. (60)

2Rw∗ = 2p. (61)

Rw∗ = p. (62)

R−1 Rw∗ = R−1 p. (63)

Universidade Federal do Maranhão 63 / 109


Filtro de Wiener

f (w) = E{d2 } − 2wT p + wT Rw. (58)

g = −2p + 2Rw (59)


Filtro de Wiener
−2p + 2Rw∗ = 0. (60)

2Rw∗ = 2p. (61)

Rw∗ = p. (62)

R−1 Rw∗ = R−1 p. (63)

w∗ = R−1 p. (64)
Universidade Federal do Maranhão 64 / 109
Filtro de Wiener

w∗ = R−1 p. (65)

Universidade Federal do Maranhão 65 / 109


Filtro de Wiener

w∗ = R−1 p. (65)

w∗ = E{xxT }−1 E{dx}. (66)

Universidade Federal do Maranhão 66 / 109


Filtro de Wiener

w∗ = R−1 p. (65)

w∗ = E{xxT }−1 E{dx}. (66)

Universidade Federal do Maranhão 67 / 109


Filtro de Wiener

Exemplo: Estimar o filtro de Wiener para configuracão de


identificacão de sistemas, assumindo um sistema desejado
H = [1 2]. Assuma ergodicidade e utilize apenas uma
sequencia de entrada x[n] = [1 0 2 4]T .

Universidade Federal do Maranhão 68 / 109


Filtro de Wiener

Exemplo: Estimar o filtro de Wiener para configuracão de


identificacão de sistemas, assumindo um sistema desejado
H = [1 2]. Assuma ergodicidade e utilize apenas uma
sequencia de entrada x[n] = [1 0 2 4]T . Cáculo da saı́da
desejada d[n]
1
X
d[n] = hi x[n − i], (67)
i=0

Universidade Federal do Maranhão 69 / 109


Filtro de Wiener

Exemplo: Estimar o filtro de Wiener para configuracão de


identificacão de sistemas, assumindo um sistema desejado
H = [1 2]. Assuma ergodicidade e utilize apenas uma
sequencia de entrada x[n] = [1 0 2 4]T . Cáculo da saı́da
desejada d[n]
1
X
d[n] = hi x[n − i], (67)
i=0

d[n] = h0 · x[n] + h1 · x[n − 1], (68)

Universidade Federal do Maranhão 70 / 109


Filtro de Wiener

Exemplo: Estimar o filtro de Wiener para configuracão de


identificacão de sistemas, assumindo um sistema desejado
H = [1 2]. Assuma ergodicidade e utilize apenas uma
sequencia de entrada x[n] = [1 0 2 4]T . Cáculo da saı́da
desejada d[n]
1
X
d[n] = hi x[n − i], (67)
i=0

d[n] = h0 · x[n] + h1 · x[n − 1], (68)

x[n − 1] = [0 1 0 2]T . (69)

Universidade Federal do Maranhão 71 / 109


Filtro de Wiener

Exemplo: Estimar o filtro de Wiener para configuracão de


identificacão de sistemas, assumindo um sistema desejado
H = [1 2]. Assuma ergodicidade e utilize apenas uma
sequencia de entrada x[n] = [1 0 2 4]T . Cáculo da saı́da
desejada d[n]
1
X
d[n] = hi x[n − i], (67)
i=0

d[n] = h0 · x[n] + h1 · x[n − 1], (68)

x[n − 1] = [0 1 0 2]T . (69)

d[n] = 1 · [1 0 2 4]T + 2 · [0 1 0 2]T = [1 2 2 8]T (70)

Universidade Federal do Maranhão 72 / 109


Filtro de Wiener
O verdadeiro valor do filtro de wiener é definido como

w = E{xxT }−1 E{dx}, (71)

onde

Universidade Federal do Maranhão 73 / 109


Filtro de Wiener
O verdadeiro valor do filtro de wiener é definido como

w = E{xxT }−1 E{dx}, (71)

onde  
E{x[n]x[n]} E{x[n]x[n − 1]}
E{xxT } = (72)
E{x[n − 1]x[n]} E{x[n − 1]x[n − 1]}
e

Universidade Federal do Maranhão 74 / 109


Filtro de Wiener
O verdadeiro valor do filtro de wiener é definido como

w = E{xxT }−1 E{dx}, (71)

onde  
E{x[n]x[n]} E{x[n]x[n − 1]}
E{xxT } = (72)
E{x[n − 1]x[n]} E{x[n − 1]x[n − 1]}
e
E{dx} = [ E{dx} E{dx[n − 1]}]T . (73)

Universidade Federal do Maranhão 75 / 109


Filtro de Wiener

Uma estimação instantânea do filtro de Wiener pode ser calculada


como
w = R−1 p, (74)
onde " #
1 x[n]T x[n] x[n]T x[n − 1]
R= (75)
2 x[n − 1]T x[n] x[n − 1]T x[n − 1]}
e
1h i
p= x[n]T d[n] x[n − 1]T x[n] . (76)
2

Universidade Federal do Maranhão 76 / 109


Filtro de Wiener

Uma estimação instantânea do filtro de Wiener pode ser calculada


como
w = R−1 p, (74)
onde " #
1 x[n]T x[n] x[n]T x[n − 1]
R= (75)
2 x[n − 1]T x[n] x[n − 1]T x[n − 1]}
e
1h i
p= x[n]T d[n] x[n − 1]T x[n] . (76)
2
Assim  
10.5 4
R= (77)
4 2.5
e

Universidade Federal do Maranhão 77 / 109


Filtro de Wiener

Uma estimação instantânea do filtro de Wiener pode ser calculada


como
w = R−1 p, (74)
onde " #
1 x[n]T x[n] x[n]T x[n − 1]
R= (75)
2 x[n − 1]T x[n] x[n − 1]T x[n − 1]}
e
1h i
p= x[n]T d[n] x[n − 1]T x[n] . (76)
2
Assim  
10.5 4
R= (77)
4 2.5
e  
p = 18.5 9 . (78)

Universidade Federal do Maranhão 78 / 109


Filtro de Wiener

Finalmente,  −1
10.5 4  
w= 18.5 9 (79)
4 2.5

Universidade Federal do Maranhão 79 / 109


Filtro de Wiener

Finalmente,  −1
10.5 4  
w= 18.5 9 (79)
4 2.5
 −1
0.2439 −0.3902  
w= 18.5 9 (80)
−0.3902 1.0244

Universidade Federal do Maranhão 80 / 109


Filtro de Wiener

Finalmente,  −1
10.5 4  
w= 18.5 9 (79)
4 2.5
 −1
0.2439 −0.3902  
w= 18.5 9 (80)
−0.3902 1.0244
 T
w= 1 2 . (81)

Universidade Federal do Maranhão 81 / 109


Outras aplicações

Predição

Universidade Federal do Maranhão 82 / 109


Outras aplicações

Filtragem

Universidade Federal do Maranhão 83 / 109


Análise do filtro de Wiener no domı́nio da frequência
Critério de definição

min E{(d − y)2 }. (82)


w0 ,...,wN

Universidade Federal do Maranhão 84 / 109


Análise do filtro de Wiener no domı́nio da frequência
Critério de definição

min E{(d − y)2 }. (82)


w0 ,...,wN

 = d − y. (83)

Universidade Federal do Maranhão 85 / 109


Análise do filtro de Wiener no domı́nio da frequência
Critério de definição

min E{(d − y)2 }. (82)


w0 ,...,wN

 = d − y. (83)

min E{2 } (84)


w0 ,...,wN

Universidade Federal do Maranhão 86 / 109


Análise do filtro de Wiener no domı́nio da frequência
Critério de definição

min E{(d − y)2 }. (82)


w0 ,...,wN

 = d − y. (83)

min E{2 } (84)


w0 ,...,wN
( )
d 2 d2
E{ } = E (85)
dw dw

Universidade Federal do Maranhão 87 / 109


Análise do filtro de Wiener no domı́nio da frequência
Critério de definição

min E{(d − y)2 }. (82)


w0 ,...,wN

 = d − y. (83)

min E{2 } (84)


w0 ,...,wN
( )
d 2 d2
E{ } = E (85)
dw dw
Pela regra da cadeia

Universidade Federal do Maranhão 88 / 109


Análise do filtro de Wiener no domı́nio da frequência
Critério de definição

min E{(d − y)2 }. (82)


w0 ,...,wN

 = d − y. (83)

min E{2 } (84)


w0 ,...,wN
( )
d 2 d2
E{ } = E (85)
dw dw
Pela regra da cadeia
d2 d
= 2 . (86)
dw dw
Assim

Universidade Federal do Maranhão 89 / 109


Análise do filtro de Wiener no domı́nio da frequência
Critério de definição

min E{(d − y)2 }. (82)


w0 ,...,wN

 = d − y. (83)

min E{2 } (84)


w0 ,...,wN
( )
d 2 d2
E{ } = E (85)
dw dw
Pela regra da cadeia
d2 d
= 2 . (86)
dw dw
Assim ( )
d d
E{2 } = E 2 (87)
dw dw

Universidade Federal do Maranhão 90 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
d 2 d
E{ } = E 2 (88)
dw dw

Universidade Federal do Maranhão 91 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
d 2 d
E{ } = E 2 (88)
dw dw
Definido  como

Universidade Federal do Maranhão 92 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
d 2 d
E{ } = E 2 (88)
dw dw
Definido  como X
[n] = d[n] − wi x[n − i]. (89)
i
temos que

Universidade Federal do Maranhão 93 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
d 2 d
E{ } = E 2 (88)
dw dw
Definido  como X
[n] = d[n] − wi x[n − i]. (89)
i
temos que
( ! )
d X
E{2 } = E 2 d[n] − wi x[n − i] x[n − i] (90)
dw i

Universidade Federal do Maranhão 94 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
d 2 d
E{ } = E 2 (88)
dw dw
Definido  como X
[n] = d[n] − wi x[n − i]. (89)
i
temos que
( ! )
d X
E{2 } = E 2 d[n] − wi x[n − i] x[n − i] (90)
dw i

Queremos os coefficientes wi para os quais

Universidade Federal do Maranhão 95 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
d 2 d
E{ } = E 2 (88)
dw dw
Definido  como X
[n] = d[n] − wi x[n − i]. (89)
i
temos que
( ! )
d X
E{2 } = E 2 d[n] − wi x[n − i] x[n − i] (90)
dw i

Queremos os coefficientes wi para os quais


d
E{2 } = 0 (91)
dw

Universidade Federal do Maranhão 96 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
d 2 d
E{ } = E 2 (88)
dw dw
Definido  como X
[n] = d[n] − wi x[n − i]. (89)
i
temos que
( ! )
d X
E{2 } = E 2 d[n] − wi x[n − i] x[n − i] (90)
dw i

Queremos os coefficientes wi para os quais


d
E{2 } = 0 (91)
dw
( )
E 2e[n]x[n − i] =0 (92)

Universidade Federal do Maranhão 97 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
E 2e[n]x[n − i] = 0. (93)

Universidade Federal do Maranhão 98 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
E 2e[n]x[n − i] = 0. (93)

Como e[n] = d[n] − y[n]

Universidade Federal do Maranhão 99 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
E 2e[n]x[n − i] = 0. (93)

Como e[n] = d[n] − y[n]


( )
E 2(d[n] − y[n])x[n − i] = 0. (94)

Universidade Federal do Maranhão 100 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
E 2e[n]x[n − i] = 0. (93)

Como e[n] = d[n] − y[n]


( )
E 2(d[n] − y[n])x[n − i] = 0. (94)

( )
E (d[n] − y[n])x[n − i] = 0. (95)

Universidade Federal do Maranhão 101 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
E 2e[n]x[n − i] = 0. (93)

Como e[n] = d[n] − y[n]


( )
E 2(d[n] − y[n])x[n − i] = 0. (94)

( )
E (d[n] − y[n])x[n − i] = 0. (95)

( )
E d[n]x[n − i] − y[n]x[n − i] = 0. (96)

Universidade Federal do Maranhão 102 / 109


Análise do filtro de Wiener no domı́nio da frequência
( )
E 2e[n]x[n − i] = 0. (93)

Como e[n] = d[n] − y[n]


( )
E 2(d[n] − y[n])x[n − i] = 0. (94)

( )
E (d[n] − y[n])x[n − i] = 0. (95)

( )
E d[n]x[n − i] − y[n]x[n − i] = 0. (96)

( ) ( )
E d[n]x[n − i] − E y[n]x[n − i] = 0. (97)

Universidade Federal do Maranhão 103 / 109


Análise do filtro de Wiener no domı́nio da frequência
( ) ( )
E d[n]x[n − i] = E y[n]x[n − i] . (98)

Universidade Federal do Maranhão 104 / 109


Análise do filtro de Wiener no domı́nio da frequência
( ) ( )
E d[n]x[n − i] = E y[n]x[n − i] . (98)

Rdx [i] = Ryx [i]. (99)

Universidade Federal do Maranhão 105 / 109


Análise do filtro de Wiener no domı́nio da frequência
( ) ( )
E d[n]x[n − i] = E y[n]x[n − i] . (98)

Rdx [i] = Ryx [i]. (99)


Sabendo que Ryx [i] = w[i] ∗ Rx [i] ( slides Resposta LTI)

Universidade Federal do Maranhão 106 / 109


Análise do filtro de Wiener no domı́nio da frequência
( ) ( )
E d[n]x[n − i] = E y[n]x[n − i] . (98)

Rdx [i] = Ryx [i]. (99)


Sabendo que Ryx [i] = w[i] ∗ Rx [i] ( slides Resposta LTI)

Rdx [i] = w[i] ∗ Rx [i] (100)

No dominio da frequência

Sdx (ω) = W (ω)Sx (ω). (101)

Universidade Federal do Maranhão 107 / 109


Análise do filtro de Wiener no domı́nio da frequência
( ) ( )
E d[n]x[n − i] = E y[n]x[n − i] . (98)

Rdx [i] = Ryx [i]. (99)


Sabendo que Ryx [i] = w[i] ∗ Rx [i] ( slides Resposta LTI)

Rdx [i] = w[i] ∗ Rx [i] (100)

No dominio da frequência

Sdx (ω) = W (ω)Sx (ω). (101)

W (ω) = Sx−1 (ω)Sdx (ω). (102)

Universidade Federal do Maranhão 108 / 109


Análise do filtro de Wiener no domı́nio da frequência
( ) ( )
E d[n]x[n − i] = E y[n]x[n − i] . (98)

Rdx [i] = Ryx [i]. (99)


Sabendo que Ryx [i] = w[i] ∗ Rx [i] ( slides Resposta LTI)

Rdx [i] = w[i] ∗ Rx [i] (100)

No dominio da frequência

Sdx (ω) = W (ω)Sx (ω). (101)

W (ω) = Sx−1 (ω)Sdx (ω). (102)

w = E{xxT }−1 E{dx}. (103)

Universidade Federal do Maranhão 109 / 109