You are on page 1of 293

DORINA ISAR

ALEXANDRU ISAR

FILTRE

EDITURA POLITEHNICA
TIMIOARA 2003

DORINA ISAR

ALEXANDRU ISAR

FILTRE

EDITURA POLITEHNICA
TIMIOARA 2003

CUPRINS

PREFAA CAPITOLUL 1. Introducere 1.1. Tipuri de filtre ideale 1.1.1.Filtrul trece jos ideal 1.1.2. Filtrul trece sus ideal 1.1.3. Filtrul trece band ideal 1.1.4. Filtrul oprete band ideal 1.2. Aproximarea caracteristicilor filtrelor ideale 1.2.1. Aproximarea de tip maxim plat 1.2.2 Aproximarea de tip minimax a caracteristicii de modul a funciei de transfer a filtrului trece jos ideal 1.2.2.1. Polinoame Cebev 1.2.2.2 Determinarea aproximrii Cebev n banda de trecere a filtrului trece jos ideal 1.2.3. Aproximarea caracteristicii de faz a filtrului trece jos ideal 1.3. mbuntirea RSZ prin filtrare liniar 1.3.1. O nou modalitate de estimare a benzii echivalente de zgomot a unor filtre trece jos realizabile 1.3.2. Utilizarea filtrelor transversale pentru prelucrarea semnalelor periodice CAPITOLUL 2. METODE DE SINTEZ A FILTRELOR 2.1. Filtre pasive 2.1.1. Sinteza diporilor pur reactivi conectai ntre terminaii neideale 2.1.2. Parametrii matriciali ai diporilor pasivi 2.1.3. Parametrii de lucru ai diporilor 2.1.4. Parametrii de repartiie ai diporilor 2.1.5. Sinteza propriuzis 2.1.6. Proiectarea filtrelor pasive de tip Butterworth, Cebev sau Bessel 2.2. Filtre active 2.2.1. Structuri de filtre active de ordinul II cu un amplificator operaional 2.2.1.1. Filtre active cu reacie simpl 2.2.1.2. Filtre active cu reacie multipl 2.2.2. Elemente de analiza i sinteza filtrelor active 2.2.2.1. Filtre active de ordinul I

9 11 11 11 12 12 13 14 15 19 20 23 29 32 34 44 51 51 51 52 53 54 58 60 66 66 66 72 75 76

6 Cuprins 2.2.2.2. Filtre active de ordinul II 2.2.2.3. Sinteza filtrelor active pe baza unui prototip pasiv 2.2.2.3.1. Metode de simulare a inductivitilor 2.2.2.3.2. Implementarea filtrelor active folosind inductiviti simulate 2.2.2.3.3. Metoda de sintez LEAPFROG CAPITOLUL 3. Metode de echivalare a filtrelor numerice cu filtre analogice 3.1. Principalele cerine ale metodelor de echivalare 3.2. Metoda invarianei rspunsului la impuls 3.3. Metoda de echivalare bazat pe aproximarea ecuaiei difereniale care descrie filtrul analogic cu o ecuaie cu diferene finite care descrie filtrul numeric echivalent 3.4. Echivalarea filtrelor analogice cu filtre numerice pe baza transformrii biliniare 3.5. Benzi echivalente de zgomot ale unor filtre numerice 3.5.1. Filtru RFI de ordinul N 3.5.2. Filtru RII 3.6. Filtre numerice echivalente filtrelor analogice transversale 3.7. Mediatoare numerice ca filtre adaptate n timp discret 3.7.1. Utilizarea mediatoarelor numerice la prelucrarea semnalelor periodice n timp continuu CAPITOLUL 4. Filtre liniare cu parametri variabili n timp 4.1. Filtre cu capaciti comutate 4.1.1. Integratorul ideal cu capaciti comutate 4.1.2. Metod de sintez a filtrelor cu capaciti comutate 4.2. Filtre cu urmrire 4.2.1. Filtre cu urmrire cu capaciti comutate CAPITOLUL 5. Filtre numerice cu parametri variabili n timp 5.1. Filtre adaptive 5.2. Aplicaii CAPITOLUL 6. Filtre neliniare 6.1. Filtre numerice cu ordonare statistic 6.2. Construcia unui filtru numeric median 6.3. Filtre morfologice 6.3.1. Filtre alternate secvenial 6.4. Filtre neliniare folosite n domeniul unei transformri ortogonale 6.4.1. Transformarea wavelet discret 6.4.2. Bazele matematice ale TWD 6.4.2.1. Filtre folosite pentru calculul TWD i TWDI 78 81 81 87 89 96 96 97 106 111 117 119 123 125 138 142 148 148 148 153 159 162 165 165 175 180 180 182 184 188 190 191 191 199

Cuprins 7 6.4.2.2. Un algoritm de calcul al TWD 6.4.3. Utilizarea T.W.D. la compresia de date 6.4.4. Filtrarea adaptiv neliniar n domeniul T.W.D. 6.4.4.1. Filtrul de tip wavelet shrinkage 6.4.4.2. Filtrul de tip hard-thresholding 6.4.4.3. Filtrul de tip soft-thresholding CAPITOLUL 7. mbuntirea raportului semnal pe zgomot prin filtrare adaptiv neliniar n domeniul TWD 7.1. Programe de simulare coninnd metoda adaptiv pentru mbuntirea raportului semnal pe zgomot 7.2. Posibiliti de mbuntire a metodei de de-noising adaptiv 7.2.1. O nou transformare wavelet discret 7.2.2. mbuntirea RSZ prin filtrare neliniar adaptiv n domeniul T.W.D. n cazul semnalelor perturbate de zgomot multiplicativ CAPITOLUL 8. Filtre i eantionare uniform 8.1. Filtre antialiasing 8.2. O legtur ntre teoria eantionrii i teoria funciilor wavelet BIBLIOGRAFIE ANEXA 208 211 212 213 219 226 234 234 254 258 260 263 263 271 275 281

PREFA

Printre dispozitivele de baz folosite n electronic, filtrele ocup un loc privilegiat, datorit frecventei lor utilizri. Nu exist nici un echipament electronic a crui structur s nu conin cel puin un filtru. Teoria filtrelor analogice a fost elaborat la nceputul secolului XX. Dezvoltarea acestei teorii a fost stimulat de necesiti practice. Una dintre acestea, poate cea mai important, a fost problema transmiterii informaiei pe canale afectate de zgomot. Exist dou tipuri de soluie pentru aceast problem: creterea imunitii la perturbaii a semnalului emis prin codarea canalului i mbuntirea raportului semnal pe zgomot, (RSZ), prin filtrarea semnalului recepionat. Printre matematicienii care au adus cele mai de seam contribuii la rezolvarea acestei probleme prin filtrare se numr i profesorul Norbert Wiener, care a activat la MIT. Ideile sale au fost puse n practic de doctorandul su, inginerul electronist Y. W. Lee, care le-a explicat pe nelesul studenilor i tinerilor cercettori. Obiectivul lucrrii de fa este o trecere n revist a unor rezultate remarcabile obinute n teoria i practica filtrelor analogice sau numerice, liniare sau neliniare, cu parametrii constani sau variabili n timp. Nu este vorba despre o tratare exhaustiv. Se prezint doar acele rezultate care pot fi utilizate, direct sau indirect, pentru creterea RSZ. Se d o importan special tehnicilor de de-noising, propuse de profesorul de statistic de la Universitatea Stanford, David Donoho. Explicarea acestor metode, precum i modificarea lor n scopul aplicrii n comunicaii, constituie principalul rezultat al tezei de doctorat al primului dintre autorii lucrrii de fa. n capitolul 1 se face o introducere n filtrarea semnalelor, prezentndu-se noiunile de baz, cum ar fi diferitele tipuri de filtre ideale sau tehnicile clasice de aproximare a caracteristicilor de frecven. Este de fapt o reluare expeditiv a unor cunotine predate studenilor facultii de electronic i telecomunicaii din Timioara, la cursul de Semnale Circuite i Sisteme. Celelalte paragrafe ale capitolului 1 sunt inspirate din teza de doctorat menionat mai sus. Ultimul paragraf al capitolului 1 propune o tehnic special de cretere suplimentar a RSZ, care poate fi aplicat n cazul semnalelor periodice. Este vorba despre folsirea filtrelor transversale analogice. Capitolul 2 este dedicat prezentrii ctorva tehnici elementare de sintez a filtrelor. Cunotiine similare sunt oferite studenilor facultii noastre la laboratorul de Semnale Circuite i Sisteme. Se prezint o metod de sintez a filtrelor pasive i cteva metode de sintez a filtrelor active cu unul sau mai multe amplificatoare operaionale. Dei nu trateaz direct problema mbuntirii RSZ, acest capitol este necesar deoarece prezint noiuni care sunt folosite n capitolele urmtoare pentru rezolvarea acestei probleme.

10 Prefaa La nceputul capitolului 3 se arat modul n care poate fi construit un filtru numeric pornind de la un filtru analogic echivalent. Prezentarea acestor metode de echivalare este inspirat din cursul de Semnale Circuite i Sisteme amintit mai sus. Pentru aprecierea mbuntirii RSZ i n cazul acestor filtre poate fi utilizat noiunea de band echivalent de zgomot. Paragraful 3.5, inspirat din teza de doctorat amintit mai sus, este dedicat calculului benzii echivalente de zgomot a unui filtru numeric. n paragraful urmtor se prezint o modalitate de construcie a unor filtre digitale cu rspunsuri n frecven funcii periodice de perioad mai mic dect 2 , precum i avantajele utilizrii lor la prelucrarea semnalelor periodice n timp discret, perturbate aditiv de zgomot. n finalul capitolului 3 sunt analizate filtrele numerice adaptate. Urmtoarele dou capitole sunt destinate studiului filtrelor liniare cu parametrii variabili n timp continuu respectiv discret. La nceputul capitolului 4 este prezentat principiul filtrelor cu capaciti comutate. Apoi este studiat o categorie nou de astfel de sisteme, filtrele cu urmrire. Aceste sisteme pot fi privite ca i filtre adaptive n timp continuu. Se evideniaz performaele superioare ale acestor sisteme din punct de vedere al mbuntirii RSZ n comparaie cu filtrele liniare analogice. n capitolul 5 se face o trecere n revist rapid a principiului filtrrii adaptive, explicndu-se modul n care pot fi implementate relaiile lui Wiener. Se prezint modul n care poate fi utilizat un astfel de sistem pentru creterea RSZ. Capitolul 6 este dedicat filtrrii neliniare. De fapt se prezint doar tehnici bazate pe utilizarea sistemelor neliniare cu neliniariti puternice. Se fac referiri la filtrele numerice cu ordonare statistic, la filtrele morfologice folosite pentru prelucrarea imaginilor numerice i la filtrele neliniare aplicate n domeniul transformrii wavelet discret, propuse de David Donoho. Capitolul 7 conine principalele contribuii ale acestei lucrri. El este inspirat din teza de doctorat amintit mai sus. Dup explicarea primei metode de denoising propus de Donoho, se prezint o variant adaptiv a acesteia precum i unele modaliti de mbuntire a acesteia. n toate capitolele lucrrii de fa a fost considerat cazul semnalelor perturbate aditiv de zgomot. Singura excepie de la aceast regul apare n paragraful 7.2.2, unde este considerat cazul zgomotului multiplicativ. Metoda descris n acest paragraf poate fi utilizat pentru diminuarea zgomotului de tip speckle, care perturb imaginile de tip RADAR sau SONAR. Trebuie evideniat faptul c mbuntirile RSZ realizate cu tehnicile descrise n capitolul 7, n special n cazul semnalelor puternic perturbate, nu pot fi obinute folosind alte tehnici de filtrare, ca de exemplu cele prezentate n capitolele anterioare ale acestei cri. Ultimul capitol, cel de-al optulea, dei nu se refer la vreo tehnic de mbuntire a RSZ, merit totui atenie, fcnd o legtur ntre trei domenii de cercetare foarte moderne: teoria eantionrii, teoria filtrrii i teoria funciilor wavelet. Sperm ca, prin coninutul su, lucrarea de fa s fie agreabil studenilor, doctoranzilor i tinerilor cercettori. Autorii

CAPITOLUL 1. Introducere

Modificarea relativ a amplitudinilor componentelor armonice ale unui semnal periodic sau chiar eliminarea sau selectarea anumitor componente armonice reprezint o operaie de filtrare. Modificarea densitii spectrale a unui semnal aperiodic, n sensul favorizrii sau defavorizrii unor segmente spectrale reprezint de asemenea o operaie de filtrare. n aceast lucrare se prezint cteva aspecte ale teoriei filtrrii punndu-se accent pe utilizarea filtrelor la mbuntirea raportului semnal pe zgomot, RSZ. 1.1. Tipuri de filtre ideale 1.1.1. Filtrul trece jos ideal Rspunsul n frecven al unui filtru trece jos (FTJ) ideal destinat prelucrrii semnalelor analogice este prezentat n figura 1.1.1.1.

Figura 1.1.1.1. Rspunsul n frecven al unui filtru trece jos ideal.

Spectrul din domeniul < c este neafectat de acest filtru dar componentele spectrale cu frecvene din exteriorul acestei benzi sunt anulate. Valoarea c , ce separ benzile de trecere i de blocare, este numit frecven de tiere. Se obinuiete s se introduc o mrime, numit atenuare, definit ca inversul modulului rspunsului n

12 Introducere - 1 frecven. Pentru cazul din figura 1.1.1.1 atenuarea n banda de trecere este 1 iar n banda de oprire este infinit. Rspunsul la impuls al filtrului trece jos ideal este:

h TJ (t ) =

sin (c t ) t

(1)

Se constat c acest rspuns la impuls este nenul i la momente negative. De aceea filtrul trece jos ideal este un sistem nerealizabil. n consecin caracteristica de frecven din figura 1.1.1.1. poate fi doar aproximat prin caracteristici de frecven ale unor filtre realizabile. 1.1.2. Filtrul trece sus ideal Rspunsul n frecven al unui filtru trece sus (FTS) ideal este prezentat n figura 1.1.2.1.

Figura 1.1.2.1. Rspunsul n frecven al unui fitru trece sus ideal.

Rspunsul la impuls al acestui sistem este:

h TS (t ) = (t )

sin ( c t ) t

(2)

Nici acest sistem nu este cauzal i deci nici realizabil. De aceea i filtrele trece sus ideale pot fi doar aproximate n practic. 1.1.3. Filtrul trece band ideal Filtrarea trece band (TB) ideal a semnalelor n timp continuu se realizeaz cu un sistem cu rspunsul n frecven de tipul celui prezentat n figura 1.1.3.1.

1.1 Tipuri de filtre ideale 13

Figura 1.1.3.1. Rspunsul n frecven al unui filtru trece band ideal.

Se remarc prezena a dou frecvene de tiere, una inferioar i una superioar. Expresia rspunsului la impuls al filtrului trece band ideal este:

h TB (t ) =

sin (c 2 t ) sin (c1 t ) t t

(3)

n consecin nici filtrul trece band ideal nu este un sistem realizabil. 1.1.4. Filtrul oprete band ideal Rspunsul n frecven al filtrului oprete band (OB) ideal este prezentat n figura 1.1.4.1.

Figura 1.1.4.1. Rspunsul n frecven al unui filtru oprete band ideal.

14 Introducere - 1 Rspunsul la impuls al filtrului oprete band ideal este:

h OB (t ) = (t )

sin (c 2 t ) sin (c1 t ) + t t

(4)

n consecin nici filtrul oprete band ideal nu este un sistem realizabil. 1.2. Aproximarea caracteristicilor filtrelor ideale Ulterior se va arta c pornind de la rspunsul n frecven al unui filtru trece jos, se pot deduce, prin transformri ale variabilei frecven, celelalte tipuri de rspunsuri n frecven. Cum caracteristicile ideale nu pot fi dect aproximate, trebuie gsit o modalitate de specificare a erorii de aproximare admis i apoi o modalitate de proiectare a filtrului ce se ncadreaz n limitele admise. n figura 1.2.1. se arat modul de definire al domenilor interzise pentru curba H() . Este reprezentat numai semiaxa pozitiv, H() fiind o funcie par.

Figura 1.2.1. Specificarea gabaritului admis pentru modulul rspunsului n frecven al unui filtru trece jos.

n domeniul [0, p ] , numit band de trecere a filtrului eroarea admis este 1 . n domeniul [s , ) , numit band de blocare, eroarea admis este 2 . Domeniul ( p , s ) se numete band de tranziie. Pentru aproximarea caracteristicilor de modul ale filtrelor trece jos ideale se folosesc de obicei dou tipuri de aproximare: - aproximarea de tip maxim plat, care conduce la construcia filtrelor de tip Butterworth,

1.2. Aproximarea caracteristicilor 15

H B ( 0 ) = min H i (0 ) H(0 )
H ( )

(5)

unde indicele i specific filtrul trece jos ideal iar 0 frecvena n jurul creia se realizeaz aproximarea, - aproximarea de tip mini max, care conduce la construcia filtrelor de tip Cebev,

H C () = min max H i () H() H ( ) [1 ,2 ]


1.2.1. Aproximarea de tip maxim plat

(6)

Se consider filtrul trece jos cu rspunsul n frecven H() i cu rspunsul la impuls funcie real. Cu notaia:

H() = F 2
2

( )

(7)

se poate scrie:

F 2 = H() H( )
sau mai general:

( )

(8)

F s 2 = H(s ) = H(s ) H( s )
2

( )

(9)

Se determin expresia funciei F 2 care aproximeaz cel mai bine ptratul modulului rspunsului n frecven al filtrului trece jos ideal, n banda de trecere. Dezvoltarea n serie Taylor a funciei F 2 , ntr-un interval din jurul originii, este:

( )

( )

F 2 = F(0 ) +

( )

2 4 2 p (p ) F' (0 ) + F' ' (0 ) + ... + F (0 ) + R p +1 2 1! 2! p!

( )

(10)

16 Introducere - 1 Restul

F 2 s aproximeze ct mai bine ptratul rspunsului n frecven al filtrului trece jos


ideal este necesar ca viteza sa de variaie n origine s fie ct mai mic. De aceea se pun condiile:

( )

R p +1 2

( )

este cu att mai mic cu ct p este mai mare. Pentru ca

F' (0) = F' ' (0 ) = ... = F (p ) (0 )


i relaia (10) devine:

(11)

F 2 = F(0 ) + R p +1 ()
Fiind vorba despre un filtru trece jos, se consider c F 2

( )

(12)

( )

are expresia:

F 2 =

( )

1 a 0 + a1
2p 2p2

+ ... + a p 1 2 + 1

n continuare se determin valorile coeficienilor a k , k = 0, p 1 , n aa fel nct s fie verificate condiiile (11). Rezolvnd sistemul de ecuaii (11), n raport cu necunoscutele a k , se obine:

a 1 = a 2 = ... = a p 1 = 0
i deci:

F 2 =

( )

1 a 0 2p + 1

Dac se consider c pulsaia de tiere a filtrului trece jos este c i dac se impune condiia:

H(c ) =
atunci se obine:

H(0 ) 2

1.2. Aproximarea caracteristicilor 17

F(c ) =
adic:

1 1 = 2p a 0 c + 1 2

a0 =
Deci:

1 c
2p

F 2 =

( )

1 c
2p

+1

De aceea se poate scrie:

H(s ) H( s ) =

1 s 1+ j c
2p

(13)

n continuare se determin, pe baza relaiei anterioare, expresia funciei de transfer, H(s). Polii membrului drept sunt rdcinile ecuaiei:

s j c
adic:

2p

= 1 = cos + j sin

(2k + 1) (2k + 1) s k = c cos + + j c sin + ; 0 k 2p 1 2p 2p 2 2


Jumtate din aceti poli, cei din semiplanul stng, aparin funciei de transfer H(s) (deoarece filtrul cu funcia de transfer H(s) este cauzal). Cealalt jumtate conine polii funciei de transfer H(-s). n consecin, se poate scrie:

18 Introducere - 1

H BP (s ) =

P c

(s s )
k k =0

cu:

(2k + 1) (2k + 1) s k = c cos + + j c sin + 2p 2p 2 2

k = 0,1,..., p 1

Figura 1.2.1.1. Dependenele modulelor rspunsurilor n frecven ale unor filtre Butterworth de ordinele 5 i 7 cu pulsaia de tiere de 1 rad/s.

1.2. Aproximarea caracteristicilor 19 Aceasta este funcia de transfer a filtrului trece jos de tip Butterworth de ordinul p. Polinomul de la numitorul acestei funcii se numete polinom Butterworth de ordinul p. Pentru p de valoare 2 i pentru c = 1 se obine polinomul Butterworth de

ordinul 2: 2 PB (s ) = s 2 + 2 s + 1 , iar pentru p de valoare 3 i aceeai frecven de tiere polinomul Butterworth de ordinul 3: 3 PB (s ) = s 3 + 2 s 2 + 2 s + 1 . n figura 1.2.1.1 se prezint caracteristicile de frecven, n banda de trecere, a unor filtre Butterworth de ordinele 5 i 7, avnd pulsaia de tiere de 1 rad/s.

1.2.2 Aproximarea de tip minimax a caracteristicii de modul a funciei de transfer a filtrului trece jos ideal Definiie: O funcie h() este o aproximare de tip Cebev a unei funcii f() n banda [1,2] dac parametrii disponibili ai funciei h() sunt alei astfel nct eroarea de aproximare:
[1 ,2 ]

max

{() }

s fie minimizat. Prin parametrii disponibili se neleg mrimile care determin funcia h(), de exemplu coeficienii si dac h() este polinom. Se presupune c |()| are o valoare maxim la =01. Dac aceast eroare poate fi redus, atunci aproximarea lui f() prin h() nu este o aproximare Cebev, deoarece conform definiiei acestui tip de aproximare valoarea maxim a lui |()| nu mai poate fi sczut. Variaia erorii n 01 este descris prin difereniala sa total n acel punct:

d(01 ) =
j=1

( 01 ) dp j p j

(14)

unde pj sunt parametrii aproximrii. Valoarea oricrui maxim (01) poate fi redus prin alegerea parametrilor pj. Dar reducnd eroarea n 01 se poate ntmpla s creasc eroarea la o alt pulsaie. Se presupune c eroarea n 01 s-a redus pn la nivelul erorii n 02. Se pot reduce n continuare simultan erorile n 01 i 02? Pentru a rspunde la aceast ntrebare se calculeaz:

20 Introducere - 1

d(02 ) =
j=1

(02 ) dp j p j

(15)

Trebuie determinate variaiile dpj astfel nct d(02)=d(02). Acest lucru este posibil dac n2. n aceast ipotez eroarea poate fi redus simultan n punctele (01) i (02) pn cnd se atinge valoarea egal cu eroarea n punctul 03. Deci erorile maxime pot fi reduse simultan dac exist mai multe ecuaii de tipul ecuaiilor (14) i (15). Pot fi reduse simultan n erori maxime. Pe baza celor enumerate mai sus se poate formula urmtoarea: Teorem: O aproximare de tip Cebev este de tip ondulaie constant (echiripl) n banda considerat, n sensul c eroarea de aproximare are maxime i minime de mrime egal. Dac exist n parametri ajustabili atunci eroarea de aproximare este nul cel puin n n puncte i deci n banda considerat exist un total de n+1 maxime i minime. Aproximarea de acest tip poate fi realizat cu polinoame Cebev. 1.2.2.1. Polinoame Cebev Definiie: Se numete polinom Cebev de ordinul n polinomul Tn(x) de gradul n care are urmtoarele proprieti: 1. Tn este par (impar) dac n este par (impar), 2. Tn are toate rdcinile n intervalul 1<x<1, 3. Tn oscileaz ntre valorile -1 i +1 n intervalul -1x1, 4. Tn (1)=1. Se poate demonstra urmtoarea: Teorem: Notnd cu xi punctele n care Tn(x) atinge valorile extreme 1, derivata lui Tn(x) poate fi exprimat cu ajutorul acestor puncte astfel:

dTn (x ) 2 = c1 x ( x 2 x i ) , dac n este par dx i =1


n 1

n 1 2

(16)

2 dTn (x ) 2 = c1 ( x 2 x i ) , dac n este impar dx i =1

(17)

1.2. Aproximarea caracteristicilor 21

dTn (x ) = 0 . Deci punctele xi sunt rdcini ale acestei ecuaii i sunt n numr de n-1. dx dTn (x ) este o funcie impar. Dac xk este Dac n este par i Tn(x) este par i deci dx dTn (x ) dT ( x ) dTn (x ) = 0 . Dar = n . unul din punctele xi atunci dx x = x k dx x = x k dx x = x k
Deci i xk este unul din punctele xi. Cum

Demonstraie: Punctele de extrem ale lui Tn(x) sunt rdcini ale ecuaiei

dTn ( x ) este o funcie impar rezult c are dx

ca i rdcin i pe x0=0. Conform observaiilor de mai sus rezult c se poate scrie:

dTn ( x ) = c1 ( x 0) ( x x 1 ) ( x + x 1 ) ... ( x x n ) ( x + x n ) , relaie iden1 1 dx 2 2


tic cu relaia (16). Dac n este impar i Tn(x) este impar i deci unul din punctele xi atunci

dTn (x ) = 0 i deci xk aparine mulimii punctelor xi. Deci se poate scrie: dx x = x k

dTn (x ) = 0 . Dar datorit paritii acestei derivate i dx x = x k

dTn ( x ) este o funcie par. Dac xk este dx

dTn ( x ) = c1 ( x x 1 ) ( x + x 1 ) (x x 2 ) ( x + x 2 ) ... ( x x n 1 ) ( x + x n 1 ) , dx 2 2
relaie echivalent cu relaia (17). Conform condiiei (16) Tn(x) ia n punctele xi valorile 1, deci Tn2(x) ia n aceste puncte valoarea 1, adic Tn2(xi)-1=0. Conform condiiei (17), Tn2(1)-1=0. Deci pentru n par, rdcinile lui Tn2(x)-1 sunt: 0, 1, x1,,xn/2-1, adic se poate scrie:

Tn2 ( x ) 1 = c1 x 2 ( x 2 1) ( x 2 x i2 ) 2
i =1

n 1 2

(18)

Pentru n impar, rdcinile lui Tn2(x)-1 sunt: 1, x1,,x(n-1)/2, i deci:

22 Introducere - 1
n 1 2 i =1

Tn2 ( x ) 1 = c1 ( x 2 1) ( x 2 x i2 ) 2
Din compararea relaiilor (16) i (18) respectiv (17) i (19) se constat c:
2 dTn ( x ) 2 T 1 = M n2 x 1 dx 2

(19)

(20)

unde M este o constant. Relaia (20) reprezint o ecuaie diferenial cu ajutorul creia se poate determina expresia polinomului Cebev de ordinul n. Relaia (20) se mai poate scrie:

T 2 (x) 1 dTn =M n 2 dx x 1
sau:

dTn Tn2 1

= M

dx x 2 1

(21)

Prin integrare n ambii membrii obinem:

arccos Tn ( x ) = M arccos x + c1 Tn ( x ) = cos(M arccos x ) + c

(22)

Cnd x[-1,1], arccos x[-,0]. Dar Tn(x) trebuie s aib n rdcini n intervalul [-1,1] i de aceea este necesar ca M=n. n sfrit, deoarece Tn(1)=1, e necesar ca c=2m. Alegnd m=0, se obine:

Tn ( x ) = cos(n arccos x )

(23)

Aceast form de scriere nu pune ns n eviden faptul c Tn(x) este un polinom de gradul n. Notnd arccos x=z, (23) se mai scrie: Tn(x)=cos(nz)=cos[(n-1)z+z]=cos[(n-1)z]cos(z)-sin[(n-1)z]sinz Pentru nn+1, relaia devine:

1.2. Aproximarea caracteristicilor 23 Tn+1(x)=cos(nz)cos z-sin(nz)sin z Tn-1(x)=cos[(n-1)z]=cos(nz)cos z + sin(nz)sin z Adunnd relaiile (24) i (25) se obine: (24) (25)

Tn +1 ( x ) + Tn 1 ( x ) = 2 cos(nz) cos(z) = 2 x Tn ( x )
Relaia (26) d o relaie de recuren pentru determinarea polinoamelor Cebev.

(26)

T0 ( x ) = cos(0) = 1 T1 ( x ) = cos(arccos x ) = x

(27) (28)

1.2.2.2 Determinarea aproximrii Cebev n banda de trecere a filtrului trece jos ideal Se caut funcia de transfer Ha(s) cu ajutorul creia s se realizeze o aproximare Cebev n banda de trecere [-1,1] a caracteristicii de modul a filtrului trece jos ideal. Se determin:

G n ( 2 ) = H a ( j)

(29)

Se face aproximarea de tip Cebev pentru funcia 1/Gn(2) n banda [-1,1]. Impunnd condiia:

max

1 2 , [-1,1] 1 = 2 G n ( 2 )

rezult c

1 2 1 este un polinom Cebev cu ondulaia maxim , adic: 2 G n ( 2 )


2 1 1 = T2 n () 2 G n ( 2 )
(30)

sau

24 Introducere - 1

2 1 = 1 + T2 n () G n ( 2 ) = 2 G n ( 2 )
Dar,

1 1+ T2 n () 2
2

(31)

T2 n () = cos[2n arccos()] = cos[2 (n arccos())] = = 2 cos 2 [n arccos()] 1 = 2 Tn2 () 1

i deci:

G n ( 2 ) =

1 1 + (2 Tn2 () 1) 2
2

1 2 1 + T () 2
2 2 n

sau:

G n ( 2 ) = 1

1 2 + 2 Tn () 2
2

(32)

S-a demonstrat anterior c Tn2(1)=1 i c Tn2(x)1. Valorile extreme ale funciei Gn(2) sunt:

G n max ( 2 ) =

1 1 1 i G n min ( 2 ) = , [-1,1] = 2 2 2 2 1 1+ 1 + 2 2 2

Abaterile acestei funcii fa de valoarea ideal, egal cu unitatea, nu sunt egale. Se prefer, pentru simplificarea calculelor s se adopte expresia:

G n ( 2 ) =
n aceste caz, valorile extreme sunt:

1 1 + Tn2 ()
2

(33)

1.2. Aproximarea caracteristicilor 25

max{G n ( 2 )} = 1 , min{G n ( 2 )} =

1 , [-1,1] 1 + 2

Pentru determinarea polilor funciei de transfer Ha(s) se presupune adevrat relaia:

G n (s 2 ) = H a (s) H a (s)
i pentru sj, adic:

(34)

H a (s) H a (s) =

1 s 1 + 2 Tn2 j

(35)

Polii cutai sunt rdcinile de parte real negativ ale ecuaiei:

s 1 + 2 Tn2 = 0 j
sau ale ecuaiilor:

(36)

s Tn = j
Pentru rezolvarea acestor ecuaii se introduce o nou variabil w astfel nct:

(37)

s = ch ( w ) , unde w = u + jv i s = + j j
Se observ c:

(38)

s + j = = j = ch (u + jv) = ch (u )ch ( jv) + j sh (u )sh ( jv) j j = ch (u ) cos( v) + j sh (u ) sin( v)


= sh (u ) sin( v); = ch (u ) cos( v)
i c:

26 Introducere - 1

cos( jw ) =

e j( jw ) + e j( jw ) e w + e w s = = ch ( w ) = 2 2 j

s s s s jw = arccos i w = arg ch , adic arccos = j arg ch , j j j j


Dar:

s Tn = Tn (ch ( w )) = cos(n arccos(chw )) j


i deci conform relaiei (26):

(39)

s s s s Tn = cos n arccos = cos jn arg ch = ch n arg ch = j j j j = ch[n arg ch (ch ( w )) = ch (nw )


Deci:

s Tn = ch (nw ) j
Relaia (37) se mai scrie:

(40)

ch (n w ) =

ch (n u ) cos(n v) = 0 j 1 sh (n u ) sin(n v) =

(41)

Soluiile reale ale sistemului (41) sunt:

vk =

1 1 2k 1 ; u k = (1) k arg sh n 2 n

(42)

k = sh (u k ) sin( v k ) ; k = ch (u k ) cos( v k )

1.2. Aproximarea caracteristicilor 27

adic:

k = sh[( 1)
k

1 1 2k 1 arg sh ] sin ; n n 2

1 1 2k 1 k = ch (1) k arg sh cos[ ] n n 2


Polii lui Ha(s) sunt obinui din mulimea de mai sus pentru sgn{k} < 0. Se observ c:

2 k 1 1 sh [ arg sh ] n
2

2 k 1 1 ch [ arg sh ] n
2

=1

(43)

Acest lucru demonstreaz c polii lui Ha(s ) sunt dispui pe o elips ale crei axe se confund cu axele de coordonate ale planului complex. Conform relaiei (33):

H a ( j) =
Deci:

( 1+

1
2

Tn2 ( )

H a (0) =

( 1+

1
2

Tn2 (0)

(44)

H a (0) =

1 1 + Tn2 (0)
2

0, daca n impar Tn (0) = cos(n arccos(0)) = cos(n ) = 2 1, daca n par


i vom avea:

H a ( 0) =

1 1

= 1 , pentru n impar i H a (0) =

1 1+ 2

, pentru n par

28 Introducere - 1 Cu alte cuvinte, caracteristica de modul a funciei de transfer are n 0 o valoare extrem pentru valorile n banda de trecere i aceasta este un maxim pentru n impar i un minim pentru n par. Definind lungimea de band n sens Cebev, c, pentru banda de trecere, ca fiind pulsaia maxim la care caracteristica de modul a funciei de transfer ia ultima valoare minim din banda de trecere, adic

1 1 + 2

, se constat c c=1. Aceast

afirmaie este adevrat deoarece intervalul n care se face aproximarea este mrginit la valoarea 1 i Tn(1)=1. Pentru a analiza comportarea caracteristicii de modul n exteriorul benzii de trecere se observ c relaia (23) se mai scrie:

Tn () = ch (n arg ch )
Deci, n banda de blocare:

(45)

20 lg H a ( j) = 20 lg

1 1 + T ()
2 2 n

= 10 lg(1 + 2 ch 2 (n arg ch ))

20 lg H a ( j) = 10 lg(1 + 2 ) pentru =1
Pentru

1 20 lg H a ( j) 20 lg[ ch (n arg ch )]
Se poate demonstra c pentru 1, blocare:

ch (n arg ch ) 2 n 1 n i deci n banda de


(46)

20 lg H a ( j) 20 lg[ 2 n 1 n ] = = 20 lg 20(n 1) lg 2 20n lg


Se constat c partea asimptotic a creterii atenurii este de 20n dB/dec.

1.2. Aproximarea caracteristicilor 29

Figura 1.2.2.2.1. Caracteristica de modul a unui filtru Cebev de ordinul 5.

n figura 1.2.2.2.1 se prezint caracteristica de modul a rspunsului n frecven al unui filtru trece jos de ordinul 5 de tip Cebev. 1.2.3. Aproximarea caracteristicii de faz a filtrului trece jos ideal Dup cum s-a mai artat funcia de transfer a filtrului trece jos ideal are expresia:

jT e 0 , H i () = 0,

1 1

(47)

Definiie: Se numete ntrzierea de grup a unui filtru i se noteaz cu D(), expresia:

30 Introducere - 1

D() =

d arg H( j) d

(48)

unde H(j) este funcia de transfer a filtrului. Se observ c pentru filtrul trece jos ideal:

D i () = 0

(49)

ceea ce demonstreaz c n cazul unui filtru trece jos ideal rspunsul este ntrziat fa de excitaie cu aceeai valoare, indiferent de frecvena excitaiei. Dac 0=1(normarea ntrzierii de grup), atunci:

H i (s) = e s =

1 ch s + sh s

n banda de trecere. Se dorete aproximarea lui Hi-1(s) cu un polinom de gradul n n s, adic se caut o aproximare de forma:

H i (s) =

b
i =0

(50)

Pentru ca aproximarea s conduc la un sistem stabil este necesar ca Hi-1(s) s fie un polinom strict Hurwitz. S-a demonstrat la studiul stabilitii c un astfel de polinom se poate descompune ntr-o sum de polinoame, dintre care unul par M(s) i unul impar N(s) astfel nct descompunerea n fracie continu a raportului M(s)/N(s) s aib doar coeficieni pozitivi. Dar descompunerile n serie Taylor ale funciilor ch s i sh s, n jurul punctului s=0 sunt:

s2 s4 ch s = 1 + + + 2! 4! s3 s5 sh s = s + + + 3! 5!

(51) (52)

1.2. Aproximarea caracteristicilor 31 Lund M(s)=ch s, i N(s)=sh(s), descompunerea n fracie continu a lui M(s)/N(s) este:

M (s) 1 1 = + 1 N(s) s 3 + 1 s 5 + s 7 + s

(53)

Deci polinomul M(s)+N(s) este stabil i n acelai timp el reprezint o aproximare a lui es. n continuare se va considera reprezentarea lui es printr-un polinom, M(s)+N(s), de gradul n. Expresia (53) se scrie:

M (s) 1 1 = + 1 N(s) s 3 + 1 s 5 + s 7 + + s +

(54)

1 2N 1 s

Definiie: Se numete polinom Bessel de ordinul n i se noteaz Bn(s), polinomul definit de urmtoarea formul de recuren:

B n (s) = (2n 1) B n 1 (s) + s 2 B n 2 (s)


unde:

(55)

B 0 (s) = 1 i B1 (s) = s + 1
Storch a demonstrat urmtoarea teorem: Teorem: O aproximare Hurwitz pentru es este dat de:

(56)

H i1 (s) =

B n (s) B0

(57)

unde Bn(s) este polinomul Bessel de ordinul n, iar b0=Bn(0). Se poate demonstra c Bn(s) se poate pune sub forma:

32 Introducere - 1

B n (s) = b i s i
i =0

(58)

cu:

bi =

(2n i)! 2 i !(n i) !


n i

(59)

Deci un filtru Bessel are expresia funciei de transfer de forma:

H(s) =

b0 B n (s)

1.3. mbuntirea RSZ prin filtrare liniar Fie semnalul x(t), obinut prin perturbarea aditiv cu zgomot alb de band limitat, nB(t), a semnalului util, s(t). Se consider c banda zgomotului este B i c densitatea sa spectral de putere este N0. Raportul semnal pe zgomot, RSZ, pentru semnalul x(t) este definit cu relaia:

RSZ i =

Ps PnB

unde cu Ps am notat puterea semnalului util iar cu PnB puterea zgomotului. Dup cum se vede definiia este valabil pentru semnale s(t) de energie infinit dar de putere finit. mbuntirea raportului semnal pe zgomot, poate fi realizat prin filtrarea semnalului x(t). Astfel, la ieirea filtrului se obine semnalul y(t) exprimat cu relaia:

y(t) = u(t) + n B0 (t)


unde u(t) reprezint rspunsul filtrului considerat la semnalul util s(t) iar nB0(t) reprezint rspunsul aceluiai sistem, dar la semnalul aleator nB(t). RSZ la ieirea filtrului este:

RSZ0 =

Pu PnB0

1.3. mbuntirea RSZ 33

mbuntirea raportului semnal pe zgomot se poate aprecia prin valoarea parametrului definit astfel :

RSZ0 RSZi

(60)

Admind c filtrul este ales n aa fel nct:

Pu = Ps
valoarea mbuntirii raportului semnal pe zgomot este:

(61)

Pu Pn B 0

Densitatea spectral de putere a semnalului nB0 este legat de densitatea spectral de putere a semnalului nB, conform relaiei:

nB0 = H() nB
[Sp. 87], unde cu H() s-a notat rspunsul n frecven al filtrului considerat. Deci:

nB0 () = N 0 H()

Rezult valorile pentru puterea semnalului aleator de la intrare:

PnB =

N0 N0 B 1 B nB () d = 2 Bd = 2 2

(62)

i puterea semnalului aleator de la ieire:

PnB0 =

N 1 2 2 N 0 H() d = 0 H() d 2 B 2 B

(63)

34 Introducere - 1

mbuntirea raportului semnal pe zgomot este deci:

H() d

(64)

Deoarece este adimensional, rezult c numitorul membrului drept al ultimei relaii are dimensiune de frecven. De aceea el poart numele de band echivalent de zgomot a filtrului cu rspunsul n frecven H(). Deci filtrul cu rspunsul n frecven H() trebuie proiectat n aa fel nct banda de trecere a filtrului s conin banda semnalului util s(t) (prin urmare aceasta trebuie s fie cunoscut) i s aib o band echivalent de zgomot ct mai mic. Se observ astfel importana cunoaterii benzii echivalente de zgomot a filtrelor analogice. 1.3.1. O nou modalitate de estimare a benzii echivalente de zgomot a unor filtre trece jos realizabile n continuare se consider c semnalul sB(t) este de band limitat i c spectrul su are o valoare nenul la = 0 (adic avem un semnal de tip "trece jos"). n acest caz H() trebuie s caracterizeze un filtru trece jos. Dup cum se tie cel mai frecvent se utilizeaz filtre trece jos de tip Butterworth, Cebev sau Bessel. Rspunsul n frecven al unui filtru de tip Butterworth, cu pulsaia de tiere de 1 rad/s, de ordinul n, are proprietatea:

H() =

1 1 + 2n

(65)

n continuare se va aprecia banda echivalent de zgomot a unor filtre de tip Butterworth de diferite ordine. Pentru n = 1 relaia (65) devine:

H1 () =

1 1 + 2

Banda echivalent de zgomot a filtrului cu acest rspuns n frecven este:

1.3. mbuntirea RSZ 35

Bz1 =

d = arctg | = H 1 () d = 2 - - 1 +

n aceast relaie s-a considerat c semnalul n(t) este un zgomot alb de band nelimitat. n ipotezele paragrafului anterior (semnalul nB(t) zgomot alb de band limitat, B), s-ar fi obinut:

2 d B = = arctg | = 2arctg Bz1 2 2 B B 1+ 2 2

B 2

Pentru n = 2, relaia (2.1) devine:

H 2 () =

1 1 + 4

n aceast relaie membrul drept se poate scrie:

1 1 1 1 = 2 + 2 + 4 1+ 2 2 2 + 1 2 2 + 1 1
2

2 2 + 2 + 1

1 1 2 2 + 2 + 1

Banda echivalent de zgomot a filtrului cu acest rspuns n frecven este:

36 Introducere - 1
B 2 B 2

Bz 2 =

1 2

2
B 2 B 2

d
2

2 + 1

1 2
B 2

B 2

d
2

2 + 1

1 2

2
B 2

d
2

+ 2 + 1

1 2

B 2

d
2

+ 2 + 1

Prima integral din membrul drept se poate calcula astfel:


B 2

B 2

d
2

2 + 1

1 2

B 2

( 2 2 ) d 2 + 1
2

B 2

2 2

B 2

B 2

d
2

2 + 1

n continuare, se calculeaz pe rnd:


B 2

B 2

(2 2 )d
2

2 + 1

= ln 2 2 + 1

B 2 B 2

= ln

B 2 2 2B + 4 B 2 + 2 2B + 4

i:
B 2

B 2

d
2

2 + 1

= 2arctg

2 2

B 2 B 2

B 2 B 2 + 2 arctg 2 2 == 2 arctg 2 1 1 2 2

Se deduce analog:
B 2

B 2

B 2 B 2 + + d 2 arctg 2 2 = 2 arctg 2 1 1 2 + 2 + 1 2 2

1.3. mbuntirea RSZ 37


Ultima integral, din relaia de calcul pentru Bz2, se descompune n modul urmtor:
B 2 B 2 B 2

1 B 2 + 2 + 1 = 2
2

( 2 + 2 )d

B 2

2 2 2 + 2 + 1

B 2

d
2

+ 2 + 1

pentru care avem:

B 2

B 2

( 2 + 2 ) d
2

+ 2 + 1

= ln 2 + 2 + 1

B 2 B 2

= ln

B 2 + 2 2B + 4 B 2 2 2B + 4

nlocuind toate aceste rezultate n relaia de calcul a benzii echivalente de zgomot, forma final pentru aceasta este:

B z2 =

1 2 2

ln

1 B B 1 1 + + 1 arctg + arctg 2 B + 2 2B + 4 2 2 2
2

B 2 2 2B 4

Dac se consider c n(t) este zgomot alb de band nelimitat, atunci:

1 d B 2 2 2B + 4 B z2 = = lim ln 2 + 4 B B + 2 2B + 4 2 2 - 1 +

B 1 B arctg arctg 1 + + 1 = 2 2 2 2 2

Se observ astfel c dac se crete ordinul filtrului de la 1 la 2, banda sa echivalent de zgomot scade de 2 ori.

38 Introducere - 1
Fr ndoial c n poate fi crescut n continuare dar integralele care trebuiesc calculate conduc la calcule mult mai laborioase. De aceea n continuare se prezint nite margini (superioar i inferioar) pentru benzile echivalente de zgomot ale filtrelor Butterworth de diferite ordine. Pentru valori exacte, obinute prin integrare, se poate consulta articolul [Naf. 92].

Figura 1.3.1 a). Caracteristica de modul a rspunsului n frecven al unui filtru Butterworth de ordinul n; b). caracteristica 20 log

H()

pentru un filtru Butterworth de ordinul n.

1.3. mbuntirea RSZ 39


n figura 1.3.1a) este prezentat caracteristica de modul a rspunsului n frecven a unui filtru Butteworth de ordinul n. n figura 1.3.1 b) este prezentat graficul funciei H () . Curbele notate cu II din cele dou figuri reprezint caracteristicile reale iar curbele notate cu I sunt caracteristicile asimptotice. Curbele notate cu III au fost obinute trasnd paralele la caracteristicile asimptotice prin punctul (0,-3dB) n cazul figurii 1.3.1a) i prin punctul (0, -6dB) n cazul figurii 1.3.1b). Observnd figura 1.3.1a) se poate scrie:
2

1 0, 20 log | H I () | = 20n log , > 1 20 log | H() | 20 log | H I () |


sau:

(66)

20 log | H() |2 20 log H I ()


(66), se poate scrie:

0, 1 2 20 log H I () = 40n log , > 1


astfel c 20 log H I () reprezint tocmai curba I din figura 1.3.1b). Trecnd de la coordonatele logaritmice la coordonate liniare, constatm:
2

1 1, 2 H I () = -2n , > 1

(67) (68)

H() H I ()

Graficele acestor funcii sunt prezentate n figura 1.3.2. Pe baza relaiilor (67) i (68) se poate scrie:

40 Introducere - 1
B 2 B 2

Bz

H ()
I B 2

d = 2 H I () d
2 0

care pentru B > 2 devine:

1 2n 2 n +1 Bz 2( d + d ) = 21 + 1 - 2n 0 1
1

B 2

B 2

= 1

2 n +1 B 2 n +1 B 2 2 1 4n 2 + = 21 + = 2n 1 2n 1 1 - 2n 2n 1

S-a obinut astfel c marginea superioar a benzii echivalente de zgomot a unui filtru trece jos Butterworth de ordinul n are expresia:

Bz sup

B 2 4n 2 = 2n 1 2n 1

2 n +1

Dac se consider cazul n care B (n(t) este zgomot alb de band nelimitat), atunci:

Bzsup =

4n 2n 1

Revenind la figura 1.3.1a) notm cu HIII() caracteristica de modul a rspunsului n frecven a unui filtru Butterworth de ordin n ideal care minoreaz caracteristica de modul H() pentru filtrul real. Se observ din figur c putem scrie att:

3, 20lo g | H III () |= 20n log 3,


ct i:

1 >1

1.3. mbuntirea RSZ 41

20 log | H() | 20 log | H III () |


sau:

20 log | H() |2 20 log | H III () |2


n aceast ultim relaie avem:

6, 20 log | H III () | 2 = 40n log 6,

1 >1

Se constat astfel c 20 log H III ( ) 2 reprezint tocmai curba III din figura 1.3.1b). Trecnd de la coordonatele logaritmice la coordonate liniare, pentru ultima relaie obinem:

1 2, 2 | H III () | = -2n , 2
Se mai observ c:

1 >1

H III () =

1 2 H I () 2

Figura 1.3.2. O majorant, I i o minorant, III, pentru caracteristica

H()

, notat cu II

42 Introducere - 1
Membrul stng al acestei relaii reprezint curba III iar membrul drept - curba I din figura 1.3.2. Deci:

H()
i prin urmare:
B 2

1 2 H III () 2

Bz

H
B 2

III

() d =

1 Bz sup 2

S-a obinut astfel i marginea inferioar a benzii echivalente de zgomot a unui filtru trece jos Butterworth de ordinul n:
2 n +1 B 2 1 4n 2 = 2 2n 1 2n 1

Bz inf

Cnd B expresia marginii inferioare devine:

Bzinf =
S-a demonstrat aadar c:

2n 2n - 1

Bz inf Bz Bz sup
Trecnd la limit n aceast relaie pentru n , se obine:

1 Bz 2
Valoarea relativ mare a lui Bzinf arat c utilizarea filtrrii liniare nu conduce la rezultate remercabile atunci cnd RSZ al semnalului de prelucrat este mic. De aceea n aceste situaii se recomand utilizarea filtrelor neliniare [Ana., Ven. 89], [Isa., Isa. 92].

1.3. mbuntirea RSZ 43 OBSERVAII O1. Dac pulsaia de tiere a filtrului Butterworth ar fi fost 0 (0 diferit de 1) s-ar fi obinut:

H() =

1 1+ 0
2n

Bz1 = 20 arctg
2 + 2 + 1 1 ln 2 Bz 2 = 0 2 + 1 2 2
B 2 0 B 2 0

B 20
2 + arctg 1 2 2 2 0 B 2 0
B 2 0

Aceste relaii pot fi obinute i prin particularizrile n = 1 i respectiv n = 2 n relaia (8) din [Naf. 92].

B B 0 2 2 1 2 n +1 2n + Bz s = 2 d + d = 2 0 1 2n 0 0 0 B + 1 2 n +1 2 Bz i = 0 1 2n 0

O2. Caracteristicile asimptotice depind doar de ordinul filtrului i nu de tipul de aproximare utilizat. De aceea marginea Bzs este aceeai i pentru filtrele de tip Bessel. Se poate determina i pentru acest tip de aproximaie o margine inferioar pentru banda de zgomot, numai c expresia acesteia va fi diferit de Bzi deoarece n acest caz frecvena de tiere depinde de ordinul filtrului. Metoda propus ar putea fi utilizat i n cazul aproximrii de tip Cebev chiar dac, n acest caz, caracteristica real (curba II din figura 1.3.1a)) oscileaz n jurul caracteristicii asimptotice (curba I) n banda de trecere. Avnd n vedere ns c amplitudinea oscilaiilor este mic, metoda propus conduce la rezultate bune.

44 Introducere - 1

Figura 1.3.3. Un exemplu de utilizare a filtrelor transversale pentru mbuntirea raportului semnal pe zgomot n cazul semnalelor periodice.

O3. Metoda de estimare a benzii echivalente de zgomot poate fi generalizat cu uurin i pentru cazul filtrelor de tip trece sus, trece band sau oprete band, prin transformri de variabil. Exist o categorie de filtre analogice, filtrele transversale, prin a cror utilizare raportul semnal pe zgomot poate fi mbuntit i mai mult. Un exemplu este prezentat n figura 1.3.3. Considernd c semnalul x(t) este un zgomot alb de band limitat, pentru tipul de filtru din figura 1.3.3, se obine:

N0 B 2 = B = C N0 C 2
1.3.2. Utilizarea filtrelor transversale pentru prelucrarea semnalelor periodice
Dup cum s-a vzut n ultima observaie din paragraful precedent, n cazul semnalelor periodice filtrele transversale sunt superioare filtrelor clasice, din punct de vedere al mbuntirii raportului semnal pe zgomot.

1.3. mbuntirea RSZ 45

Figura 1.3.2.1. Schema bloc a unui filtru transversal.

n figura 1.3.2.1. se prezint schema bloc a unui filtru transversal analogic. Se cunoate legtura dintre semnalele de intrare i de ieire:

y(t) = a 0 x(t) + a 1 x(t ) + a 2 x(t 2) + ... + a n x(t n)


Lund transformata Fourier n cei doi membrii ai acestei relaii, se obine:

Y() = a 0 X() + a 1 e j X() + ... + a n e jn X()


Deci rspunsul n frecven al filtrului transversal analogic este:
n 2 Y() 2 = H T () = a k e- j + k = H T + X() k =0

i se observ c rspunsul n frecven al unui filtru analogic transversal este o funcie periodic (ceea ce justific i graficele din figura 1.3.3). Dac se impune condiia:

1 n j( k) 1 1 e j( n +1) H T () = = e n + 1 k =0 n + 1 1 e j

46 Introducere - 1
sau:

1 H T () = e n +1
fcnd notaia:

n j 2

sin (n + 1) 2 sin 2

(69)

x=
se observ c:

1 sin [(n + 1)x ] 2 HT k = lim =1 sin x n + 1 x 0


Astfel spectrul de amplitudini al semnalelor periodice, de perioad , este neafectat de prelucrarea acestor semnale cu mediatorul analogic. n cazul n care la intrarea unui astfel de sistem este adus un zgomot alb nB(t), de band limitat B i care are media nul, la ieirea acestui sistem se obine un semnal aleator staionar i ergodic, nB0(t). Media acestuia se calculeaz innd seama c operatorul de mediere statistic E{ } este liniar. Rezult:

1 n 1 n E {n B0 (t)} = E n B (t - k) = E {n B (t - k)} n + 1 k =0 n + 1 k =0
i pentru c nB(t) este staionar avem n continuare:

E {n B0 (t)} =

1 n 0=0 n + 1 k =0

Dispersia semnalului nB0(t) este:


2 1 n E {n (t)} = E n B (t - k) = n + 1 k = 0 2 B0

1.3. mbuntirea RSZ 47

n n 1 = E n 2 ( t k ) + B 2 (n + 1 ) k = 0 k =0
n

, n B (t k)n B (t l) = l=0 l k
n

(70)

1 1 E { n 2 (t - k)} + B E { n B (t - k) n B (t - k)} 2 (n + 1 ) k = 0 (n + 1 )2 k = 0

Dar:

E {n 2 (t - k) } = 2 = R n B n B (0) = Pn B B n

Figura 1.3.2.2. Densitatea spectral de putere a unui zgomot alb de band limitat.

n figura 1.3.2.2 se prezint densitatea spectral de putere, nB, a semnalului nB(t). Autocorelaia acestui semnal aleator este:

48 Introducere - 1
B 2 B 2

R n Bn B (t) =

N0 2

B 2

j t

d =

N0 2jt

B 2

d(e

j t

N = 0 e jt 2jt

B 2

B 2

j t N j t = 0 e 2 e 2 = 2jt
B B

N 0 2j sin

Bt B sin t Bt N0 B 2 2 = N0 sin = 2jt 2 t 2 Bt 2

Se constat c:

E {n 2 (t - k) } = 2 = R n B n B (0) = Pn B B n

2 R n Bn B k =0 B

() k Z {0}

(71)

n cazul n care banda zgomotului alb, B, este un multiplu ntreg al pulsaiei 0 = 2, conform relaiei (71) se obine:

2 E{n B (t - k)n B (t - l)} = R n B n B ((l - k)) = R n B n B (l - k) = 0 2 = R n B n B (l - k)p = 0 B


Deci, dac se respect condiia:

B = p 0 ,
atunci relaia (70) devine:

p Z {0}

(72)

1.3. mbuntirea RSZ 49

Pn B 0 = E n 2 0 ( t ) = P n B n +1

(73)

Prin urmare se poate afirma c, dac la intrarea unui mediator analogic se aduce semnalul x(t):

x(t) = s(t) + n(t)


unde s(t) este un semnal periodic de perioad i n(t) un zgomot alb de band limitat, B, i se respect condiia (72), atunci la ieirea mediatorului se obine un semnal y(t)care este de forma:

y(t) = u(t) + n B0 (t)


cu Ps = Pu i o mbuntire a raportului semnal pe zgomot de:

=
sau, folosind relaia (73):

Pn B P n B0
(74)

= n +1

Se constat c mbuntirea raportului semnal pe zgomot obinut astfel este egal cu numrul liniilor de ntrziere ale filtrului transversal folosit.

OBSERVAII O1. Avnd n vedere c p din condiia (72) poate fi orice numr ntreg nenul, aceast condiie nu este prea restrictiv. O2. Relaia (74) arat c mbuntirea raportului semnal pe zgomot introdus cu metoda descris poate fi orict de mare, principala limitare fiind impus de complexitatea sistemului de filtrare obinut. O3. Caracteristica de faz a mediatorului analogic (relaia (69)) este liniar pe poriuni. Deci o dat cu creterea ordinului filtrului transversal va crete i ntrzierea introdus de acesta. O4. Construcia unor sisteme de acest tip este dificil datorit dificultii cu care se construiesc liniile de ntrziere analogice. De obicei filtrele transversale analogice se construiesc cu ajutorul filtrelor transversale numerice [Naf., Isa. 91] sau

50 Introducere - 1
cu ajutorul dispozitivelor de transfer de sarcin [Eze., Jen. 92]. Liniile de ntrziere pot fi realizate i cu ajutorul filtrelor trece tot. O5. Filtrul transversal este una din structurile de baz folosite n construcia sistemelor cu parametrii variabili n timp, ca de exemplu a filtrelor adaptive. Aceast observaie este important deoarece nici un semnal ntlnit n practic nu este pur periodic. Multe semnale cvasistaionare (folosite frecvent n practic) pot fi privite ns ca o succesiune de semnale periodice pe poriuni. Raportul semnal pe zgomot n aceste cazuri poate fi crescut prin utilizarea unor filtre transversale cu parametrii variabili n timp. O6. Performana specificat de relaia (74) este atins doar dac zgomotul care trebuie nlturat este alb. De ndat ce aceast condiie nu mai este ndeplinit performanele filtrului transversal devin mai slabe. O7. Este evident c, pentru construcia filtrului transversal este necesar cunoaterea perioadei semnalului s(t), . Din pcate aceast mrime nu este ntotdeauna cunoscut. n aceste cazuri poate fi utilizat detecia sincron.

CAPITOLUL 2. Metode de sintez a filtrelor

Scopul acestui capitol este de a prezenta cteva aspecte referitoare la filtrele analogice, liniare i invariante n timp. Dei exist o literatur bogat referitoare la sinteza filrelor pasive din care citm doar [Mat., Dum., Sta., 2001] n acest capitol se va prezenta o singur metod de sintez, poate cea mai simpl. Se analizeaz n domeniul frecven structurile de filtre pasive implementate prin reele n scar conectate ntre terminaii neideale. Funciile de transfer ale filtrelor analizate sunt aproximri de tip Butterworth, Cebev sau Bessel ale unor filtre de tip trece jos, trece sus sau trece band ideale. 2.1. Filtre pasive 2.1.1. Sinteza diporilor pur reactivi conectai ntre terminaii neideale Diporii pur reactivi sunt reele de elemente nedisipative: bobine i condensatoare. Terminaiile neideale sunt rezistene nenule de valoare finit. Considernd diportul D din figura 2.1.1.1, prin sintez se urmrete determinarea unei scheme de implementare a diportului pe baza funciei de transfer: H(s)=

U 2 (s) E(s)
1

(1)
I2
2

R1 I1 E Zin 1 U1

D
1

U2
2

R2

Figura 2.1.1.1. Schema bloc a unui diport pur reactiv.

Analiza acestui diport poate fi fcut fr a ine seama de structura intern, prin stabilirea legturilor ntre transformatele U1, I1, U2 i I2. Admind c dou dintre aceste transformate sunt variabile independente, se pot exprima C 2 familii de relaii de 4 legtur ntre cele patru transformate.

52 Metode de sintez 2 2.1.2. Parametrii matriciali ai diporilor pasivi Notnd prin Mi matricea coloan format din cele dou transformate independente i prin Md matricea coloan format din cele dou transformate dependente de primele dou, legtura dintre cele patru transformate se poate exprima matricial prin relaia: Md = Mp Mi (2)

unde prin Mp s-a notat matricea parametrilor. n tabelul 2.1.2.1 sunt prezentate caracterizrile matriciale ale diporilor folosind parametrii matriciali Z, Y i A.
Tabelul 2.1.2.1. Caracterizrile matriciale ale diporilor folosind parametrii matriciali Z,Y i A.

Mi

Md

Mp

Definiiile parametrilor Parametrii z:

Observaii

Z11 =

U1 ; I1 I 2 = 0 U1 I 2 I1 = 0 U2 ; I1 I 2 = 0 U2 I 2 I1 = 0 I1 ; U1 U 2 = 0 I1 U 2 U1 = 0 I2 ; U1 U 2 = 0 I2 U 2 U1 = 0

I1 I 2

U1 U 2

Z11 Z 21

Z12 Z 22

Z12 = Z 21 = Z 22 =
Parametrii y:

Condiia de reciprocitate Z 12 = Z 21 ------------------Condiia de simetrie Z 11 = Z 22

y11 =

U 1 I1 U I 2 2

y11 y 21

y12 y 22

y12 = y 21 = y 22 =

Condiia de reciprocitate y 12 = y 21 ------------------Condiia de simetrie y 11 = y 22

2.1. Filtre pasive 53


Tabelul 2.1.2.1. Caracterizrile matriciale ale diporilor folosind parametrii matriciali Z,Y i A (continuare).

Mi

Md

Mp

Definiiile parametrilor Parametrii fundamentali:

A 11 =

U1 ; U2 I2 = 0

Observaii Condiia de reciprocitate A 11 A 22 -A 12 A 21 = 1 ------------------Condiia de simetrie A 11 = A 22

U 2 I 2

U1 I 1

A 11 A 21

A 12 A 22

A 12

U = 1 I2 U2 = 0 I1 ; U2 I2 = 0 I1 I2 U2 = 0

A 21 = A 22 =

2.1.3. Parametrii de lucru ai diporilor Aceti parametri sunt folosii la analiza diporilor nchii pe terminaii neideale, facilitnd analiza circuitelor pe baza funciilor lor de transfer. Considernd circuitul din figura 2.1.3.1, parametrii si de lucru sunt impedana de intrare i funcia de transfer de la generator la sarcin.

Figura 2.1.3.1. Schema de conectare a diportului studiat.

Definiie. Se numete funcie de transfer de lucru i se noteaz (s) expresia:

(s ) =

Zs 1 E 2 U2 Zg

(3)

54 Metode de sintez 2 Se observ c legtura dintre funcia de transfer de lucru, (s) i funcia de transfer n tensiune a circuitului:

H(s ) =
este:

E U2

(4)

(s ) =

1 Zs 1 2 Z g H(s )

(5)

Impedana de intrare n diport la poarta 1 se calculeaz cu relaia:

Z in 1 =

U 1 (s ) I1 (s )

Definiie. Se numete coeficient de transfer de neadaptare la poarta 1 i se noteaz in 1, expresia:

in 1 =

Z g Z in 1 Z g + Z in 1

(6)

2.1.4. Parametrii de repartiie ai diporilor Aceti parametri sunt destinai analizei transferului de putere printr-un diport ntre generatorul de semnal i sarcin. Neadaptarea la una din porile unui diport se poate pune n eviden i prin puterea reflectat la acea poart. Puterea refelectat la poarta 1 se poate considera ca fiind generat de ctre un generator conectat la poarta 2. De aceea, circuitul care conine un diport poate fi reprezentat i ca n figura 2.1.4.1.
R01 I1 E1 U1
1 1

I2

R02 E2

U2
2

Figura 2.1.4.1. Evidenierea neadaptrii n putere a diportului la ieire.

2.1. Filtre pasive 55 Definiie. Se numete matrice de inciden i se noteaz cu [a] matricea coloan:

1 1 2 R (U 1 + I1 R 01 ) 01 [a ] = 1 1 (U 2 + I 2 R 02 ) 2 R 02

(7)

Definiie. Se numete matrice de reflexie i se noteaz cu [b] matricea coloan:

1 1 2 R (U 1 I1 R 01 ) 01 [b] = 1 1 (U 2 I 2 R 02 ) 2 R 02

(8)

Definiie. Se numete matrice de repartiie i se noteaz cu [s] matricea definit prin: [b] = [s][a] (9)

innd seama de ultima definiie, parametrii s pot fi exprimai n funcie de parametrii de lucru ai aceluiai circuit dup cum urmeaz:
(9) ( 7 ),( 8 ) U I R b1 1 1 01 = = - in 1 U U 1 + I1 R 01 2 = R 02 a1 a 2 = 0 I2

s11 =

(10)

(U1 I1R 01 ) ( 7 ),( 8 ) 2 R b1 1 01 s12 = = = U1 1 a 2 a1 = 0 (U 2 + I 2 R 02 ) I1 = R 01 21 2 R 02


(9)

(11)

Similar se pot deduce relaiile:

56 Metode de sintez 2 s 21 =

1 12

(12)

s 22 = - in 2 Definind matriceal puterea vehiculat prin diport cu formula:

(13)

[P] =

* U1 [I1 * U 2

I2 ]

(14)

se poate demonstra prin calcul, identitatea:

[P] = ([a ]*T + [b]*T )([a ] [b])


* *

(15)

unde cu [a ]T i [b]T s-au notat transpusele matricilor formate cu conjugatele elementelor matricilor [a] i [b]. Dac se dorete determinarea puterii disipate n diport, Pd, avnd n vedere c aceasta este pur real, separnd partea real din membrul drept al relaiei (15), se obine: Pd = [a ]T [a ] [b]T [b]
* *

(16)

Dar, n cazul diporilor pur reactivi, este ndeplinit condiia: Pd = 0 i deci: (17)

[a ]*T [a ] [b]*T [b] = 0


sau, innd seama de definiia matricii [s]:

(18)

[a ]*T [a ] ( [s][a ] )*T ( [s][a ] ) = 0


adic:

(19)

[a ]*T [a ] [a ]*T [s]*T [s][a ] = 0

(20)

2.1. Filtre pasive 57 sau:

unde cu [l] s-a notat matricea unitate. Aceast condiie este ndeplinit dac:

[a ]*T ( [1] [s]*T [s] )[a ] = 0 [s]*T [s]


= [1]

(21)

(22)

Relaia (22) conduce la condiiile:


* s11s11 + s * s 21 = 1 21 * s12 s12 + s * s 22 = 1 22

(23) (24)

care se mai scriu:

s11 + s 21 = 1 s12 + s 22 = 1
nmulind la stnga cu [s] i la dreapta cu [s]-1 relaia (22), se obine:
2 2

(25) (26)

[s][s]*T = [1]
condiie din care decurg ecuaiile:
* * s11s11 + s12 s12 = 1

(27)

(28) (29)

s 21s * + s 22 s * = 1 21 22
Din relaiile (25), (26), (28) i (29) se constat c:

s 21 = s12

i c

s11 = s 22

(30)

innd seama de relaiile (10) i (11), relaia (30) se mai scrie:

58 Metode de sintez 2
2

in 1

1 = 1 21

( 30 )

1 = 1 12

(31)

relaie care permite stabilirea legturii dintre parametrii de lucru ai unui diport nedisipativ. 2.1.5. Sinteza propriuzis Aa dup cum s-a artat, n cazul diporilor pur reactivi, caracterizai prin parametrii de repartiie, este valabil relaia: |S11| 2 + |S21| 2 =1 (32)

innd ns seama de legtura dintre parametrii de repartiie i parametrii de lucru ai diporilor relaia (32) se poate scrie: | in1| 2 = 1 - |1/ 12| 2 Dar legtura dintre funcia de transfer 12(s) i funcia de transfer H(s) este: (33)

12(s) = (1/2) R 2 / R 1 (1/H(s))


Relaia (33) devine astfel: | in1(s)| 2 = 1 4(R1/R2)|H(s)| 2 Pentru s = j relaia (35) se mai scrie:

(34)

(35)

in1(s) in1(-s) = 1 4(R1/R2)H(s)H(-s)

(36)

relaie din care se poate determina coeficientul de reflexie la intrare in1(s), pe baza cruia se poate calcula impedana de intrare: Z in1(s) = R1(1 in1(s)) / (1 + in1(s)) (37)

Diportul din figura 2.1.1.1 poate fi privit ca un uniport cu poarta 11, rezistena R2 fiind ultimul su element. Un astfel de circuit poate fi sintetizat dup impedana sa de intrare folosind metoda Cauer [Mat., Dum., Sta., 2001]. Rezultatul obinut va fi o

2.1. Filtre pasive 59 reea n scar format cu bobine i condensatoare conectat n locul diportului din figura 2.1.1.1. Modalitatea de sintez prezentat este exemplificat n continuare prin determinarea schemei unui diport LC conectat ntre terminaii unitare, cu funcia de transfer: H(s) = (1/2)(s2 + Funcia (36) devine, n acest caz particular:

2 s + 1)

(38)

in1(s) in1(-s) = 1 [4(1/4) / (s2 +


sau:

2 s + 1)][1 / (s2 -

2 s + 1)]

(39)

in1(s) in1(-s) = 1 1 / [(s2 + 1) 2 2s 2] = s 4 / (s 4 +1)


Deci:

(40)

in1(s) in1(-s) = [( s 2) / (s2 Alegnd:

2 s + 1)] [( s 2) / (s2 +

2 s + 1)]

(41)

in1(s) = -(s 2) / (s2 +


se obine, conform relaiei (37): Z in1(s) = (2s2 + sau:

2 s + 1)]

(42)

2 s + 1) / ( 2 s + 1)

(43)

Z in1(s) =( 2 s + 1) / (2s2+ 2 s + 1)

(44)

Circuitul cu impedana de intrare dat de relaia (43) este prezentat n figura 2.1.5.1.

Figura 2.1.5.1. Schema diportului pasiv cu impedana de intrare specificat n relaia (44).

60 Metode de sintez 2 Diportul cu funcia de transfer dat este prezentat n figura 2.1.5.2.
1 E
1 2 1

2 2

Figura 2.1.5.2. Schema diportului pasiv cu funcia de transfer specificat n relaia (38).

Dac s-ar fi ales pentru in1(s) expresia:

in1(s) = s 2 / (s2 +
s-ar fi obinut circuitul din figura 2.1.5.3.
1 E
1

2 s + 1)

(45)

2 2

1
2

Figura 2.1.5.3. O alt variant de implementare a diportului considerat.

2.1.6. Proiectarea filtrelor pasive de tip Butterworth, Cebev sau Bessel Filtrele de tip Butterworth, Cebev sau Bessel pot fi implementate pe baza funciilor lor de transfer, cu ajutorul unor reele pur reactive conectate ntre terminaii neideale. n telecomunicaii, acetse filtre se conecteaz pe linii de impedan caracteristic cunoscut, Zc. Considernd aceast impedan pur rezistiv, conectarea filtrului pe linie se face dup modelul din figura 2.1.1.1, valorile celor dou rezistene R1 i R2 fiind egale cu Zc. Pentru proiectarea acestor filtre se utilizeaz prototipuri normalizate n frecven i n impedan. Schemele unor filtre prototip normalizate n impedan, la valoarea Rg = Rs =1 sunt prezentate n figura 2.1.6.1. Valorile componentelor acestor scheme, corespunztoare unor filtre trece jos de tip Butterworth, Cebev sau Bessel normalizate n frecven, astfel nct s aib valoarea pulsaiei de tiere s=1 rad/s, sunt date n tabelele 2.1.6.1, 2.1.6.2 i 2.1.6.3. Valorile inductivitilor sunt date n H, valorile capacitilor sunt date n F iar ordinul filtrului este cuprins ntre 2 i 10.

2.1. Filtre pasive 61

Figura 2.1.6.1. Filtre pasive n scar proptotip.

Tabelul 2.1.6.1 Filtre de tip Butterworth

n 2 3 4 5 6 7 8 9 10

C1 L1 1,4142 1 0,7654 0,6180 0,5176 0,4450 0,3902 0,3473 0,3129

L2 C2 1,4142 2 1,8478 1,6180 1,4142 1,2470 1,1111 1 0,9080

C3 L3 1 1,8478 2 1,9319 1,8019 1,6629 1,5321 1,4142

L4 C4

C5 L5

L6 C6

C7 L7

L8 C8

C8 L9

L10 C10

0,7654 1,6180 1,9319 2 1,9616 1,8794 1,7820

0,6180 1,4142 1,8019 1,9616 2 1,9754

0,5176 1,2470 1,6629 1,8794 1,9754

0,4450 1,1111 0,3902 1,5321 1 0,3473 1,7820 1,4142 0,9080 0,3129


Tabelul 2.1.6.2 Filtre de tip Cebev.

n 3 5 7 9

C1 L1 1,5963 1,7058 2,1666 1,7504

L2 C2 1,0967 1,2296 1,1115 1,2690

C3 L3

L4 C4

C5 L5

L6 C6

C7 L7

L8 C8

C8 L9

L10 C10

1,5963 2,5408 1,2296 1,7058 3,0926 1,1735 3,0936 1,1115 2,1666 2,6678 1,3673 2,7239 1,3693 2,6698 1,2690 1,7504

62 Metode de sintez 2

Tabelul 2.1.6.3. Filtre de tip Bessel. n 2 3 4 5 6 7 8 9 10 C1 L 1 1,5774 1,2550 1,0598 0,9303 0,8377 0,7677 0,7125 0,6678 0,6305 L2 C2 0,4226 0,5029 0,5116 0,4577 0,4116 0,3744 0,3446 0,3703 0,3008 C3 L 3 0,1972 0,3181 0,8812 0,3158 0,2844 0,2735 0,2547 0,2384 L4 C4 C5 L 5 L6 C6 C7 L 7 L8 C8 C8 L 9 L10 C10

0,1104 0,2090 0,2364 0,2378 0,2297 0,2184 0,2066

0,0718 0,1460 0,1778 0,1867 0,1859 0,1809

0,0505 0,1104 0,1367 0,1506 0,1539

0,0375 0,085 0,1111 0,1240

0,289 0,0682 0,0911

0,0230 0,0577

0,0187

Dac se dorete proiectarea unui filtru trece jos pe o linie cu impedana caracteristic diferit de 1, de exemplu cu impedana caracteristic egal cu R, atunci valorile din structura noului filtru Lk i Ck, se obin din valorile vechiului filtru Lk i Ck, prin denormalizare n impedan, cu formulele: Lk = RLk i: Ck = Ck / R ,k = 1, n (47) ,k = 1, n (46)

Dac se dorete proiectarea unui filtru trec jos cu pulsaia de tiere s, atunci valorile din structura noului filtru Lk i Ck, se obin din valorile vechiului filtru Lk i Ck, prin denormalizare n frecven cu formulele: Lk = Lk / s i: Ck = Ck / s ,k = 1, n (49) ,k = 1, n (48)

Pornind de la filtre trece jos prototip, prin transformri de frecven i reactan, se pot obine filtre de tip trece sus, trece band sau oprete band prototip, din care, prin denormalizare de impedan i frecven, se pot obine filtre trece sus, trece band sau oprete band, cu orice frecven de tiere (central) i terminate pe orice rezistene de valoare egal.

2.1. Filtre pasive 63

Figura 2.1.6.2. Schimbrile de variabil i de reactan care guverneaz transformrile dintre diferite tipuri de filtre.

64 Metode de sintez 2 Transformrile amintite mai sus sunt prezentate n figura 2.1.6.2. n continuare se d un exemplu de proiectare a unui filtru oprete band de ordinul 6, cu Rg = Rs = 1 k, cu o band s = 2103 rad/s i o frecven central de 5kHz, pornind de la un prototip trece jos de tip Butterworth. Deoarece: s = 2103 rad/s atunci: s / r = 1/5 = 0.2 (50) i r = 10103 rad/s

Dac se consider pentru nceput c valoarea normat a pulsaiei centrale a filtrului oprete band este r n = 1 rad/s, valoarea normat a benzii sale de pulsaii va fi: s n = 0.2 rad/s Dar aceasta este chiar valoarea benzii de blocare a filtrului trece sus. Considernd c 0 = 1 rad/s, valoarea necesar benzii de trecere a filtrului trce jos, din care provine prin transformri de frecven filtrul oprete band, este:
2 Tn = 0 / s = 5 rad/s

(51)

Avnd n vedere c prin transformrile de frecven (datorit trecerii trece josoprete band) unui sistem trece jos de ordinul m i corespunde un sistem oprete band de ordinul 2m, filtrului oprete band considerat i corespunde, folosind schema din figura 2.1.6.1.b) i Tabelul 2.1.6.1, schema filtrului trece jos prototip din figura 2.1.6.3.

Figura 2.1.6.3. Schema filtrului trece jos prototip pentru exemplul de proiectare considerat.

2.1. Filtre pasive 65 Fcnd denormalizarea de frecven la 5 rad/s, valoarea capacitii devine de 0.4 F iar valorile inductivitilor devin de 0.2 H. Fcnd transformarea trece jos-trece sus, se obine filtrul cu frecvena de tiere de 0.2 Hz prezentat n figura 2.1.6.4.

Figura 2.1.6.4. Schema filtrului trece sus obinut dup denormalizarea de frecven.

Fcnd transformarea trece sus-oprete band, se obine filtrul cu pulsaia central de 1 rad/s i banda de blocare de 0.2 rad/s cu schema prezentat n figura 2.1.6.5.

Figura 2.1.6.5. Schema filtrului oprete band cu pulsaia central de 1 rad/s.

Fcnd denormalizarea de frecven la r = 25000 rad/s i denormalizarea de impedan la valoarea de 10000 , se obine schema filtrului final, prezentat n figura 2.1.6.6.

Figura 2.1.6.6. Schema filtrului proiectat.

66 Metode de sintez 2 2.2. Filtre active

n domeniul frecvenelor joase este dificil implementarea filtrelor pasive avnd n vedere valorile mari necesare pentru inductiviti i capaciti, valori care implic un gabarit sporit al componentelor precum i precizii sczute ale valorilor acestora.
Din acest motiv, n domeniul frecvenelor joase se prefer utilizarea filtrelor active. Acestea, pe lng elementele active, folosesc i componente pasive dar acestea pot fi doar rezistoare sau condensatoare. Deoarece implementarea unui filtru de ordin superior se poate realiza prin metoda de conectare n cascad a unor sisteme de ordinul I i II, n continuare se vor prezenta cteva tipuri de filtre active de ordinul I i II. De multe ori este interesant modul n care este afectat valoarea parametrului P al filtrului de ctre valoarea (s o notm cu x) a unei componente din schema sa. Pentru a aprecia dependena lui P de x se definete sensibilitatea parametrului P de valoarea x, x SP , prin formula:

P (ln P ) P x = SP = (ln x ) x x

(52)

x De exemplu, dac S P = 0,5 atunci variaia de 2 % a lui x conduce la o modificare cu 1 % a lu P.

2.2.1. Filtre active de ordinul I

Aceste sisteme sunt caracterizate de funcii de transfer de ordinul I. n cazul filtrelor de tip trece jos expresia funciei de transfer este urmtoarea:

H TJ (s ) =

A 1+ s 0 TJ

(53)

Implementrile tipice ale filtrelor trece jos de ordinul I sunt prezentate n tabelul 2.2.1.1.

2.2 Filtre active 67


Tabelul 2.2.1.1. Implementri tipice ale filtrelor trece jos de ordinul I.

Schema filtrului

Valorile parametrilor A 0 TJ

Denumire

R R1

1 RC

Integrator amortizat

R 1+ 2 R1

1 RC

Integrator neinversor

Tabelul 2.2.1.2. Implementri tipice ale filtrelor trece sus de ordinul I.

Schema filtrului

Valorile parametrilor A 0 TS

Denumire

C1 C

1 RC

Difereniator amortizat

68 Metode de sintez 2

Tabelul 2.2.1.2. Implementri tipice ale filtrelor trece sus de ordinul I (continuare).

R 1+ 2 R1

1 RC

Difereniator neinversor

Funcia de transfer pentru filtrul trece sus se obine din funcia de transfer a filtrului trece jos prin schimbarea de variabil:

s adic:

0 TJ 0TS s

H TS (s ) =

A 1 + 0TS s

(54)

Schimbarea de variabil specificat poate fi implementat fcnd rocada ntre rezistoarele i condensatoarele prezente n schemele din tabelul 2.2.1.1. Rezult astfel schemele de filtre trece sus i parametrii lor, prezentate n tabelul 2.2.1.2. n continuare se prezint cteva structuri de filtre active de ordinul II. 2.2.2. Filtre active de ordinul II Expresiile principalelor funcii de transfer ale sistemelor de ordinul II sunt prezentate n tabelul 2.2.2.1.

2.2 Filtre active 69


Tabelul 2.2.2.1. Expresiile principalelor funcii de transfer ale sistemelor de ordinul II.

Tipul filtrului T.J.

Expresia funciei de transfer

Semnificaia parametrilor

Observaii

A TJ 2 s2 1+ s + 2 0 0

A TJ = amplificarea n curent
continuu 0 = pulsaia de tiere

Buteworth =
=

= gradul de amortizare

Bessel =
=

2 2

T.S.

3 2

A TS 1+

s2 2 0
2

A TS = amplificarea la nalt
frecven 0 = pulsaia de tiere

T.B.

2 s s + 2 0 0 2 A TB s 0 2 s2 1+ s + 2 0 0

= gradul de amortizare
0 = pulsaia central
A TB = amplificarea la pulsaia
central

1 = gradul de amortizare 2Q f Q = 0 = factor de calitate B

O.B.

s A OB 1 + 2 0 2 s2 1+ s + 2 0 0
2

B = banda de frecven la 3 dB A TB = amplificarea exterioar benzii de blocare 0 = pulsaia central

= gradul de amortizare
A TT = amplificarea n ntreaga
band 0 = pulsaia la care defazajul este

T.T

2 s2 s + 2 0 0 A TT 2 s2 1+ s + 2 0 0 1

= gradul de amortizare

70 Metode de sintez 2 Funciile de transfer de tip oprete band i de tip trece tot se pot sintetiza cu ajutorul celorlalte funcii de transfer. Se observ c:

H OB

s2 2 0 1 + = A 2 s2 2 s2 1+ s + 2 s + 2 1+ 0 0 0 0

= A (H TJ (s ) + H TS (s ))

(55)

relaie care conduce la forma de implementare a unui filtru oprete band de ordinul II, aa cum se observ i din figura 2.2.2.1.

Figura 2.2.2.1. Forma de implementare a unui filtru oprete band de ordinul II.

Aceeai expresie a funciei de transfer oprete band poate fi pus i n forma:

H OB

2 s2 2 1+ s + 2 0 0 0 = A 2 2 s 2 s2 1+ s + 2 1+ s + 2 0 0 0 0 2 0 = A 1 2 s2 1+ s + 2 0 0

(56)

adic:

2.2 Filtre active 71

H OB (s ) = A (1 H TB (s ))
cu implementarea din figura 2.2.2.2.

(57)

Figura 2.2.2.2. Forma de implementare a unui filtru oprete band de ordinul II.

Referitor la funcia de transfer trece tot, aceasta se poate sintetiza conform relaiei: s2 2 2 0 0 1 + = = 2 s2 2 s2 2 s2 1+ s + 2 1+ s + 2 1+ s + 2 0 0 0 0 0 0 = H TJ + H TS H TB

H TT

(58)

cu implementarea din figura 2.2.2.3.

Figura 2.2.2.3. Forma de implementare a unui filtru trece tot de ordinul II.

72 Metode de sintez 2 2.2.2.1. Structuri de filtre active de ordinul II cu un amplificator operaional Cele mai cunoscute structuri de filtre active cu un amplificator operaional sunt: structura cu reacie simpl, cea cu reacie multipl i cea cu amplificator neinversor. 2.2.2.1.1. Filtre active cu reacie simpl Una dintre modalitile de caracterizare a diporilor pasivi, de tipul celor din figura 2.2.2.1.1.1, este cu ajutorul parametrilor Y, conform sistemului de ecuaii:

I1 = Y11 U1 + Y12 U 2 I 2 = Y21 U1 + Y22 U 2


1

(59)

I1 D

I2

U
1

U
2

Figura 2.2.2.1.1.1. Un diport.

Structura de filtru activ cu reacie simpl este prezentat n figura 2.2.2.1.1.2.

I D Ii Ui D I U
+

Ie

Figura 2.2.2.1.1.2. Schema unui filtru activ cu reacie simpl.

Descrierea diporilor D i D din figura 2.2.2.1.1.2, pe baza parametrilor Y, folosind ecuaii de tipul celor din sistemul (59), conduce la relaiile:

2.2 Filtre active 73

I ' = Y21 U 1 + Y22 U I = Y11 U + Y12 U e

(60) (61)

U e (s ) i este legat de transformata Laplace a tensiunii de intrare U i (s ) prin relaia: U e (s ) = - A (s ) U 1 (s )

Tensiunea de ieire a amplificatorului operaional are transformata Laplace

(62)

unde A(s) este funcia de transfer n bucl deschis a amplificatorului operaional. Dac se consider c valoarea impedanei de intrare a amplificatorului operaional este infinit, atunci se poate scrie relaia:

I(s ) + I ' (s ) = 0

(63)

Eliminnd din relaiile (60), (61), (62) i (63) mrimile U(s), I(s) i I(s), se obine expresia funciei de transfer a filtrului:

U e (s ) = U i (s )

Y21 (s ) 1 [Y11 (s ) + Y22 (s )] Y12 (s ) A(s )

(64)

Dependena de frecven a amplificrii n bucl deschis a amplificatoarelor operaionale are aspectul din figura 2.2.2.1.1.3.

Figura 2.2.2.1.1.3. Caracteristica de frecven a unui amplificator operaional.

Avnd n vedere acest fapt, pentru frecvenele joase o bun aproximare a relaiei (64) este:

74 Metode de sintez 2

U e (s ) Y21 (s ) = U i (s ) Y12 (s )

(65)

Relaia (65) este o bun aproximare a expresiei funciei de transfer a filtrului cu reacie simpl n banda de frecven n care valoarea minim a lui |A()| este nc suficient de mare. Limea acestei de benzi depinde de tipul amplificatorului operaional folosit: cu compensare intern sau cu compensare extern, de valoarea amplificrii n bucl deschis la frecven nul a amplificatorului operaional, precum i de valoare pretins a amplificrii pentru filtru n banda de trecere a acestuia. n tabelul 2.2.2.1.1.1 sunt prezentate cteva structuri pentru cuadripolii D i D, a cror utilizare conduce la obinerea unor filtre de tip trece jos, trece sus sau trece band. Expresia funciilor de transfer ale filtrelor prezentate n tabelul 2.2.2.1.1.1. este stabilit pe baza relaiei (65). n tabel apar dou tipuri de dipori. Parametrii Y ai acestora pot fi calculai pe baza parametrilor Y ai diporilor n T i din figurile 2.2.2.1.1.4 i 2.2.2.1.1.5.

Z1 I1

Z3 Z2

Z2 I1 Z1 Z3

U
1

I2

U
1

I2

Figura 2.2.2.1.1.4 . Diport n T.

Figura 2.2.2.1.1.5. Diport n pi.

Pentru diportul n T:

Y12 T =

I1 = U 2 U1 = 0 I1 I1 Z1 Z3 (Z1 + Z 2 )I1 Z2

(66)

I1 = I1 Z1 + I 2 Z 3 I1 Z1 = (I1 + I 2 )Z 2

adic:

Y12 T =

Z2 Z1 Z 2 + Z1 Z 3 + Z 2 Z 3

(67)

2.2 Filtre active 75 i:

Y21 T =

I2 = U1 U 2 = 0
(68)

I2 = I 2 Z 3 + I1 Z1 I 2 Z 3 = (I1 + I 2 )Z 2
sau:

I2 I 2 Z3 Z1 (Z 2 + Z 3 )I 2 Z2

Y21 T =
Pentru diportul n :

Z2 Z1 Z 2 + Z1 Z 3 + Z 2 Z 3

Y12 =
i:

I1 1 =Z2 U 2 U1 = 0

(67)

Y21 =

I2 1 =Z2 U1 U 2 = 0 Z4
1

(68)

Z1 I1

Z3 Z2

I2

Fig. 2.2.2.1.1.6. Diport n T podit.

n tabelul 2.2.2.1.1.1. sunt prezentai i dipori n T podit de tipul celui din figura 2.2.2.1.1.6. Acesta poate fi privit ca i diportul obinut prin conectarea n paralel a unui diport n T cu un diport n n care Z1 = Z3 = .

76 Metode de sintez 2 Avnd n vedere c prin conectarea n paralel a doi dipori cu parametrii Yk i Yk k= 14, se obine un diport cu parametrii Yk'' dai de relaia:

Yk = Yk + Yk

(69)

pe baza relaiilor (66), (67) i (68), se pot calcula parametrii Y ai diportului n T podit, obinndu-se, pentru schema din figura 2.2.2.1.1.6, valorile:

Y12 = -

Z2 1 = Y21 Z1 Z 2 + Z1 Z 3 + Z 2 Z 3 Z 4

(70)

Tabelul 2.2.2.1.1.1. Diferite structuri pentru cuadripolii D i D .

Filtru cu funcia de transfer de tip trece jos

Schema cuadripolului D

y12

1/ s C2 = + s C3 R3 R + R 3R 4 + 4 s C2 s C2

Schema cuadripolului D

y '21 =

1 / s C1 R R1 + R 1R 2 + 2 s C1 s C1

Expresia funciei de transfer

1 R 1 R 2 C1 C 3 1 1 1 1 s2 + R + R s + R R C C C2 3 4 3 4 2 3
1 1 1 1 1 1 = + + C1 R 1 R 2 C 2 R 3 R 4

Ipoteza

2.2 Filtre active 77


Tabelul 2.2.2.1.1.1. Diferite structuri pentru cuadripolii D i D (continuare).

Filtru cu funcia de transfer de tip trece sus Schema cuadripolului D

y 12 = 2

R1 R1 1 + 2 2 sC s C

1 R2

Schema cuadripolului D

y '21 = 2

R1 R1 1 + 2 2 sC s C
s2

Expresia funciei de transfer Ipoteza

s2 + 2s

1 1 + C R 2 C 2R 3R 4

Tabelul 2.2.2.1.1.1. Diferite structuri pentru cuadripolii D i D (continuare).

Filtru cu funcia de transfer de tip trece band

Schema cuadripolului D Schema cuadripolului D

y 12 = (

1/ s C3 + s C2 ) R2 + R3 + R 2R 3 s C3
y '21 = 1 R1 + 1 s C1

R1

C1
2 s C1 R 1 + 2 R C 2s + s 2C 2C3R 2

Expresia funciei de transfer

R2 = R3 = R
Ipoteza

C1 = C 2 R1 = R C3 2 C1

78 Metode de sintez 2 2.2.2.1.2. Filtre active cu reacie multipl Structura cu reacie multipl este prezentat n figura 2.2.2.1.2.1.

Figura 2.2.2.1.2.1. Filtru activ cu reacie multipl.

Se reamintete faptul c tensiunea din centrul unei stele de admitane de tipul celei din figura 2.2.2.1.2.2 se poate calcula n funcie de tensiunile din vrfurile stelei cu formula:

Uc =

U
k =1 n k =1

Yk
k

(71)

Figura 2.2.2.1.2.2. O stea de admitane.

2.2 Filtre active 79

Particulariznd formula (71) pentru nodurile M i N din figura 2.2.2.1.2.1, se pot scrie relaiile:

UM =

U i Y1 + U c Y4 + U N Y3 Y1 + Y2 + Y3 + Y4 U M Y3 + U e Y5 Y3 + Y5

(72)

UN =

(73)

Legtura dintre tensiunile de intrare i ieire n amplificatorul operaional este:

U e (s ) = A(s ) U N (s )

(74)

unde A(s) reprezint funcia de transfer n bucl deschis a amplificatorului operaional. Eliminnd funciile UN(s) i UM(s), din relaiile (72), (73) i (74), se obine expresia funciei de transfer:

U e (s ) = U i (s ) = Y1 Y3 1 (Y3 + Y5 )(Y1 + Y2 + Y3 + Y4 ) Y32 Y3 Y4 + Y5 (Y1 + Y2 + Y3 + Y4 ) + A(s )

(75)

Avnd n vedere o dependen de frecven a amplificrii n bucl deschis a amplificatorului operaional folosit de tipul celei din figura 2.2.2.1.1.3, pentru frecvene joase, o bun aproximare a relaiei (75) este:

U e (s ) Y1 Y3 = U i (s ) Y4 Y3 + Y5 (Y1 + Y2 + Y3 + Y4 )

(76)

Relaia (76) este o bun aproximare pentru relaia (75) n aceleai condiii n care relaia (65) aproximeaz bine relaia (64). Printr-o bun alegere a tipului rezistiv

80 Metode de sintez 2 sau capacitiv al admitanelor Y1, Y2, Y3, Y4, i Y5, expresia funciei de transfer (76) poate fi corespunztoare unor filtre trece jos, trece sus sau trece band de ordinul II. Formele generale ale acestor funcii de transfer sunt prezentate n tabelul 2.2.2.1.2.1.
Tabelul 2.2.2.1.2.1. Formele generale ale funciilor de transfer pentru filtre trece jos, trece sus sau trece band, de ordinul II.

Tipul funciei de transfer trece jos

Expresia funciei de transfer

Observaii

A Tj
2 1 + 2 s / 0 + s 2 / 0 2 s 2 / 0 A Ts 2 1 + 2 s / 0 + s 2 / 0

A Tj - amplificarea circuitului
la joas frecven

trece sus

0 - pulsaia de tiere - coeficientul de amortizare A Ts - amplificarea circuitului


la nalt frecven

0 - pulsaia central a filtrului


trece band

2s / 0 A TB 2 1 + 2 s / 0 + s 2 / 0

A TB - amplificarea circuitului la pulsaia 0


B = 2 0 - banda circuitului la 3 dB

Tabelul 2.2.1.2.2. Modalitile de implementare a diferitelor tipuri de funcii de transfer realizabile folosind structura cu reacie multipl.

Tipul funciei de transfer

y1 y 2

y3

y4

y5

Observaii

A Tj = - R4/R1; 0 =
trece jos 1/R1 sC1 1/R3 1/R4 sC5

1 R 3R 4 C 2 C5
C 5

1 1 1 + + R 3R 4 R 1 1 R3 R4 = 2 R 3R 4C 2C5

2.2 Filtre active 81


Tabelul 2.2.1.2.2. Modalitile de implementare a diferitelor tipuri de funcii de transfer realizabile folosind structura cu reacie multipl (continuare).

Tipul funciei de transfer

y1 y 2

y3

y4

y5

Observaii

A Ts = - C1/C4; 0 =
trece sus sC1 1/R2 sC3 sC4 1/R5

1 R 2 (C1 + C3 + C4 ) 2 R 2 R 5 C 3C 4

1 R 2 R 5 C 3C 4

2 Dac 2 0 A B atunci

trece band

1/R1 1/R2 sC3

sC4

R5 C3 ; R 1 C3 + C 4 1/R5 1 C3 + C 4 ; B= R 5 C3C 4 1 0 = C 3 C 4 R 5 (R 1 || R 2 ) A TB =

n tabelul 2.2.2.1.2.2 sunt prezentate modalitile de implementare a diferitelor tipuri de funcii de transfer realizabile folosind structura cu reacie multipl. 2.2.2.2. Sinteza filtrelor active pe baza unui prototip pasiv Avnd n vedere prioritatea istoric a filtrelor pasive fa de filtrele acrive, este interesant utilizarea experienei dobndite n cazul sintezei filtrelor pasive la sinteza filtrelor active. n cazul telecomunicaiilor se utilizeaz filtre pasive care sunt dipori pur reactivi conectai ntre rezistene de valoare finit, nenul. Pentru sinteza filtrelor active pornind de la astfel de prototipuri este necesar simularea inductivitilor sau a unor celule de elemente pasive folosind amplificatoare operaionale. 2.2.2.2.1. Metode de simulare a inductivitilor

Diportul din figura 2.2.2.2.1.1. poate fi caracterizat pe baza parametrilor de transmisie A, B, C, D prin ecuaiile:

82 Metode de sintez 2

U 1 = A U 2 B I 2 I1 = C U 2 D I 2

(78)

Figura 2.2.2.2.1.1. Schema de conectare a unui diport.

Definiiile parametrilor de transmisie rezult din sistemul (78):

A=

U1 U2

;
I 2 =0

B=

U1 I2

;
U 2 =0

C=

I1 U2

;
I 2 =0

D=

I1 I2

;
U 2 =0

(79)

Impedana de intrare a diportului din figura 2.2.2.2.1.1 este:

U2 +B I2 A Z2 + B U1 A U 2 B I 2 = = Z in = = U I1 C U2 D I2 C Z2 + D C 2 + D I2 A

(80)

Dup tipul legturii dintre impedanele de intrare i cea de sarcin, diporii se pot clasifica n urmtoarele categorii: - convertor de imitan generalizat, G.I.C: el transform imitana de sarcin ntr-o imitan de acelai tip (dac sarcina este o impedan se obine tot o impedan iar dac sarcina este o admitan se obine tot o admitan). Se obine pentru:

B = C = 0;

Z in =

A Zs D

(81)

- invertor de imitan generalizat, G.I.V: el transform impedana de sarcin ntr-o admitan de intrare i reciproc. Se obine pentru:

2.2 Filtre active 83

A = D = 0;

Z in =

B 1 C Zs

(82)

Un caz particular de G.I.V. este giratorul. n cazul acestui tip de diport:

B=

1 C

O modalitate de implementare cu amplificatoare operaionale a convertoarelor de imitan este prezentat n figura 2.2.2.2.1.2.

Figura 2.2.2.2.1.2. O implementare cu amplificatoare operaionale a convertoarelor de imitan.

Dac impedana de sarcin (Zs din figura 2.2.2.2.1.1) este Z5, atunci diportul considerat implementeaz un convertor de imitan generalizat, G.I.C. Dac impedana de sarcin (Zs din figura 2.2.2.2.1.1) este Z4, atunci diportul considerat implementeaz un invertor de imitan generalizat, G.I.V. n continuare se demonstreaz aceste afirmaii presupunnd c cele dou amplificatoare operaionale sunt ideale.

VA1+ = VA1 I1 Z1 + (I1 + I) Z 2 = 0 Z I = 1 + 1 I 1 Z 2

(83)

84 Metode de sintez 2

VA 2+ = VA 2 I 2 Z 4 + (I 2 + I) Z 3 = 0 Z I = 1 + 4 I 2 Z3
Dar:

(84)

I 1 + I + I 2 + I = 0
i deci:

(85)

adic:

Z Z1 I1 = 4 I 2 Z3 Z2

(86)

I 2 Z 3 Z1 = I1 Z 4 Z 2

(87)

n cazul n care impedana de sarcin este Z5 se constat c:

V1 = VA1+ VA 2+ + V2
innd seama de faptul c:

(88)

VA1 = VA 2
i de relaiile (83) i (84), rezult c:

V1 = V2
Dar:

(89)

V2 = I 2 Z 5
Expresia impedanei de intrare este:

(90)

2.2 Filtre active 85

Z in =

(87 ) Z Z V1 (89 ) V2 (90 ) I 2 = = Z5 = 1 3 Z5 I1 I1 I1 Z2 Z4

(91)

Avnd n vedere c impedana de sarcin, Z5, se gsete la numrtorul membrului drept al relaiei (91), este demonstrat faptul c diportul considerat este un G.I.C. n cazul n care impedana de sarcin este Z4 se constat faptul c:

V1 = I 2 Z 5 Z in =

I Z Z Z Z V1 = 2 5 = 1 3 5 I1 I1 Z2 Z4

(92)

Avnd n vedere c impedana de sarcin Z4 se gsete la numitorul membrului drept din relaia (92), rezult c diportul considerat are o admitan de intrare. Deci este vorba de un G.I.V. Se observ c indiferent dac impedana de sarcin este Z4 sau Z5, expresia lui Zin este aceeai, dat de (92). Prin particularizarea impedanelor Z1 Z5 pot fi obinute diferite expresii pentru impedana de intrare. n acest mod pot fi simulate diferite tipuri de dispozitive pasive (ca de exemplu inductiviti sau rezistene negative dependente de frecven), folosind amplificatoare operaionale. Dac se face alegerea: Z1 = R1, Z2 = R2, Z3 = R3, Z4 = atunci:

1 , Z5 = R5, sC 4

Z in =

sC 4 R 1 R 3 R 5 R2

(93)

Notnd constanta

C4 R1 R 3 R 5 = L , relaia (93) devine: R2 Z in = sL


(94)

Se constat c n acest mod se poate simula o inductivitate, a crei schem este prezentat n figura 2.2.2.2.1.3.

86 Metode de sintez 2

Figura 2.2.2.2.1.3. Simularea unei inductiviti.

Figura 2.2.2.2.1.4. Alt exemplu de simulare a unei inductiviti.

2.2 Filtre active 87

Din necesitatea ca amplificatoarele operaionale s aib intrrile polarizate, inductivitile simulate trebuie s aib un terminal la mas. Se observ c se obine tot o inductivitate dac facem alegerea:
Z1 = R1, Z2 =

1 , Z3 = R3, , Z4 = R4, Z5 = R5 sC 2

n acest caz:

Z in =
i deci:

sC 2 R 1 R 3 R 5 R4

(95)

L=

C2 R1 R 3 R 5 R4

(96)

schema de sintez fiind cea din figura 2.2.2.2.1.4. 2.2.2.2.2. Implementarea filtrelor active folosind inductiviti simulate Aceast metod de implementare presupune existena unui prototip pasiv de filtrare n care inductivitile s fie conectate cu un capt la mas. Prin nlocuirea, ntr-o astfel de schem, a inductivitilor cu una din schemele din figurile 2.2.2.2.1.3 sau 2.2.2.2.1.4 se obine filtrul activ dorit. De exemplu, un filtru pasiv de ordinul III de tip trece sus cu pulsaia de tiere de 81 rad/s conectat ntre o surs de semnal cu rezistena de ieire de 1K i o sarcin de 1 K este prezentat n figura 2.2.2.2.2.1.

Figura 2.2.2.2.2.1. Exemplu de filtru pasiv de ordinul III de tip trece sus.

88 Metode de sintez 2 Avnd n vedere c n schem exist dou inductiviti conectate la mas, acestea pot fi nlocuite cu inductiviti simulate. Folosind pentru sintez schema din figura 2.2.2.2.1.4 i alegnd R1 = R3 = R4 = 1K, R5 = 618 i C2 = 100nF, se obine pentru inductivitatea simulat, pe baza relaiei (96), valoarea:

10 7 10 6 618 L= = 618 10 4 H = 61,8mH 3 10


deci chiar valoarea dorit.

Figura 2.2.2.2.2.2. Schema filtrului activ de ordinul III.

Schema filtrului activ de ordinul III conectat ntre rezistena de sarcin i surs este prezentat n figura 2.2.2.2.2.2.

2.2 Filtre active 89 Dezavantajul filtrelor active implementate cu inductiviti simulate este acela c utilizarea lor este restrns la structura de tip trece sus (avnd n vedere condiia necesar ca un capt al impedanei s fie conectat la mas). 2.2.2.2.3. Metoda de sintez LEAPFROG Filtrele pasive prototip utilizate n sinteza filtrelor active sunt reele de reactane pure ntre terminaii rezistive. O astfel de reea are aspectul din figura 2.2.2.2.3.1.

Figura 2.2.2.2.3.1. Reele de reactane pure ntre terminaii rezistive.

Aceast reea este caracterizat de ecuaiile:

V2 = (I 1 I 3 )Z 2

I 1 = (V1 V2 )Y1 I 3 = (V2 V4 )Y3

(97)

Astfel de ecuaii pot fi implementate i cu sisteme liniare i invariante n timp cu funcii de transfer de forma Y2k+1 i Y2k, dup cum se vede n figura 2.2.2.2.3.2.

90 Metode de sintez 2

Figura 2.2.2.2.3.2. Sistem liniar i invariant n timp cu funcii de transfer de forma Y2k+1 i Y2k.

Ecuaiile care caracterizeaz acest sistem sunt urmtoarele:

Vi1 = Y1 (V1 V2 ) V2 = Z 2 Vi1 + Vi 2 V4 = Z 4 Vi3 Vi5

Vi3 = Y3 ( V2 + V4 )

(98)

sau:

Vi1 = Y1 (V1 V2 ) V2 = Z 2 Vi1 Vi 2

Vi3 = Y3 (V2 V4 )

(99)

Se observ identitatea formal dintre ecuaiile (97) i (99) care are loc dac funciile Vi k (s ) i I k (s ) sunt identice. Aceast identitate este formal neinnd cont de dimensiunile fizice ale celor dou funcii. n cazul n care filtrul prototip este de tip trece jos, pentru celulele intermediare sunt valabile relaiile:

Z 2k =

1 s C 2k

Y2 k +1 =

1 s L 2 k +1

2.2 Filtre active 91 Celulele schemei din figura 2.2.2.2.3.2 pot fi sintetizate cu amplificatoare operaionale. Astfel, celulele care au n componen sumatoare i blocuri cu funcia de transfer Z 2 k (s ) pot fi echivalate ca n figura 2.2.2.2.3.3.

Figura 2.2.2.2.3.3. Sintetizarea cu amplificatoare operaionale: a).o celul din schema din figura 2.2.2.2.3.2; b). rezultatul sintezei.

Relaia intrare-ieire a sistemului din figura 2.2.2.2.3.3 a) este:

U e (s ) = Z 2 k (s ) U i1 + U i 2 =

1 U i1 + U i 2 s C 2k

(100)

Relaia intrare-ieire a sistemului din figura 2.2.2.2.3.3 b) n care, n bucla de reacie a integratorului este conectat un condensator cu capacitatea egal cu C2k/R este:

U e (s ) =

1 C s 2k R R

U i1 + U i 2 =

[(

( ) )] Us + U C
i1 i2 2k

(101)

Se observ identitatea formal a relaiilor (100) i (101). Celulele care au n componen sumatoare i funcii de transfer de forma -Y2k+1(s) pot fi echivalate ca n figura 2.2.2.2.3.4.

92 Metode de sintez 2

Figura 2.2.2.2.3.4. Sintetizarea cu amplificatoare operaionale: a).o celul din schema din figura 2.2.2.2.3.2; b). rezultatul sintezei.

Relaia intrare-ieire a sistemului din figura 2.2.2.2.3.4 a) este:

U e (s ) = Y2 k +1 (s ) U i1 (s ) + U i 2 (s ) =

1 U i1 (s ) + U i 2 (s ) s L 2 k +1

(102)

Relaia intrare-ieire a sistemului din figura 2.2.2.2.3.4 b) n care, n bucla de reacie negativ un condensator cu capacitatea egal cu L2k+1/R este:

Ui Ui U e (s ) 1 = 1 2 = U i1 + U i 2 1 R R R L 2 k +1 s R 1 U e (s ) = U i1 + U i 2 L 2 k +1 s R

(103)

Se observ identitatea formal a relaiilor (102) i (103). Avnd n vedere c la intrarea filtrului trece jos prototip apare o inductivitate nseriat cu rezistena sursei de semnal, notat cu R0, expresia admitanei Y1 este:

Y1 (s ) =

1 R 0 + s L1

(104)

celula de intrare se poate implementa ca n figura 2.2.2.2.3.5.

2.2 Filtre active 93

Figura 2.2.2.2.3.5. Implementarea celulei de intrare pentru schema din figura 2.2.2.2.3.2; a). celula de intrare; b). rezultatul sintezei.

Relaia intrare-ieire a sistemului din figura 2.2.2.2.3.5 a) este:

U e (s ) = Y1 (s ) U i1 (s ) + U i 2 (s ) =

1 U i1 (s ) + U i 2 (s ) R 0 + s L1

(105)

Relaia intrare-ieire a sistemului din figura 2.2.2.2.3.5 b) este:

U e (s ) 1 = U i1 + U i 2 R 1 R L1 R0 s R R 1 + L R0 s 1 R

)
(106)

adic:

U e (s ) =

1 R 1 U i1 + U i 2 = U i1 + U i 2 R R 0 + s L1 R 0 + s L1

(107)

Se observ identitatea formal a relaiilor (105) i (107).

94 Metode de sintez 2 Celula de ieire a filtrului trece jos prototip are aspectul din figura 2.2.2.2.3.6 a) dac este vorba despre un filtru de ordin impar i aspectul din din figura 2.2.2.2.3.6 b) dac este vorba despre un filtru de ordin par.

a)

Figura 2.2.2.2.3.6. Celula de ieire a filtrului trece jos prototip: pentru un filtru de ordin impar i b) pentru un filtru de ordin par.

Dac este nevoie de un filtru de ordin impar atunci ultima celul 2.2.2.3.3.2 are funcia de transfer Y2m+1(s). Aceasta poate fi implementat structur ca i cu cea cu care se iplementeaz celula care conine transfer Y1(s). Dac este nevoie de un filtru de ordin par atunci ultima figura 2.2.2.2.3.2 are funcia de transfer Z2m(s). Dar:

din figura cu aceeai funcia de celul din

Z 2 m (s ) =

Rs 1 + s R s C 2m

funcie de transfer care poate fi implementat cu un integrator amortizat. Se prezint ca exemplu implementarea n tehnic leap-frog a filtrului de ordinul III de tip trece jos cu pulsaia de tiere de 1rad/s, al crui filtru pasiv prototip este prezentat n figura 2.2.2.2.3.7.

Figura 2.2.2.2.3.7. Exemplu de implementarea n tehnic leap-frog a filtrului de ordinul III de tip trece jos cu pulsaia de tiere de 1rad/s

Structura leap-frog corespunztoare precum i modul de proiectare sunt prezentate n figura figura 2.2.2.2.3.8.

2.2 Filtre active 95

Figura 2.2.2.2.3.8. Structura leap-frog corespunztoare filtrului din figura 2.2.2.2.3.7 precum i modul de proiectare.

Avantajul metodei de sintez leap-frog este acela c sensibilitile parametrilor filtrelor cu componentele prezentate n schem sunt mici. Dezavantajul major este acela c metoda permite implementarea eficient doar a unor structuri de tip trece jos.

CAPITOLUL 3. Metode de echivalare a filtrelor numerice cu filtre analogice

O dat cu dezvoltarea tehnicii de calcul se pune tot mai fecvent problema nlocuirii sistemelor n timp continuu cu sisteme n timp discret, chiar i n aplicaiile semnalelor analogice. Datorit experienei acumulate n proiectarea sistemelor n timp continuu, sunt de interes metodele de sintez a sistemelor n timp discret bazate pe echivalarea acestora cu sisteme n timp continuu corespunztoare. Dintre metodele de echivalare sunt de interes acelea care transfer principalele proprieti ale sistemului n timp continuu asupra sistemului n timp discret echivalent. 3.1. Principalele cerine ale metodelor de echivalare Principalele proprieti ale sistemelor n timp continuu care trebuie s se transfere asupra sistemelor n timp discret echivalente sunt: 1. Existena rspunsului n frecven al sistemului, 2. Cauzalitatea sistemului considerat, 3. Stabilitatea sistemului considerat. Dac sistemul n timp continuu are rspuns n frecven atunci axa imaginar a planului s aparine regiunii de convergen a funciei de transfer a acestui sistem. Dac sistemul n timp discret echivalent are rspuns n frecven atunci cercul unitate din planul z aparine regiunii de convergen a funciei de transfer a acestui sistem. Pentru ca existena rspunsului n frecven a sistemului n timp continuu s asigure existena rspunsului n frecven al sistemului n timp discret echivalent este deci necesar ca metoda de echivalare folosit s transforme axa imaginar a planului s n cercul unitate din planul z. Dac sistemul n timp continuu este cauzal i stabil atunci polii funciei sale de transfer sunt situai n semiplanul stng iar regiunea de convergen a acestei transformate se ntinde spre dreapta. Dac sistemul n timp discret echivalent este cauzal i stabil atunci regiunea de convergen a transformatei z a rspunsului la impuls al sistemului se gsete n exteriorul cercului unitate iar polii acesteia se gsesc n interiorul aceluiai cerc. Deci pentru ca stabilitatea i cauzalitatea sistemului n timp continuu s asigure stabilitatea i cauzalitatea sistemului n timp discret echivalent este necesar ca echivalarea s fie fcut n aa fel nct semiplanul stng al planului s s se transforme n interiorul cercului unitate din planul z iar semiplanul drept din planul s s se transforme n exteriorul cercului unitate din planul z. Condiiile formulate anterior presupun urmtoarea reprezentare grafic.

3.2. Metoda invarianei rspunsului la impuls 97

Figura 3.1.1. Legtura dintre planele s i z impus de o metod de echivalare util.

n continuare se prezint trei metode de echivalare a filtrelor numerice cu filtre analogice. 3.2. Metoda invarianei rspunsului la impuls Se determin expresia rspunsului la impuls h d [n ] al sistemului n timp discret echivalent sistemului n timp continuu, cu rspunsul la impuls h a (t ) , conform figurii urmtoare.

Figura 3.2.1. Sistemul care st la baza criteriului de echivalare a sistemului n timp continuu pe baza invarianei rspunsului la excitaia x(t).

98 Metode de echivalare 3 Echivalena sistemelor cu rspunsurile la impuls h d [n ] i h a (t ) , bazat pe invariana rspunsului la excitaia x(t), const n identitatea semnalelor de ieire:

y d [n ] = y a [n ]
Avnd n vedere relaile :

(1)

y d [n ] = x[n ] h d [n ]
i:

y a [n ] = x ( t ) h a (t ) t = nT
transformatele z ale secvenelor y d [ n ] i y a [ n ] sunt date de expresile:

Yd (z ) = Z L1 {X(s )} t = nT H d (z )
i:

(2)

Ya (z ) = Z L1 {X(s ) H a (s )} t = nT

(3)

Relaia (1) presupune egalitatea membrilor drepi ai relailor (2) i (3), pe baza creia se poate determina expresia funciei de transfer a filtrului numeric:

H d (z ) =

Z L1 {X(s ) H a (s )} t = nT Z L {X(s )} t = nT
1

(4)

respectiv rspunsul su la impuls:

Z L1 {X(s ) H a (s )} t = nT h d [n ] = Z 1 Z L {X(s )} t = nT
1

(5)

Avnd n vedere c expresia lui h d [n ] depinde de excitaia considerat, prin intermediul transformatei Laplace X(s), este util s se determine expresia rspunsului

3.2. Metoda invarianei rspunsului la impuls 99 la impuls a sistemului n timp discret echivalent sistemului n timp continuu cu rspunsul la impuls h a (t ) , pe baza invarianei rspunsului la excitaii simple.

Dac x (t ) = (t ) se vorbete despre echivalarea sistemului n timp discret cu sistemul n timp continuu considerat, pe baza invarianei rspunsului la impuls. Dac se admite c n acest caz la ieirea convertorului de pe ramura de sus se obine impulsul unitar n timp discret expresia lui h d [n ] din ultima relaie, devine:

Z L1 { H a (s )} t = nT 1 1 Z{h a (nT )} h d [n ] = Z = =Z 1 1 Z{(t ) t = nT } Z L { } t = nT Z{h a [n ]} = Z 1 = h a [n ] = h a (nT ) Z{[n ]}


1

(6)

Dac x (t ) = (t ) se vorbete despre echivalare pe baza invarianei rspunsului indicial. Dac se admite c n acest caz la ieirea convertorului de pe ramura de sus se obine funcia treapt unitate n timp discret, expresia lui h d [ n ] este n acest caz:

sistemului n timp continuu cu rspunsul la impuls h a (t ) pe baza metodei de echivalare care presupune invariana rspunsului la impuls este obinut prin eantionarea ideal a lui h a (t ) , cu pasul T.

Deci rspunsul la impuls al sistemului n timp discret, h d [ n ] , echivalent

1 H a (s ) t = nT Z L s = Z 1 Z{ra (t ) t = nT } = h d [n ] = Z 1 Z{[n ]} ZL1 1 t = nT s Z{ra [n ]} 1 1 =Z = Z 1 z Z{ra [n ]} 1 1 z 1


1

(7)

{(

unde cu ra (t ) s-a notat rspunsul indicial al sistemului n timp continuu considerat. Se observ c n cazul echivalrii pe baza invarianei rspunsului indicial:

100 Metode de echivalare 3

h d [n ] h a [n ]
n continuare se determin expresia rspunsului indicial al sistemului n timp discret echivalent, rd [n ] .

1 z 1 R a (z ) H (z ) ( 7 ) rd [n ] = Z 1 {R d (z )} = Z 1 d 1 = Z 1 = ra [n ] = ra (nT ) 1 1 z 1 z

(8)

Deci rspunsul indicial al sistemului n timp discret echivalent sistemului n timp continuu cu rspunsul indicial ra (t ) pe baza metodei invarianei rspunsului indicial, se determin cu relaia:

rd [n ] = ra [n ]
adic prin eantionarea ideal cu pasul T a rspunsului indicial al sistemului n timp continuu. n continuare se analizeaz legtura dintre planele s i z creat de metoda de echivalare bazat pe invariana rspunsului la impuls. Aceast metod este caracterizat de relaia:

h d [n ] = h a (nT )

(9)

innd seama de expresiile transformatelor Laplace i z inverse, ultima relaie poate fi pus n forma:

1 1 n 1 st H H d (z ) z dz = 2j j a (s ) e ds 2j

+ j

t = nT

(10)

Pentru a se respecta cerina 1 referitoare la metodele de echivalare a sistemelor n timp continuu cu sisteme n timp discret este necesar ca n membrul stng s se integreze pe conturul cercului unitate iar n membrul drept pe axa imaginar. De aceea (10) se mai poate scrie:

sau:

z =1

H d (z ) z

n 1

dz =

H (s ) e
a

st

ds

t = nT

(11)

3.2. Metoda invarianei rspunsului la impuls 101


j( 2 k +1) T T

z =1

H d (z )d (z n ) =

1 T k =

j( 2 k 1)

H (s )d(e
a

snT

(12)

Fcnd n membrul drept schimbarea de variabil s s jk


T

2 , relaia (12) devine: T


(13)

sau:

z =1

H d (z )d (z n ) =

1 2 snT 2 jkn T k H a s jk T d(e e ) =


T

z =1

H d (z )d (z n ) =

1 2 snT T k H a s jk T d(e ) =
T

(14)

Aceast relaie este satisfcut i dac sunt satisfcute simultan condiiile:

z = e sT
i:

(15)

H d (z ) z =esT =

1 2 H a s jk T T k =

(16)

Ultima relaie exprim legtura ntre planele s i z, specific metodei de echivalare bazat pe invariana rspunsului la impuls, reprezentat grafic n figura urmtoare. innd seama de faptul c:

z = e j ,
i c:

[ , ]

(17)

s = + j

(18)

102 Metode de echivalare 3 relaia (15) devine:

e j = e T e jT
Egalnd prile reale i imaginare din ultima relaie se obine:

= e T
i:

(19)

= T

(20)

Pe baza relaiilor (17) i (20) se constat c se obine o coresponden biunivoc ntre planele s i z pentru , T

. T

Figura 3.2.2. Legtura dintre planele s i z indus de metoda de echivalare bazat pe invariana rspunsului la impuls.

Se constat c echivalarea sistemelor n timp continuu cu sisteme n timp discret bazat pe invariana rspunsului la impuls se realizeaz conform cerinelor metodelor de echivalare, specificate n paragraful anterior, doar pentru sisteme n timp continuu de band limitat, , . n aceast ipotez legtura dintre T T funciile de transfer ale sistemului n timp continuu echivalat i a sistemului n timp discret echivalent este dat de relaia (16). Pentru sisteme n timp continuu de band

3.2. Metoda invarianei rspunsului la impuls 103 nelimitat corespondena , implicat n relaia (16) nu este biunivoc, motiv pentru care aceast relaie nu poate fi folosit. n continuare se exemplific aceast metod de echivalare pe cazul unui filtru analogic care are doar poli simpli. Se consider c expresia funciei de transfer a sistemului n timp continuu este:

H a (s ) =
Rspunsul la impuls al acestui filtru este:

Ak k =1 s + s k
N

(21)

h a (t ) = A k e s k t (t )
k =1

Deci rspunsul la impuls al sistemului n timp discret echivalent este:

h d [n ] = h a (nT ) = A k e s k nT [n ]
k =1

iar funcia sa de transfer:

H d (z ) = A k
k =1

1 1 e
s k T

z 1

Se constat c polii lui H d (z ) se pot obine din polii lui H a (s ) , dac acetia sunt simpli, folosind relaia de legtur (15). n continuare se prezint un exemplu de echivalare a unui filtru trece jos de ordinul I n timp continuu cu un filtru trece jos n timp discret, folosind metoda de echivalare bazat pe invariana rspunsului la impuls. Rspunsul la impuls al sistemului n timp continuu este:

h a (t ) = A e

(t )

Rspunsul la impuls al sistemului n timp discret echivalent este:

h d [n ] = A e

[n ]

104 Metode de echivalare 3 Cele dou rspunsuri la impuls sunt reprezentate grafic n figura urmtoare, pentru A=1 i = 1 .

Figura 3.2.3. Rspunsurile la impuls ale filtrului analogic de ordinul I i al filtrului numeric echivalent.

Funciile de transfer ale celor dou sisteme sunt:

H a (s ) =

A 1 +s

i:

H d (z ) = 1 e

z 1

3.2. Metoda invarianei rspunsului la impuls 105 Expresile rspunsurilor n frecven ale celor dou sisteme sunt:

H a () =

1 1 + j

i:

H d ( ) = 1 e

e j

Modulele celor dou rspunsuri n frecven pentru A =1, = 1 i T=1 sunt reprezentate n figura 3.2.4.

Figura 3.2.4. Modulele rspunsurilor n frecven ale celor dou sisteme, analogic (curba de jos) i digital (curba de sus) echivalente pe baza metodei invarianei rspunsului la impuls.

106 Metode de echivalare 3 Chiar dac n domeniul timp calitatea echivalrii pare bun, figura 3.2.4 dovedete c aceast metod de echivalare nu are performane deosebite. La frecvene joase cele dou caracterstici sunt ct de ct asemntoare, dar pe msur ce frecvena crete calitatea echivalrii scade tot mai mult. Motivul este nelimitarea n banda de frecvene a filtrului analogic. Din pcate toate sistemele analogice ntlnite n practic sunt de band nelimitat (deoarece au rspunsul la impuls de durat finit). n consecin metoda de echivalare bazat pe invariana rspunsului la impuls merit s fie utilizat n practic doar pentru sisteme n timp discret care urmeaz s prelucreze semnale de joas frecven. 3.3. Metoda de echivalare bazat pe aproximarea ecuaiei difereniale care descrie filtrul analogic cu o ecuaie cu diferene finite care descrie filtrul numeric echivalent Definiia derivatei unui semnal analogic, x(t) este:

dx x (t ) x (t T ) = lim T 0 dt T
de unde:

dx dt

t = nT

= lim

x (nT ) x ((n 1)T ) T 0 T

Dac x[n ] reprezint semnalul n timp discret obinut prin eantionarea ideal a semnalului x(t) cu pasul T, atunci ultima relaie se mai poate scrie:

dx dt

t = nT

= lim
T 0

x[n ] x[n 1] T

n continuare se va folosi aproximarea:

lim

x[n ] x[n 1] x[n ] x[n 1] x[n ] = T 0 T T T

care este cu att mi bun cu ct T este mai mic. Raionnd recursiv se obine relaia:

dkx dt k

t = nT

1 k x[n ] Tk

(22)

3.3. Aproximarea ecuaiei difereniale 107 Ecuaia diferenial care caracterizeaz sistemul n timp continuu care trebuie echivalat este:

a
k =0

dk y N dkx = bk k dt k k =0 dt

(23)

Aceasta poate fi echivalat pe baza relaiei (22) cu ecuaia:


N ak k b y[n ] = k k x[n ] Tk k k =0 k =0 T M

(24)

Aceasta este ecuaia cu diferene finite care caracterizeaz sistemul n timp discret echivalent sistemului n timp continuu considerat. Se poate demonstra cu uurin c diferena finit de ordinul k a unei secvene oarecare u[n ] are expresia:

k u[n ] = ( 1) C p u[n p] k
p p =0

(25)

Lund n ambii membri ai ultimei relaii trasformata z se obine:

Z k u[n ] = ( 1) C p z p U(z ) = U(z ) 1 z 1 k


p p=0

(26)

Aplicnd n ambii membri ai ecuaiei (24) transformata z i innd seama de relaia (24) se obine:
N 1 z 1 1 z 1 = X(z ) b k Y(z ) a k T T k =0 k =0 M k k

(27)

Pe baza relaiei (23) se stabilete expresia funciei de transfer a filtrului analogic de echivalat:

H a (s ) =

b a
k =0 k =0 M

sk
(28)

108 Metode de echivalare 3 Pe baza relaiei (27) se stabilete expresia funciei de transfer a filtrului numeric echivalent H d (z ) i se constat c:

H d (z ) = H a (s )

s=

1 z 1 T

(29)

Legtura dintre planele s i z impus de aceast metod de echivalare este:

s=
sau:

1 z 1 T

(30)

z=

1 1 1 T T +j = = 2 2 1 sT 1 T jT (1 T ) + (T ) (1 T )2 + (T )2

(31)

Notnd prile real i imaginar ale lui z cu x i y relaia (31) mai poate fi scris i n forma:

1 T (1 T )2 + (T )2 = x T =y (1 T )2 + (T )2
Eliminnd T din cele dou relaii se obine:

(32)

1 1 y +x = 2 2(1 T ) 4(1 T )
2

(33)

Pentru = 0 , ultima relaie devine:

1 1 2 x + y = 2 4

(34)

care descrie un cerc. n figura urmtoare este prezentat legtura dintre planele s i z indus de aceast metod de echivalare.

3.3. Aproximarea ecuaiei difereniale 109

Figura 3.3.1. Legtura dintre planele s i z indus de metoda de echivalare bazat pe aproximarea ecuaiei difereniale care descrie sistemul n timp continuu cu o ecuaie cu diferene finite care descrie sistemul n timp discret echivalent.

Relaia (34) arat c axa imaginar a planului s se transform n cercul de raz 0,5 i de centru (0,5 , 0), din planul z. Analiznd ultima figur se constat c, deoarece semiplanul stng al planului s se transform n interiorul cercului de raz 0,5 i de centru (0,5 , 0), care este interior cercului unitar, din planul z, un sistem stabil i cauzal n timp continuu se transform ntr-un sistem stabil i cauzal n timp discret. Rspunsul n frecven al sistemului n timp continuu se obine calculnd funcia de transfer a acestuia pe axa imaginar. Rspunsul n frecven al sistemului n timp discret se obine calculnd funcia sa de transfer pe cercul unitate. Dar metoda de echivalare studiat n acest paragraf transform axa imaginar a planului s n cercul, descris de relaia (34) din planul z. n consecin aceast metod nu respect cerina 1 a metodelor de echivalare, prezentate mai sus. Pentu a determina pe baza relaiei (29) legtura dintre rspunsurile n frecven ale celor dou sisteme este necesar ca z s fie simultan pe cercul unitate i pe cercul descris de relaia (34). Aceast condiie este descris doar de acele puncte din planul z situate n vecintatea punctului (1 , 0). Pe baza relaiei (32), acestor puncte le corespund valori foarte mici ale lui T . n acest caz:

z = e j = cos + j sin 1 + j

(35)

110 Metode de echivalare 3 i :

z 1 = e j 1 j
Relaia (29) devine, pentru valori mici ale lui :

(36)

H d ( ) = H a ()

j= j

sau

H d ( ) =T = H a ()

(37)

Deci rspunsul n frecven al sistemului n timp discret, pentru frecvene joase ( mic), aproximeaz bine rspunsul n frecven al sistemului n timp continuu echivalat. Condiia ca T s fie foarte mic este ndeplinit dac este foarte mic, deci metoda se recomand la echivalarea sistemelor care lucreaz la joas frecven, sau dac T este foarte mic, adic dac semnalul analogic de prelucrat se eantioneaz, pentru discretizarea sa, cu o frecven de eantionare foarte mare. n continuare se reia exemplul din paragraful anterior. Filtrul trece jos de ordinul I cu rspunsul la impuls h a (t ) = A e (t ) are funcia de transfer

H a (s ) =

A . Funcia de transfer a sistemului n timp discret echivalent este: 1 + s


AT T+ H d (z ) = 1 z 1 T+

iar rspunsul su la impuls este:

AT h d [n ] = [n ] T + T +
n figura urmtoare se prezint modulele rspunsurilor n frecven ale celor dou sisteme.

3.4. Echivalarea filtrelor analogice 111

Figura 3.3.2. Modulele rspunsurilor n frecven ale filtrului trece jos de ordinul I analogic i numeric echivalent.

Comparnd figurile 3.3.2 i 3.2.4 se constat superioritatea metodei de echivalare bazat pe aproximarea ecuaiei difereniale cu o ecuaie cu diferene finite asupra metodei de echivalare bazat pe invariana rspunsului la impuls. 3.4. Echivalarea filtrelor analogice cu filtre numerice pe baza transformrii biliniare n cazul acestei metode de echivalare legtura dintre planele s i z este dat de relaia:

s=

2 1 z 1 T 1 + z 1

(38)

112 Metode de echivalare 3 care reprezint o transformare biliniar. Aceast legtur este impus de rezolvarea numeric a ecuaiei difereniale care descrie funcionarea sistemului n timp continuu care trebuie echivalat. n continuare se justific aceast afirmaie. Fie sistemul analogic descris de ecuaia diferenial:

a 0 y (t ) + a 1
Funcia sa de transfer este:

dy(t ) = b 0 x (t ) dt

(39)

H a (s ) =
Se poate scrie:

b0 a 0 + a 1s

(40)

y (t ) =

dy d + y ( t 0 ) d t0

Pentru: t = nT i t 0 = (n 1)T se obine:

y(nT ) =

dy d + y((n 1)T ) d ( n 1 T

nT

(41)

Integrala din membrul drept reprezint aria de sub graficul funciei

cuprins ntre liniile verticale duse prin punctele de abscise (n-1)T i nT i poate fi aproximat cu aria trapezului dreptunghic de baz mic

dy( ) d

Folosind aceast aproximare, relaia (41) devine:

dy( ) d

dy( ) d

= ( n 1)T

, baz mare

= nT

i nlime T.

y[n ] =

T dy( ) 2 d

= ( n 1)T

dy( ) d

= nT

+ y[n 1]

(42)

3.4. Echivalarea filtrelor analogice 113 S-a notat cu y[n ] semnalul n timp discret obinut prin eantionarea cu pasul T a semnalului de la ieirea sistemului analogic. Dar relaia (39) mai poate fi pus i n forma:

a dy(t ) b 0 = x (t ) 0 y(t ) dt a1 a1
nlocuind n ultimele relaii pe t cu nT respectiv cu (n-1)T se obin relaiile:

b0 a x[n ] 0 y[n ] i a1 a1 b a y'[n 1] = 0 x[n 1] 0 y[n 1] a1 a1 y' [n ] =


care nlocuite n (42) conduc la:

y[n ] y[n 1] =

b T a0 (y[n ] + y[n 1]) + 0 (x[n ] + x[n 1]) 2 a1 a1

sistemului numeric echivalent sistemului analogic considerat la semnalul x[n ] . Ultima relaie poate fi rescris n forma:

S-a notat cu x[n ] semnalul obinut prin eantionarea ideal cu pasul T a semnalului de la intrarea sistemului de echivalat. Semnalul y[ n ] reprezint rspunsul

T a0 T a 0 T b0 y[n 1] 1 = y[n ] 1 + (x[n ] + x[n 1]) 2 a1 2 a1 2 a1


Lund n ambii membri ai ultimei relaii transformata z se obine:

T a 0 1 T a 0 T b0 z Y(z ) 1 = 1 + z 1 X(z ) Y(z ) 1 + 2 a1 2 a1 2 a1

de unde se poate calcula funcia de transfer a sistemului n timp discret echivalent:

114 Metode de echivalare 3

H d (z ) =

b0
2 1 z 1 a 0 + a 1 T 1 + z 1

(43)

Comparnd relaiile (40) i (43) se constat c funciile de transfer ale celor dou sisteme sunt legate prin relaia:

H d (z ) = H a (s )

2 1 z 1 s= T 1+ z 1

Deci legtura dintre planele s i z indus de metoda de echivalare bazat pe rezolvarea numeric (folosind metoda trapezelor) a ecuaiei difereniale care descrie sistemul de echivalat este cea descris de relaia (38). Prin inversarea acesteia se obine:

T 1 + s 2 z= T 1 s 2
Expresia modulului lui z este:

z =

T T 1 + + 2 2 2 2 T T 1 + 2 2

(44)

Se constat urmtoarele implicaii:

< 0 = 0 > 0

z <1 z =1 z >1

Legtura dintre planele s i z specific metodei de echivalare bazat pe transformarea biliniar este reprezentat n figura urmtoare.

3.4. Echivalarea filtrelor analogice 115

Figura 3.4.1. Legtura dintre planele s i z indus de metoda de echivalare bazat pe transformarea biliniar.

Se constat c aceast metod respect toate cerinele specifice metodelor de echivalare a sistemelor n timp continuu cu sisteme n timp discret. Aa dup cum se poate vedea n figur, punctelor de pe axa imaginar din planul s le corespund punctele de cercul unitate din planul z:

j =
Deci:

(38 )

2 1 e j 2 = j tg j T 1+ e T 2

2 T tg sau = 2arctg T 2 2

(45)

n consecin legtura dintre rspunsurile n frecven ale celor dou sisteme echivalente este:

H d ( )

T = 2 arctg 2

= H a ()

(46)

Se constat c legtura dintre i este neliniar, eroarea de aproximare a lui H a () prin H d ( ) fiind cu att mai mare cu ct este mai mare.

116 Metode de echivalare 3 Relund exemplul filtrului analogic trece jos de ordinul I considerat la prezentarea fiecrei metode de echivalare, se constat c rspunsul n frecven al sistemului n timp discret echivalent este :

H d ( ) =

A 2 1 + j tg T 2

(47)

n figura urmtoare se prezint modulurile rspunsurile n frecven ale filtrului analogic de ordinul I i ale filtrului numeric echivalent obinut pe baza transformrii biliniare, pentru cazul A = = T = 1 .

Figura 3.4.2. Modulele rspunsurilor n frecven ale filtrului trece jos de ordinul I analogic i numeric echivalent pe baza transformrii biliniare.

3.5. Benzi echivalente de zgomot 117 Comparnd figurile 3.2.4, 3.3.2 i 3.4.2 se constat superioritatea metodei de echivalare bazat pe transformarea biliniar asupra metodelor de echivalare bazate pe invariana rspunsului la impuls respectiv pe aproximarea ecuaiei difereniale printr-o ecuaie cu diferene finite. Acesta este motivul pentru care construcia filtrelor numerice de tip Butterworth, Cebev sau Bessel se relaizeaz prin echivalarea filtrelor analogice corespunztoare folosind metoda de echivalare bazat pe transformarea biliniar. Pentru mbuntirea preciziei metodei de echivalare bazat pe transformarea biliniar poate fi realizat o predistorsionare a rspunsului n frecven al filtrului analogic de echivalat, nainte de echivalare, folosindu-se schimbarea de variabil:

nou =

2 tg ( vechi ) T

3.5. Benzi echivalente de zgomot ale unor filtre numerice Considernd problema mbuntirii RSZ pentru semnalele n timp discret prin filtrare numeric liniar, fie semnalul :

x[n] = s[n] + n B [n]


unde s[n] este un semnal determinist de putere finit iar nB[n] este un zgomot alb de band limitat B i de densitate spectral de putere N0. Prin filtrarea semnalului x[n] cu sistemul cu rspuns la impuls h[n] se obine semnalul y[n] :

y[n] = u[n] + n B0 [n]


unde :

u[n] = s[n] h[n]


nB0 () = nB () | H() |2
[Bel.90], [Cou.84], [DeS.,Isa.93], [Naf.,Cm.,Isa.95]. La intrarea filtrului avem RSZ dat de relaia :

RSZi =

Ps Pu

118 Metode de echivalare 3 iar la ieire avem :

RSZ0 =
mbuntirea RSZ fiind :

Pu Pn B0

RSZ0 Pu Pu = RSZi Ps PnB0

Dac filtrul este proiectat astfel nct :

Pu = Ps
atunci mbuntirea RSZ este :

=
Dar :

Pn PnB0

1 N 0 d = N 0 PnB = 2 - 1 N N0 | H() |2 d = 0 | H() |2 d P nB0 = 2 - 2 -


de aceea :

N0 No | H() |2 d 2 -

2
-

| H() | d
2

Numitorul membrului drept poart numele de band echivalent de zgomot a sistemului cu rspunsul n frecven H().

3.5. Benzi echivalente de zgomot 119 n [Isa.95] s-au calculat benzile echivalente de zgomot pentru cteva filtre numerice cu rspuns finit la impuls (RFI) de diferite ordine. n aceeai referin bibliografic s-au propus i etape de proiectare a filtrelor RFI i s-au fcut aprecieri asupra benzilor echivalente de zgomot pentru un filtru numeric cu rspuns infinit la impuls (RII). n continuare se prezint doar calculele pentru benzile echivalente de zgomot pentru filtrele numerice RFI de ordinul N i pentru filtrul RII de ordinul I. 3.5.1. Filtru RFI de ordinul N Ecuaia cu diferene finite care descrie funcionarea unui filtru RFI de ordinul N este cunoscut ca fiind :

y[n] = a 0 x[n] + a 1 x[n 1] + ... + a N x[n N]


Rspunsul n frecven al acestui sistem va fi :

H() = a 0 + a 1e j + ... + a N e jN
adic :

H() = a 0 + a 1 cos + ... + a N cos N j(a 1 sin + ... + a N sinN)


i avem n continuare:
2

H() = (a 0 + a 1 cos + + ... + a N cos N )2 + (a 1 sin + ... + a N sinN )2


ceea ce se mai poate scrie i sub forma :

H( )

N N = a k cos(k ) + a k sin (k ) k =0 k =0

(48)

Calculm separat cele dou sume :


N N N a k cos(k ) = a 2 cos 2 (k ) + k k =0 k =1 k =0 2

a
l = 0, l k

a l cos(k ) cos(l )

120 Metode de echivalare 3


N N a k sin (k ) = a 2 sin 2 (k ) + k k =1 k =0 2

a
k =1 l =1, l k

a l sin (k ) sin (l )

i, revenind la relaia (2.11), avem :

H() = a 2 ( sin 2 k + cos2 k ) + k


2 k =0

+
k =1

a a [cos(k) cos(l) + sin (k)sin (l)]


k l l =1, l k

sau :

H() = a 2 + k
2 k =0 k =0

a
l=0, l k

a l cos(k - l)

(49)

Condiia de egalitate a puterilor semnalelor deterministe de la intrarea i ieirea filtrului numeric se scrie :

1 1 2 2 2 H() S() d = 2 S() d 2


sau, innd cont de (49) :

N 1 N 2 2 a k S() d + 2 k = 0 - k = '0
adic :

, a k a l cos(k - l) S() d = Ps l=0 l k


N 2

N N R ss [0] a 2 + k k =0 k =0

1 2 a kal , cos[(k - l)] S() d = R ss [0] l=0 2 l k


N

3.5. Benzi echivalente de zgomot 121 Dar :

1 2 S() cos[(k - l)]d = 2 =


1 1 1 2 2 j(k -l) S() e j(k -l) d + d = S() e 2 2 2

=
De aceea :

1 {R ss [k l] + R ss [l k ]} = R ss [k l] 2

N N N 2 a k R ss [0] + a k a l R ss [k - l] = R ss [0] k =0 l =0, k =0 l k

(50)

sau :
N N 1 a 2 R ss [0] = k k =0 k =0

a
l= 0, l k

a l R ss [k - l]

Banda echivalent de zgomot a filtrului RFI de ordinul N este :

H() d = 2 a 2 + k
2 k =0 k =0

a k a l cos (k - l) d
l =0, l k

Dar :

cos(k - l)d =

1 1 d[sin (k - l)] = sin[(k l )] = 0; k l k - l kl

i revenind la relaia anterioar :


2 H() d = 2 a k k =0 2 N

i deci mbuntirea RSZ este dat de :

122 Metode de echivalare 3

N =

a 2k
k =0

(51)

Rezult c filtrul de ordinul N trebuie proiectat n aa fel nct s se minimizeze suma ptratelor coeficienilor cu constrngerea dat de relaia (50). Un caz particular interesant este cel n care: a0 i aN sunt diferii de 0 i ak = 0 pentru k = 1N-1. n aceast situaie :

H() = a o + a N cosN ja N sinN


2 H() = a 0 + a 2 + 2a 0 a N cosN N

i n acest caz, corespunztor relaiei (50) :

(1 a
iar relaia (51) devine :

2 0

a 2 R ss [0] = 2a 0 a N R ss [N] N

N =

1 a + a2 N
2 0

Algoritmul de proiectare al filtrului este urmtorul : 1. Se calculeaz Rss[0], Rss[N] i RN = Rss[N]/Rss[0] . 2. Se alege valoarea lui N dorit, n intervalul :

1 < N < R N + 1
3. Valorile coeficienilor a 0 i aN vor fi :

a 0, N =

R N + N 1 R N - N + 1 R N N R N N 2

3.5. Benzi echivalente de zgomot 123 OBSERVAII O1. Acest algoritm nu se poate aplica n cazul semnalelor s[n] la care Rss[N] = 0. O2. Problema optimizrii filtrului RFI de ordin N este una de extreme cu legturi. ntr-adevr, trebuie minimizat funcionala :

F(a k ) = a 2 k
k =0

cu respectarea relaiei (50). Condiia de minim a funcionalei fiind :

F(a k ) =0 a k

2 a k = 0
k =0

una dintre condiiile care merit s fie verificat n proiectarea filtrului este :

a
k =0

=0

(52)

O3. Banda echivalent de zgomot a unui filtru RIF de ordinul N cu coeficieni ak, k = 0N este deci :

B ZN = a 2 k
k =0

3.5.2. Filtru RII Un filtru RII de ordinul I este descris de ecuaia cu diferene finite :

b 0 u[n] + b 1 u[n 1] = a 0 s[n] + a 1s[n - 1]


Rspunsul su n frecven este :

a 0 + a 1e j H() = b 0 + b 1 e j
De aceea se poate scrie :

124 Metode de echivalare 3

2 a 0 + a 1 + 2a 0 a 1 cos H() = 2 2 b 0 + b1 + 2b 0 b1 cos 2

Se obine pentru banda echivalent de zgomot :


2 a 0 + a 1 + 2a 0 a 1 cos d BzRII = H() d = 2 2 b 0 + b 1 + 2b 0 b 1 cos 2 2

Fcnd substituia :

tg
se obine:

=t 2

a a1 B zRII = 2 0 b b 1 0

dt b + b1 t + 1 2 t + 0 b b 1 0

a + a1 t2 + 0 a a 1 0

Cu notaiile :

a 0 + a1 b + b1 a a1 = ; 0 = si 0 = a 0 a1 b 0 b1 b 0 b1
expresia benzii echivalente de zgomot devine :

B zRII = 2

t 2 + 2 dt 2 2 1+ t2 t +

Pentru aceasta se face descompunerea :

3.6. Filtre numerice echivalente 125

(
i deci :

t2 + 2 t 2 + 2 1 + t 2

)(

2 2 1 2 1 2 1 = 2 + 2 t + 2 t +1
2

2 2 B zRII = 2 2 2 1
adic :

dt 2 1 dt + 2 t 2 + 2 1 t 2 + 1

B zRII

t d 2 2 2 + 1 arctg(t ) = 2 2 2 2 1 2 1 t 1+

2 2 2 1 + 2 ( 1) = 2 2 = 2 2 2 + 2 2 1 1 1

Deci banda echivalent de zgomot a unui filtru RII de ordinul I este :

B zRII = 2 2

( + )
2

( + 1)

Se pot calcula, n acelai fel, benzile echivalente de zgomot i pentru filtre RII de ordin superior. Astfel de filtre se utilizeaz n construcia modulatoarelor sau a demodulatoarelor numerice, a multiplexoarelor numerice, a codoarelor n subbenzi, etc. Studiul acestor filtre se justific i pentru c ele pot fi utilizate drept filtre prototip pentru filtrele digitale adaptive.

3.6. Filtre numerice echivalente filtrelor analogice transversale ntr-un paragraf anterior s-a prezentat modul n care se poate mbunti RSZ n cazul semnalelor periodice, analogice, perturbate aditiv de zgomot alb. Au fost

126 Metode de echivalare 3 definite filtrele transversale analogice. Principala proprietate a acestor sisteme este periodicitatea rspunsului lor n frecven. Datorit acestei proprieti ele pot fi proiectate n aa fel nct rspunsul lor n frecven s aib maxime la pulsaiile armonicelor semnalului util s(t). i spectrul semnalului periodic n timp discret este discret. De aceea i n cazul semnalelor periodice n timp discret este util folosirea unor filtre numerice cu rspuns n frecven periodic, de perioad inferioar lui 2. n continuare se prezint modul n care pot fi construite filtre cu rspunsul n frecven periodic de perioad 2/2N. Fie sistemul din figura urmtoare: x[n] y[n]

2
Figura 3.6.1. Sistem de supraeantionare.

Legtura dintre semnalele x[n] i y[n] este:

n x , pentru n 2 y[n] = 2 in rest 0,


]Se calculeaz legtura dintre transformatele Fourier n timp discret ale semnalelor x[n] i y[n] :

Y() =
sau :

n =

y[n]e

jn

p =

y[2p]e

j 2 p

p =

y[2p + 1]e

j( 2 p +1)

Y() =

p =

x[p]e

j 2 p

= X(2)

Trebuie menionat faptul c semnalul y[n] se obine prin intercalarea a cte unui zero ntre eantioanele succesive ale semnalului x[n]. Un exemplu pentru generarea semnalului y[n] pornind de la semnalul x[n] este prezentat n figura urmtoare. Deci intercalnd zerouri ntre eantioanele rspunsului la impuls a unui filtru cu rspuns n frecven H() se obine rspunsul la impuls al unui sistem cu rspunsul n frecven H(2).

3.6. Filtre numerice echivalente 127

Figura 3.6.2. Exemplu de supraeantionare.

n continuare se analizeaz sistemul obinut prin conectarea n cascad a dou sisteme de tipul celui din figura 3.6.1., sistem care este prezentat n figura 3.6.3. x[n] 2 y[n] 2 z[n]

Figura 3.6.3. Conectarea n cascad a sistemelor de supraeantionare.

Se constat c :

n y , pentru n 2 z[n] = 2 in rest 0,


Dar :

128 Metode de echivalare 3

n x , pentru n 2 y[n] = 2 in rest 0,


De aceea :

n x , pentru n 4 z[n] = 4 in rest 0,


Legtura dintre transformatele Fourier n timp discret ale secvenelor x[n] i z[n] este :

Z() =

n =

z[n]e jn = + =

p =

z[4p]e j4 p +

p =

z[4p + 1]e

j( 4 p +1)

p =

z[4p + 2]e j( 4 p +1) +


j 4 p

p =

z[4p + 3]e

j( 4 p +1)

p =

x[p]e

= X(4)

Deci intercalnd cte trei zerouri ntre eantioanele succesive ale rspunsului la impuls al unui filtru cu rspunsul n frecven H() se obine rspunsul la impuls al unui filtru cu rspunsul n frecven H(4). Dar funcia H(2) este periodic de perioad 2/2 iar funcia H(4) este periodic de perioad 2/4. De aceea se poate afirma c intercalnd 2N-1 zerouri ntre eantioanele succesive ale rspunsului la impuls ale unui filtru numeric cu rspunsul n frecven H() se obine rspunsul la impuls al unui sistem cu rspunsul n frecven H(2N), care este o funcie periodic de perioad 2/2N. OBSERVAIE. Benzile echivalente de zgomot ale sistemelor cu rspunsurile n frecven H(),H(2),...,H(2N) sunt identice. ntr-adevr :
2

B z = | H() | d =
2 -

| H() |
0

3.6. Filtre numerice echivalente 129

0 2 du 1 2 2 | H() | d = | H(u) | 2 = 2 -2 | H(u) | du + | H(u) | du = 2 0 2 2 2

1 2 | H(-u) | du + 2 0
2 2

| H(u) |
0

du =

1 = | H* (u) |2 du + 20
2

2 2 | H(u) | du = | H(u) | du = B z 0 0
2

1 | H(2 ) | d = 2 N N 2

2N

2N

| H(u) |2 du =

1 2N

2 N 1 1 ( k +1)2 k = 2 N 1

| H(u) |2 du

k 2

Dar :

H(u) = H(u - 2k) , ()k Z


Fcnd n ultima integral schimbarea de variabil v = u - 2k, se obine :
(k +1)2

k 2

| H(u) | du =

| H(v) | dv = B
2 0

De aceea :

| H(2

) |2 d =

1 N 2 Bz = Bz 2N

(53)

S considerm n continuare c trebuie prelucrat, pentru a i se mbunti RSZ, semnalul x[n] :

x[n] = s[n] + n[n]


n aceast ultim relaie s[n] este un semnal periodic n timp discret de perioad M. Semnalul s[n] are un spectru discret, armonicele sale fiind distanate cu

130 Metode de echivalare 3 2/M ntre ele. S presupunem c semnalul s[n] este de band limitat, pulsaia maxim n spectrul su fiind P(2/M). Se poate construi un filtru numeric al crui rspuns n frecven s aib maxime la pulsaiile k(2/M), kZ. Fie, n acest scop, filtrul numeric trece jos cu rspunsul n frecven H(). Se construiete sistemul cu rspunsul n frecven H(M). Se constat c la pulsaiile k(2/M) valoarea rspunsului n frecven al acestui filtru este :

2 H Mk = H (k2) = H(0) M
adic maxim. Fie aceast valoare egal cu 1. Se constat faptul c toate armonicele semnalului s[n] trec nealterate prin filtrul cu rspuns n frecven H(M). Notnd cu y[n] semnalul obinut prin prelucrarea semnalului x[n] i acceptnd c acesta este de forma :

y[n] = u[n] + n 0 [n]


se constat c dac semnalul s[n], periodic de perioad M, este prelucrat cu sistemul cu rspuns n frecven H(M) atunci :

Pu = Ps
iar dac semnalul s[n] este prelucrat cu sistemul cu rspuns n frecven H() atunci :

Pu < Ps
deoarece anumite armonici ale semnalului s[n] sunt atenuate de acest sistem. De aceea, n cazul sistemului cu rspuns n frecven H() avem :

RSZ 0 RSZ i

P P P = u n = u 1 Pn 0 Ps Ps

H ()

<
2

H ( )

n cazul sistemului cu rspuns n frecven H(M), avem :

3.6. Filtre numerice echivalente 131

RSZ 0 RSZ i P = u P s

P = u M Ps M 2

H ( M )
=

=
2

H ()

H ( )

Deoarece :

RSZ 0 RSZ i

RSZ 0 > M RSZ i

se constat superioritatea sistemului cu rspuns n frecven H(M) asupra celui cu rspunsul n frecven H(), la prelucrarea semnalelor periodice de perioad M, din punct de vedere al mbuntirii raportului semnal pe zgomot, RSZ. S considerm n continuare ca exemplu semnalul :

s[n] = cos n + cos n + cos n 8 4 2


Transformata Fourier n timp discret a acestui semnal este :

S() =

cos n e jn + cos n e jn + cos n e jn 8 4 2 n = n = n =

Pentru c avem urmtoarea pereche Fourier :


cos n cos n e jn = M M n = j n 1 j n = e M + e M 2 n = n =
2 2

rezult :

132 Metode de echivalare 3


2 2 j + n 1 j M n 2 cos n e + e M 2 n = M n =

Se cunoate c dezvoltarea n serie Fourier a distribuiei 2(t) este :

2 (t) =

1 jkt e 2 k =

nlocuind t cu

2 , ultima relaie devine : M


2 1 j M - n 2 = e M 2 n =
2

iar pentru t lund valoarea + se obine : M

1 j 2 + n 2 = 2 e M M 2 n = De aceea :

2 2 2 cos n 2 + 2 + M M M
iar transformata Fourier n timp discret a semnalului s(t) este :

S() = 2 + 2 + + 2 + 8 4 8 + 2 + + 2 + 2 + 4 2 2
Puterea acestui semnal este :

3.6. Filtre numerice echivalente 133

Ps =

1 1 1 3 + + = 2 2 2 2

Transformata Fourier a rspunsului sistemului cu rspunsul n frecven H() la semnalul s[n] este :

U() = S() H() = H 2 + H 2 + + 8 8 8 8 + H 2 + H 2 + + 4 4 4 4 + H 2 + H 2 + = 2 2 2 2 = H 8


+ H 4
jarg H jarg H 8 8 e 2 + e 2 + + 8 8

jarg H jarg H 4 4 e 2 + e 2 + + 4 4

+ H 2

jarg H jarg H 2 2 e 2 + e 2 + 2 2

Expresia semnalului u[n], rezultat din filtrarea lui s[n], devine :

u[n] = H cos n + arg H + H cos n + arg H 4 8 4 8 4 8 + H cos n + arg H 2 2 2


Puterea semnalului de ieire este :

134 Metode de echivalare 3

1 Pu = H + H + H 2 8 2 4
2 2

(54)

S considerm c sistemul cu rspuns n frecven H() este un filtru de mediere cu rspunsul la impuls :

1 , n = 0 M 1 h[n] = M 0, in rest

H() =

1 M 1 jk 1 1 - e jM e = M 1 - e j M k =0 1 e M j e 2
jM 2

sin

M 2 sin 2

Deci :
2

H() =

1 e M

j(M -1)

sin

M 2 sin 2

Penru M = 15 se obine :

H() =

1 j7 e 15

sin

15 2 sin 2

De aceea :

3.6. Filtre numerice echivalente 135

1 H = e 8 15

7 8

1 j H = e 4 4 15 1 j H = e 2 2 15
Astfel :

15 16 sin 16 15 sin 8 sin 8 15 sin 4 sin 4 sin

H = 0,023 ; H = 0,066 ; H = 0.066 8 4 2


i prin urmare avem, Pu = 4,62 10-3. Transformata Fourier a rspunsului sistemului cu rspuns n frecven H(16) la semnalul s[n] este :

U() = S()H(16) = H(2) 2 + H(2) 2 + + 8 8

+ H(4) 2 + H(4) 2 + + 4 4
+ H(8) 2 + H(8) 2 + = 2 2 = H(0) 2 + 2 + + 2 + 4 8 8 + 2 + + 2 + 2 + 2 4 2

136 Metode de echivalare 3 Expresia semnalului u[n] este :

u[n] = cos

n + cos n + cos n 8 4 2

iar puterea sa este Pu = 3/2. Banda echivalent de zgomot a filtrului cu rspuns n frecven H() este, conform observaiei O3 din paragraful anterior, egal cu :

1 1 Bz = = M k =0 M
innd cont c valoarea lui M s-a considerat de 15, rezult Bz = 1/15 . Considernd densitatea spectral de putere a zgomotului n[n] , N0 =1, se obine pentru raportul semnal pe zgomot, RSZ al semnalului x[n] :

M 1

3 2 RSZi = = 1,5 1
La ieirea sistemului cu rspuns n frecven H() vom avea urmtorul RSZ :

RSZ 0 =

4,62 10 3 = 30 4,62 10 3 = 0,435 1 30

Deci sistemul cu rspuns n frecven H() nu mbuntete raportul semnal pe zgomot. Pentru ieirea sistemului cu rspuns n frecven H(16), RSZ este :

3 RSZ 0 = 2 = 45 = 141,37 1 30
iar mbuntirea RSZ realizat cu acest filtru dat de raportul :

RSZ 0 RSZi

141,37 = 94,247 1,5

3.6. Filtre numerice echivalente 137 Rspunsul la impuls al acestui filtru este prezentat n figura urmtoare.

Figura 3.6.4. Rspunsul la impuls al unui filtru numeric "echivalent" cu un mediator analogic alunector.

OBSERVAII O1. Filtrele din acest paragraf au fost numite echivalente cu filtre transversale analogice avnd n vedere c pot fi utilizate (la fel ca i filtrele analogice amintite) la prelucrarea semnalelor numerice periodice. Cele dou categorii de filtre se numesc echivalente deoarece ambele au rspunsuri n frecven periodice (cele numerice cu perioad submultiplu al lui 2). O2. Dei durata rspunsului n frecven H(2N) este de 2N ori mai mare dect durata rspunsului la impuls a filtrului prototip H(), numrul coeficienilor nenuli ai celor dou sisteme este acelai. De accea se poate afirma c nu apar complicaii prea mari de calcul prin folosirea filtrelor propuse. O3. Procedeul de generare al sistemului cu rspunsul n frecven H(2N) poart numele de supraeantionare deoarece rspunsul la impuls al filtrului cu rspunsul n frecven H(2N) poate fi privit ca fiind obinut prin eantionarea cu o frecven de 2N ori mai mare dect frecvena de eantionare folosit pentru obinerea rspunsului la impuls al sistemului cu rspunsul n frecven H(). O4. Inserarea de zerouri este utilizat i pentru construcia filtrelor conjugate n oglind (Quadratur Mirror Filter) folosite n codarea subband [Mal.94], [Kun.84], [Bas.,Chi.,Cho.95], [Blu.,Uns.98], [Bol.,Hla.,Fei.96], [Kla.,Hol.,Flo.97]. O5. Sistemul folosit ca exemplu la sfritul acestui paragraf se numete mediator numeric alunector [DeS.,Isa.92], [Asz.93]. O6. Alte proprieti ale filtrelor prezentate n acest paragraf sunt demonstrate n [Isa.95(1)].

138 Metode de echivalare 3 3.7 Mediatoare numerice ca filtre adaptate n timp discret Ecuaia cu diferene finite care caracterizeaz filtrul numeric, care la excitaia si[n], rspunde cu semnalul s 0 [n] este:

a k s i [n k ] =
k =0

b
k =0

s 0 [n k ]

(55)

Coondiiile iniiale se consider nule. Dac singurul coeficient ak nenul este a0 atunci filtrul implementat este un sistem nerecursiv. Aceste filtre au proprietatea c rspunsul lor la impuls este de durat finit i de aceea se mai numesc filtre cu rspuns finit la impuls (R.F.I.). Pentru a0 = 1, ecuaia care descrie un astfel de sistem este:

s 0 [n ] =

b s[n k ]
k =0 k

(56)

Forma canonic I de implementare a sistemului descris de ecuaia (56) este prezentat n figura 3.7.1.
s i [n ]
D D D

b1 b 2 b M 1 b0 + bM s 0 [n ]

Figura 3.7.1. Forma canonic de implementare a unui filtru numeric R.F.I.

Pe baza figurii se constat c operaiile de ntrziere, cele de nmulire cu constante i cele de nsumare se realizeaz pe direcii transversale, de unde vine i denumirea filtrelor care se implementeaz n acest mod. Relaia (56) conduce la urmtoarea expresie a rspunsului la impuls al filtrului transversal:

h[n ] =

b
k =0

[n k ]

(57)

din care se poate deduce expresia rspunsului n frecven:

3.7. Mediatoare numerice 139

H( ) = b k e jk
k =0

(58)

Dac coeficienii bk au valoarea 1/M pentru k = 0, M 1 i n rest sunt nuli se obine ecuaia cu diferene finite:

s 0 [n ] =(1/M) s i [n k ]
k =0

M 1

(59)

Avnd n vedere c semnalul s 0 [n ] se obine din semnalul s i [n ] , mediind aritmetic ultimele M eantioane ale acestuia, sistemul obinut se numete mediator numeric. Rspunsul su la impuls este:

h 0 [n ] =(1/M) [n k ]
k =0

M 1

(60)

iar rspunsul su n frecven este:

H( ) =(1/M) e jk =(1/M) e j ( M 1) / 2 sin( M / 2) / sin( / 2)


k =0

M 1

(61)

Pentru M = 4 rspunsul la impuls i modulul rspunsului n frecven ale mediatorului numeric sunt prezentate n figura 3.7.2.
H( )
1 4

h[n ]

Band de blocare

-1 0

Figura 3.7.2. Caracteristicile mediatorului pentru M de valoare 4.

140 Metode de echivalare 3 Se constat c mediatorul este un filtru trece jos, care la anumite frecvene introduce atenuri infinite. Poziia pe axa frecvenelor a acestora, precum i atenuarea minim n banda, de blocare pot fi fixate cu ajutorul constantei M. Analiznd ecuaia (60), se constat c, sincron cu derularea temporal a eantioanelor semnalului s 0 [n ] , are loc alunecarea temporal a mediei aritmetice a

acoperit aditiv de zgomotul n i [n ] . n scopul reducerii zgomotului din semnalul:

ultimelor M eantioane ale semnalului s i [n ] . De aceea sistemul prezentat este numit mediator alunector. Se consider c trebuie transmis secvena util s i [n ] , de durat finit M,

x[n ] = s i [n ] + n i [n ]

(62)

acest semnal este prelucrat de ctre sistemul nerecursiv n timp discret cu rspunsul la impuls h[n], obinndu-se semnalul y[n]:

y[n ] = s 0 [n ] + n 0 [n ]

(63)

unde s 0 [n ] reprezint componenta util a semnalului y[n] iar n 0 [n ] componenta sa aleatoare. Problema este determinarea rspunsului la impuls h[n] al acelui sistem, care asigur la ieirea sa un raport semnal pe zgomot maxim, la un moment de timp n0. Sistemul care satisface aceast condiie se numete filtru adaptat la semnalul s i [n ] . Semnalele s i [n ] i s 0 [n ] sunt de durat finit deci de putere nul. Raportul semnal pe zgomot la ieire trebuie s depind de timp, pentru a putea fi maxim la momentul n0. Din aceste motive formula de calcul a raportului semnal pe zgomot la ieire este:
2 RSZ 0 = s 0 [n ] / Pn 0 [n ]

(64)

unde cu Pn0[n] s-a notat puterea zgomotului de la ieire. Dar:

s 0 [n ] = s i [n ] * h[n ] = s i [p] h[n p ]


p =0

M 1

(65)

Folosind inegalitatea Cauchy-Buniakovski-Schwartz, se poate scrie:

3.7. Mediatoare numerice 141


2 0

[n ] s i2 [p] h 2 [n 0 p]
p =0 p =0

M 1

M 1

(66)

Egalitatea are loc n ultima relaie dac: h[n 0 -p] = a si[p] p = 0, M 1 (67)

unde a este o constant. Deci sistemul care rspunde la semnalul s i [n ] cu un semnal

s 0 [n ] , maxim la momentul n0, este acela al crui rspuns la impuls este:


h[n] = a si[n 0 -n] n = n 0 ( M 1), n 0

(68)

Dac n 0 = M-1, atunci: h[n] = a si[M-1-n] n = 0, M 1 (69)

eantioane nu sunt corelate cu cele ale semnalului s i [n ] i sunt independente ntre ele. Se poate demonstra c, din toate sistemele nerecursive cu rspunsul la impuls de durat M, acela care asigur la ieirea sa un raport semnal pe zgomot RSZ0 maxim este cel dat de relaia (69). De aceea, acesta este un filtru adaptat la semnalul s i [n ] n ipoteza c acesta este perturbat aditiv de zgomot alb. Dac semnalul util de la intrarea filtrului adaptat are expresia: si[n] =

Se consider c n i [n ] este un semnal aleator de tip zgomot alb, ale crui

1, 0,

n = 0, M 1 n rest

(70)

i dac constanta a este aleas de valoare 1/M, atunci expresia rspunsului la impuls al filtrului adaptat la acest semnal este: h[n] =

1 / M, 0,

n = 0, M 1 n rest

(71)

142 Metode de echivalare 3 Deci mediatorul alunector este un filtru adaptat pentru semnalul definit de relaia (70). Acest semnal este de durat finit i amplitudine constant.

3.7.1. Utilizarea mediatoarelor numerice la prelucrarea semnalelor periodice n timp continuu Un exemplu de sistem destinat mbuntirii raportului semnal pe zgomot al semnalelor periodice n timp continuu, care folosete un mediator numeric n timp discret este prezentat n figura 3.7.1.1. Se analizeaz funcionarea sistemului din figur n regim permanent. Semnalul s i (t ) este periodic de perioad T0. Prin eantionarea sa

coerent, se obine semnalul s ie (t ) , periodic de aceeai perioad, fiecare dintre perioadele sale coninnd N eantioane. Prin conversie analog numeric, se transform semnalul s ie (t ) n secvena numeric s i [n ] care aproximeaz secvena s ie [n ] , rotunjind valoarea fiecrui eantion al acesteia la cel mai apropiat numr ntreg. Secvena s i [n ] este periodic de perioad N. Ea poate fi privit ca i prelungirea prin periodicitate, cu perioada N, a unei secvene de durat finit, s ir [n ] . Aceasta poate fi descris cu relaia:

s ir [n ] = s ir [0] [n ] + s ir [1] [n 1] + ... + s ir [N 1] [n N + 1]


Prelungirea prin periodicitate a secvenei s i [n ] poate fi descris prin convoluia:

(72)

s i [n ] = s ir [n ] *
relaie care se mai scrie:

k =

[n kN]

(73)

s i [n ] = s ir [0]

k =

[n kN] + s ir [1]

k =

k =

[n kN 1] + ...

(74)

+ s ir [N 1] Folosind notaia:

[n kN N + 1]
l = 0, N 1

s i1 [n ] = s ir [1]

k =

[n kN l]

(75)

3.7. Mediatoare numerice 143 relaia (74) se mai scrie:

s i [n ] = s i 0 [n ] +

s i1 [n ] + ... + s iN 1 [n ]

(76)

Secvena s i [n ] se eantioneaz prin nmulire cu secvenele p l [n ] definite prin:

p l [n ] =

k =

[n kN l]

l = 0, N 1

(77)

ocup poziiile p, p + N, p + 2N, etc. Compresia secvenelor s i1 [n ] presupune

obinndu-se secvenele s i1 [n ] . Se observ c aceste secvene sunt astfel construite nct ntre dou eantioane nenule consecutive conin N eantioane nule. Eantioanele nenule din secvena s ip [n ]

ndeprtarea eantioanelor nule din aceste secvene, obinndu-se secvenele s d1 [n ] = sunt mediate, prin prelucrare cu sistemele cu rspuns la impuls h[n], obinndu-se

s i1 [nN + 1], l = 0, N 1 . Aceste secvene sunt semnale de amplitudine constant, care

secvenele s 0 l [n ] , l = 0, N 1 . Procesul de interpolare al secvenei s d1 [n ] const n nserarea ntre dou eantioane consecutive ale acesteia, a N-1 eantioane nule, urmat de ntrzierea secvenei obinute, cu l eantioane, prin filtrarea acesteia, de ctre sistemul cu rspunsul la impuls [n-l], l = 0, N 1 . Prin nsumarea secvenelor s e1 [n ] semnalul s 0 (t) descris de relaia: s 0 (t) = s 0 [k] t [kT0 , (k + 1)T0 ] k (78) se obine secvena s 0 [n ] . Prin conversia numeric analogic a acestei secvene se obine

n figura 3.7.1.2 sunt prezentate formele de und care caracterizeaz sistemul descris mai sus, n ipoteza c la intrare este adus un semnal sinusoidal i c N = 4. Funcionarea circuitului descris, n regim tranzitoriu poate fi neleas, pe baza exemplului prezentat n figura 3.7.1.3, pentru o valoare a lui M egal cu 3. Pe baza acestui exemplu, se constat c regimul tranzitoriu al mediatorului dureaz 3T (n general MT), dup care circuitul intr n regim permanent. Semnalul s 0 (t) aproximeaz n acest regim cu att mai bine semnalul s i (t) cu ct N este mai mare.

144 Metode de echivalare 3

3.7. Mediatoare numerice 145

Figura 3.7.1.2. Formele de und care descriu funcionarea sistemului din figura 3.7.1.1.

146 Metode de echivalare 3

3.7. Mediatoare numerice 147 n continuare, se determin mbuntirea raportului semnal pe zgomot, introdus de circuitul prezentat, n regimul su de funcionare permanent. Deoarece n acest regim, conform figurilor 3.7.1.2 i 3.7.1.3, semnalul util s 0 [n ] se obine din

semnalul s i [n ] prin ntrzierea acestuia cu M perioade, aceste semnale au aceeai putere. n continuare, se presupune c semnalul aleator de la intrare (suprapus aditiv peste s i [n ] ) este un zgomot alb n timp discret cu eantioanele independente ntre ele i necorelate cu eantioanele semnalului util. Considernd c dispersia acestui semnal este , puterea zgomotului de la intrare n i [n ] este 2. Pentru calculul puterii zgomotului de la ieire, n 0 [n ] se poate folosi formula:
2 2 0 = M n 0 [n ] - M2 {n 0 [n ]} n

(79)

unde cu M s-a notat operatorul de mediere statistic. Avnd n vedere c operaiile de eantionare i decimare i interpolare sunt inverse, ntreg sistemul din figura 3.7.1.1 este echivalent cu un mediator cu rspuns la impuls h[n]. De aceea innd seama de h[n] relaia (79) se mai scrie:
2 2 M 1 M 1 = M (1 / M ) n i [n k ] - (1 / M ) {n i [n k ] } k =0 k =0

2 n0

(80)

Dac valoarea medie a zgomotului n i [n ] este nul, relaia (80) devine:

2 n0

= (1/M ) M n i2 [n k ] = (1/M 2 )(M 2 ) = 2 /M


2 k =0

M 1

(81)

i deci mbuntirea raportului semnal pe zgomot realizat este de M.

CAPITOLUL 4. Filtre liniare cu parametri variabili n timp

n capitolele anterioare au fost prezentate doar filtre liniare i invariante n timp. n acest capitol i n capitolul urmtor vor fi prezentate filtre liniare variante n timp. n acest capitol se consider cazul filtrelor analogice. 4.1. Filtre cu capaciti comutate O categorie important de filtre active este aceea a filtrelor cu capaciti comutate. n cazul acestora o parte din rezistenele din schem sunt nlocuite cu perechi condensator-comutator. 4.1.1. Integratorul ideal cu capaciti comutate n figura 4.1.1.1 se prezint schema unui integrator ideal.

Figura 4.1.1.1. Schema unui integrator ideal.

Considernd amplificatorul operaional din schema prezentat ca fiind ideal, se poate scrie :

4.1. Filtre cu capaciti comutate 149

Y(s) X(s) = 1 R sC
sau:

Y(s) 1 = X(s) sCR


de unde rezult expresia funciei de transfer a sistemului din figura 4.1.1.1, care este:

H(s) =
iar rspunsul su n frecven:

1 sCR

H() =

1 jCR

(1)

n continuare se prezint principiul condensatorului comutat. Fie n acest scop sistemul din figura 4.1.1.2a. Comutatorul K este comandat n aa fel nct st cte

Te 2

secunde pe poziia 1, respectiv aceeai durat pe poziia 2. Cnd K este pe poziia 1, condensatorul C se ncarc cu tensiunea V1. Cnd comutatorul K este pe poziia 2, condensatorul C se ncarc cu tensiunea V2. Deci transferul de sarcin ntre condensorul C i sursa din dreapta (din figura 4.1.1.2a) este de valoare C(V1-V2). Deci n intervalul de timp Te/2 are loc o variaie de curent de forma : i=

2C(V1 V2 ) Te

(2)

Dac n locul condensatorului i a comutatorului ar fi montat o rezisten, ca n figura 4.1.12. b), atunci prin acest circuit ar fi aprut, n acelai sens, curentul : i=

V1 V2 R

(3)

Deci rezistena R poate fi simulat cu ajutorul condensatorului comutat. Din identificarea membrilor drepi ai relaiilor (2) i (3) se obine:

150 Filtre liniare 4 R=

Te 2C

Figura 4.1.1.2. Principiul condensatorului comutat.

Deci valoarea rezistenei simulate poate fi reglat prim modificarea frecvenei de comand a comutatorului K. n figura 4.1.1.3 este prezentat schema unui integrator ideal cu capaciti comutate.

Figura 4.1.1.3. Schema unui integrator ideal cu capaciti comutate.

Att timp ct comutatorul K st pe poziia 1, (Te/2 s), condensatorul C1 se ncarc, cderea de tensiune pe acest element fiind egal cu valoarea curent a tensiunii x(t). Ct timp K se gsete pe poziia 2, tensiunea pe C1 se anuleaz (cderea de tensiune ntre bornele amplificatorului operaional este nul), sarcina nmagazinat n C1 transferndu-i-se lui C.

4.1. Filtre cu capaciti comutate 151 Funcionarea sistemului din figura 4.1.1.3 poate fi neleas pe baza exemplului din figura 4.1.1.4. Pe intervalul [0, Te/2], tensiunea pe C1 atinge valoarea x(Te/2). La momentul Te/2, condensatorul C1 se descarc, sarcina acumulat pe acesta, Q=C1 x(Te/2), fiind transferat condensatorului C. Aceast variaie de sarcin produce cderea de tensiune pe condensatorul C, uc:

uc =

Q C1 Te = x C C 2

De aceea pe intervalul e , Te expresia semnalului de la ieire este : 2 y(t) = -uc = apoi ciclul descris se repet.

C1 Te x C 2

x(t)

t uc1(t)

t -y(t)

t
0 Te/2 Te 3Te/2 2Te 5 Te/2 3Te 7Te/2 4Te 9Te/2 5Te 11Te/2

Figura 4.1.1.4. Exemplu de funcionare al sistemului din figura 4.1.1.3.

152 Filtre liniare 4 Admind c transferul de sarcin din capacitatea C1 n capacitatea C se realizeaz instantaneu, rezult, conform figurii 4.1.1.4 c semnalul de ieire, y(t), se modific doar la momente discrete de timp. Din acest motiv, sistemul din figura 4.1.1.3 poate fi echivalat cu un sistem n timp discret. La momentul (n-1)Te+

Te sarcina 2

condensatorului C1 este q1[n-1] = C1x[n-1] iar sarcina condensatorului C, q2[n-1] = = Cy[n-1]. n intervalul (n 1)Te + e , nTe , comutatorul K se afl pe poziia 2. La 2 momentul nTe sarcina condensatorului C1 este 0 iar sarcina condensatorului C este q2[n] = q2[n-1]-q1[n-1] = C y[n], adic: C y[n] = C y[n-1]-C1 x[n-1] (5)

Aceasta este ecuaia cu diferene finite care descrie sistemul n timp discret echivalent. Lund n relaia (5) transformata z, se obine : C Y(z) = C z-1 Y(z) C1 z-1 X(z) de unde rezult funcia de transfer a sistemului n timp discret echivalent :

C1 z 1 C1 Y(z) = H(z) = = 1 X(z) C(1 z ) C(1 z)

(6)

Admind c metoda de echivalare a sistemului n timp continuu din figura 4.1.1.3 cu sistemul n timp discret descris de ecuaia (5) este cea a invarianei rspunsului la impuls, rezult c variabilele z i s sunt legate prin relaia :

z = e sTe
de aceea funcia de transfer a sistemului din figura 3, conform relaiei (6) este:

C1 H(s) = C sT 1 e e

(7)

4.1. Filtre cu capaciti comutate 153 Se tie c metoda de echivalare bazat pe invariana rspunsului la impuls conduce la rezultate bune pentru frecvene de eantionare mari, deci pentru valori Te apropiate de zero. sT Dezvoltarea n serie Taylor a funciei e e n jurul lui zero este :

e sTe = e sTe

s=0

+ Te s e

sTe

s=0

+ ...

Reinnd doar primii doi termeni ai dezvoltrii rezult :

e sTe 1 + sTe
Folosind aceast aproximare, expresia funciei de transfer (din relaia (7)), H(s), devine:

C1 C H(s)= = 1 (1 + sTe )

(8)

1 C s Te C1

Comparnd relaiile (1) i (8) se constat faptul c grupul K, C1 din figura 4.1.1.3 echivaleaz rezistena R din figura 4.1.1.1 i c : R=

Te 1 = C1 C 1 f e

(9)

unde cu fe s-a notat frecvena cu care comut K. Deci n condiiile n care sunt valabile aproximaiile fcute (frecvena fe mult mai mare dect frecvena maxim din spectrul semnalului x(t)) folosind sistemul din figura 4.1.1.3 se poate obine un integrator ideal. 4.1.2. Metod de sintez a filtrelor cu capaciti comutate Rezultatul paragrafului anterior este foarte important avnd n vedere c orice sistem n timp continuu poate fi sintetizat utiliznd forma canonic 1 de implementare, care este bazat pe folosirea integratoarelor ideale. n continuare se d un exemplu de sintez, care conduce la obinerea filtrului activ universal. Ne propunem s proiectm un filtru de ordinul II, care s aib ieiri de tip trece-jos, trece-sus i trece-band. Funcia de transfer de tip trece-sus este:

154 Filtre liniare 4 HTS(s)=

a 0s 2 b 0 s 2 + b 1s + b 2

(10)

Conectnd la ieirea acestui filtru un integrator ideal se obine un sistem global cu funcia de transfer de tip trece-band:

1 a 0 s RC HTB(s)= b 0 s 2 + b 1s + b 2

(11)

Conectnd un nou integrator ideal se obine sistemul global cu funcia de transfer trecejos de tipul :

1 a0 RC HTJ(s)= b 0 s 2 + b 1s + b 2

(12)

Figura 4.1.2.1. Schema bloc a sistemului cu funcia de transfer HTS(s).

4.1. Filtre cu capaciti comutate 155 Ecuaia diferenial corespunztoare funciei de transfer din relaia (10) este:

b0

d2y dy d2x + b1 + b2y = a0 2 dt dt 2 dt

(13)

Integrnd de dou ori aceast relaie se obine :

b 0 y( t ) + b1 y()d + b 2

y()d = a

x(t)

(14)

Sistemul caracterizat de aceast ecuaie este prezentat n figura 4.1.2.1. Se constat c sistemul din figura 4.1.2.1 prezint i ieiri de tip trece-band i trece-sus. Schema obinut poate fi redesenat, folosind un sumator cu trei intrri. Se obine astfel sistemul din figura 4.1.2.2. Acesta poate fi construit cu amplificatoare operaionale conectate n structur de amplificator, sumator, sau integrator. n continuare amplificatoarele operaionale utilizate n structurile mai sus amintite i desenate n figura 4.1.2.3, se vor considera ideale. Folosind figurile 4.1.2.2 i 4.1.2.3, prin interconectarea corespunztoare a blocurilor constitutive, se obine structura filtrului activ universal prezentat, n figura 4.1.2.4.

Figura 4.1.2.2. Schema bloc a filtrului activ universal.

156 Filtre liniare 4

Figura 4.1.2.3. Construcia blocurilor din figura 4.1.2.2 cu ajutorul amplificatoarelor operaionale.

Din figurile 4.1.2.2 i 4.1.2.3 se pot determina expresiile coeficienilor funciilor de transfer din relaiile (10), (11) i (12). Rezult :

b0 = R 4 ; a0 = R 2

R3 + R4 R3 R R + R4 ; b1 = 1 3 ;b2 = R1 + R 2 RC R 1 + R 2 (RC)2

(16)

4.1. Filtre cu capaciti comutate 157

Figura 4.1.2.4. Schema unui filtru activ universal.

Deoarece expresiile funciilor de transfer ale sistemelor de tip trece-sus, treceband i trece-jos de ordinul II sunt :

A TS s 2 ; s 2 + 20 s + 2 0 20 A TB s H TB (s ) = 2 ; s + 20 s + 2 0 H TS (s ) = A TJ 2 0 H TJ (s ) = 2 s + 20 s + 2 0

(17)

prin identificarea relaiilor (17) cu relaiile (10), (11) i (12), pe baza relaiilor (16) se obine :

A TS

R3 a R R4 b 1 ; 2 0 = 2 = 3 ; = 0 = R1 b0 b 0 R 4 (RC )2 1+ R2 1 R 4 R1 + R 2 = Q= ; 2 R 1 R 3 + R 4 1+

(18)

158 Filtre liniare 4

20 A TB =

A TJ

a0 1 R A TB = 2 ; b 0 RC R1 R 1+ 3 a0 R4 1 = 2 = (RC )2 b 0 0 1 + R 1 R2

De obicei n schema filtrului activ universal se aleg:

R1 = R 3 = R 4 = R
Cu aceast observaie parametrii celor trei funcii de transfer devin:

A TS =

2 1+ R R2

; 0 =

R + R2 R 1 ;Q = ; A TB = 2 ; A TJ = RC 2R R

2 1+ R R2

(19)

n figura 4.1.2.5 este prezentat schema unui filtru activ universal realizat cu capaciti comutate, [Hue. 84].

Figura 4.1.2.5. Filtru activ universal realizat cu capaciti comutate.

4.2. Filtre cu urmrire 159

Parametrii acestui sistem sunt:

A TS = A TJ =

2 1+ R R2

; A TB =

R2 R

(20)

Q=

R + R2 C ; 0 = 1 f e 2R C

Orice filtru cu capaciti comutate poate fi sintetizat pornind de la forma canonic de implementare, folosind modelul din exemplul anterior. 4.2. Filtre cu urmrire Se numete filtru cu urmrire de tip trece-band acel filtru trece-band a crui pulsaie central este n permanen egal cu pulsaia instantanee a semnalului determinist de la intrarea sa, [Isa. 93 (1)].

Figura 4.2.1. Suprafaa de modul a unui filtru cu urmrire de ordinul II.

160 Filtre liniare 4 Caracterizarea n domeniul frecven a unui filtru cu urmrire de ordinul II poate fi fcut pe baza relaiei:

H(, t ) =

0 (t ) 2 + 2 j 0 (t )
2

2Aj 0 (t )

respectiv cu ajutorul suprafeelor H (, t ) i arg{H(, t )}. n figura 4.2.1. se prezint prima dintre aceste suprafee, pentru un filtru de ordinul II de tip Butterworth (cu factorul de amortizare de valoare 0,707) i cu legea de variaie a frecvenei centrale 0 (t ) = t .

Figura 4.2.2. Caracteristica momentan de modul a filtrului cu suprafaa de modul din figura 4.1.1 la momentul t p = 1 .

Intersecia dintre suprafaa H (, t ) i planul numete caracteristic momentan de modul.

n continuare se prezint cteva seciuni remarcabile prin aceste suprafee.

{(, t ) R, p Z,
p

p fixat se

4.2. Filtre cu urmrire 161 Ea se noteaz H , t p

sau H , p

cu p = 0 t p . Aceast curb

( )

descrie comportarea n domeniul frecven a filtrului cu urmrire la momentul t p . n figura 4.2.2. se prezint o caracteristic momentan de modul, corespunztoare filtrului cu urmrire din figura 4.2.1 la momentul t p = 1 .

modul. Ea se noteaz cu H( 0 (t )) . Caracteristica global de modul a filtrului considerat n figura 4.2.1. este prezentat n figura 4.2.3.

planul (, t ) este curba de ecuaie = 0 (t ) se numete caracteristic global de

Intersecia dintre suprafaa H (, t ) i suprafaa vertical a crei urm pe

Figura 4.2.3. O poriune din caracteristica global de modul a filtrului cu urmrire considerat n figura 4.2.1.

Filtrele trece-band cu urmrire au urmtoarele proprieti: P1. Dac momentele de timp t p i t q sunt alese astfel nct raportul pulsaiilor instantanee ale semnalului de intrare calculate la aceste momente

162 Filtre liniare 4

i t q / i t p s fie egal cu , atunci pulsaia central a caracteristicii momentane a


filtrului la momentul t q va fi de ori mai mare dect pulsaia central a caracteristicii momentane a filtrului la momentul t p . P2. n condiiile de la P1 banda la 3dB a caracteristicii momentane H , q este de ori mai mare dect banda la 3dB a caracteristicii momentane H , p . n practic banda de frecven n care are loc procesul de urmrire nu poate fi infinit. De aceea este raional s se considere c aceast band este finit, de exemplu

( ) ( )

0 0 0 2 , 0 + 2 .
P3. n banda de urmrire modulul rspunsului n frecven al unui filtru treceband cu urmrire de ordinul II este maxim. Aceast proprietate este exemplificat n figura 4.2.3. Aceast proprietate se poate reformula i astfel: P3. Modulul caracteristicii globale de frecven a unui filtru cu urmrire este o bun aproximare a modulului caracteristicii de frecven a unui filtru trece-band ideal n banda 0 0

0 , 0 + . 2 2

Pe baza proprietii P3 se constat c filtrele cu urmrire sunt filtre adaptate la semnale de tip chirp. 4.2.1. Filtre cu urmrire cu capaciti comutate Orice filtru cu urmrire este alctuit dintr-un filtru comandat (n cazul de fa realizat cu capaciti comutate) i dintr-un circuit de comand care transform pulsaia instantanee a semnalului de la intrarea sa n semnal de comand pentru filtrul cu capaciti comutate. Legtura dintre frecvena de comutaie a filtrului i pulsaia instantanee a semnalului de la intrarea sa este:

f c (t ) =

C2 i (t ) C1

Deci este necesar ca frecvena de comutaie s fie un multiplu ntreg al frecvenei instantanee a semnalului de intrare. Aceast funcie o ndeplinete un circuit cu calare de faz utilizat n regim de multiplicator de frecven. Deci circuitul de comand poate fi unul cu calare de faz. Schema unui astfel de circuit este prezentat n figura 4.2.1.1.

4.2. Filtre cu urmrire 163

164 Filtre liniare 4 n aceast figur este utilizat un filtru cu capaciti comutate de tip MF 10 iar multiplicatiorul de frecven este realizat cu ajutorul circuitului PLL de tip 565 i cu ajutorul celor dou numrtoare conectate n schem de divizor de frecven. Banda de urmrire a acestui circuit este de aproximativ 1KHz, centrat pe frecvena de 400 Hz. Pentru semnale sinusoidale perturbate aditiv cu zgomot alb mbuntirea RSZ realizat de acest circuit este de 35,2 dB. n capitolul urmtor se studiaz filtrele numerice cu parametri variabili n timp.

CAPITOLUL 5. Filtre numerice cu parametri variabili n timp

n acest capitol se prezint o categorie de filtre numerice cu parametri variabili n timp, filtrele adaptive.

5.1. Filtre adaptive Modelul unui sistem adaptiv este prezentat n figura 5.1.1.

d[n ]
-Filtru adaptiv

x[n ]

y[n ] [n ]

Figura 5.1.1. Schema bloc a unui filtru adaptiv.

semnal aleator staionar iar semnalul de referin, d[n ], este un zgomot alb. Pe durata procesului de adaptare coeficienii filtrului numeric se modific dup achiziia fiecrui nou eantion al semnalului x[n ] n aa fel nct E 2 [n ] s scad tot mai mult spre o valoare minim. Procesul de adaptare se ncheie n momentul n care se atinge aceast valoare minim. Dup acest moment, indiferent care ar fi noile valori ale eantioanelor

semnalele d[n ] i y[n ] este apreciat pe baza erorii medii ptratice E 2 [n ] . Cu E s-a notat operatorul de mediere statistic. Minimizarea acestei erori este realizat prin modificarea coeficienilor filtrului utilizat. Un exemplu clasic de utilizare a filtrrii adaptive este n albirea semnalelor aleatoare. n acest caz semnalul x[n ] este un

s semene ct mai mult cu semnalul model (de referin) d[n ]. Deosebirea dintre

Semnalul de intrare x[n ] este prelucrat n aa fel nct semnalul de ieire y[n ]

166 Filtre numerice 5 semnalului x[n ] , valorile lui E [n ] oscileaz n jurul acestei valori minime. Un alt exemplu de aplicaie a filtrelor adaptive este acela cnd rspunsul dorit este cunoscut ca fiind rspunsul unui sistem, care trebuie identificat, la o excitaie cunoscut. Identificarea sistemului poate fi realizat prin determinarea, la sfritul perioadei de adaptare, a coeficienilor filtrului adaptat la a crui intrare este adus aceeai excitaie ca i la intrarea sistemului necunoscut i al crui rspuns dorit este rspunsul sistemului necunoscut. Pentru a descrie funcionarea i proprietile filtrelor adaptive se va presupune pentru nceput c toate semnalele din figura 5.1.1 sunt staionare, c au funcii de corelaie finite i c filtrul numeric este un sistem liniar i invariant n timp, de tipul cu rspuns finit la impuls. n continuare se vor utiliza intercorelaiile semnalelor x[n ] i
2

d[n ], rdx [n ] i ale semnalelor d[n ] i y[n ] , rdy [n ] i autocorelaiile semnalelor x[n ] , rxx [n ] , y[n ] , ryy [n ] i d[n ], rdd [n ] , definite dup cum urmeaz:

rdx [n ] = E{d[k ]x[k + n ]};

ryy [n ] = E{y[k ]y[k + n ]};

rdy [n ] = E{d[k ]y[k + n ]}; rxx [n ] = E{x[k ]x[k + n ]};

rdd [n ] = E{d[k ]d[k + n ]}

O proprietate a intercorelaiei semnalelor aleatoare, util n continuare, este:

r [n ] = r [ n ]
Deci autocorelaia este funcie par. Coeficienii filtrului numeric (eantioanele rspunsului su la impuls) se noteaz cu w [n ] .Valoarea erorii medii ptratice este:

E 2 [k ] = E (d[k ] y[k ]) = E d 2 [k ] + E y 2 [k ] 2E{d[k ]y[k ]}


2

} {

} {

} {

(1)

deoarece operatorul de mediere statistic este liniar. Relaia (1) se mai scrie:

E 2 [k ] = rdd [0] + ryy [0] 2rdy [0]


sau pe baza transformrii z inverse:

1 dz E 2 [k ] = 2j (R dd (z ) + R yy (z ) 2R dy (z )) z

(2)

5.1. Filtre adaptive 167 Considernd ca i contur de integrare cercul unitate, transformatele z devin transformate Fourier n timp discret, R dd ( ), R yy ( ) i R dy ( ) , [Bel., 90]. Pentru aceste funcii se pot folosi relaii de tip Wiener-Hincin, putndu-se scrie:

R yy ( ) = W ( ) R xx ( )
2

adic:

R yy (z )
Dar:

z =1

= W (z )

2 z =1

R xx (z )

z =1

(3)

W (z )
i:

2 z =1

= W (z )W * (z )

z =1

W * (z )
De aceea relaia (3) devine:

z =1

= W z 1

( )

z =1

R yy (z )
Relaia:

z =1

= W (z )W z 1

( )

z =1

R xx (z )

z =1

(4)

R dy ( ) = W ( )R dx ( )
se mai poate scrie i sub forma:

R dy (z )

z =1

= W (z )

z =1

R dx (z )

(5)
z =1

[Lim., Opp., 88]. Substituind relaiile (4) i (5) n relaia (2) se obine:

1 dz 1 E 2 [k ] = rdd [0] + 2j W z R xx (z ) 2R dx (z ) W (z ) z z =1

[ ( )

(6)

168 Filtre numerice 5

relaie care exprim eroarea medie ptratic pe baza expresiei funciei de transfer a filtrului numeric W (z ) . Fiind vorba despre un filtru cu rspuns finit la impuls se poate scrie:

W (z ) = w [i]z i
i =0

L 1

(7)

adaptare se realizeaz o deplasare pe suprafaa amintit mai sus, din punctul iniial de coordonate E 2 [k ] , w 0 [0], w 0 [1],..., w 0 [L 1] n punctul final de coordonate n prelucrarea adaptiv a semnalelor aceast sarcin (de adaptare) este un proces continuu de modificare a coeficienilor filtrului (deci a lui W (z ) ) n situaia n care celelalte cantiti din relaia (6) sunt lent variabile. Substituind (7) n (6) i efectund calculele se obine:

{ } dimensional {E{ [k ]} w [0], w [1],..., w [L 1]}. Prin procesul de adaptare se determin , acei coeficieni w [i ], i = 0, L 1 care minimizeaz valoarea E{ [k ]}. Deci prin
Conform relaiei (6) se constat c E 2 [k ] este o suprafa n spaiul L + 1
2 2 min

{E{ [k ]}, w [0], w [1],..., w [L 1]}.


2 min min min

{{

E 2 [k ] = rdd [0] + w [i ]w [m ]rxx [i m ] 2 w [i ]rxd [i ]


i =0 m =0 i =0

L 1 L 1

L 1

(8)

Avnd n vedere c n aceast relaie coeficienii filtrului adaptiv apar doar la puterile 1 i 2 rezult c suprafaa de eroare este una ptratic. Notnd cu R matricea de autocorelaie a semnalului de intrare:

rxx [1] ... rxx [L 1] rxx [0] r [1] rxx [0] ... rxx [L 2] xx . . . . R= . . . . . . . . rxx [L 1] rxx [L 2] ... rxx [0]
i folosind notaiile:

5.1. Filtre adaptive 169

rxd [0] r [1] xd . P= . . rxd [L 1]

w [0] w [1] . W= . . w [L 1]

se obine forma matricial a relaiei (8):

E 2 [k ] = rdd [0] + W T RW 2P T W

(9)

Fiind vorba despre o suprafa ptratic pozitiv (eroarea medie ptratic nu poate fi negativ), e clar c ea are un minim. Pentru gsirea acestui punct este util cunoaterea gradientului suprafeei, n fiecare punct al acesteia. Vectorul gradient al suprafeei de eroare se noteaz cu i se definete cu relaia:

E 2 [k ] [ w 20] E( [k ] ) w [1] . = . . 2 E [k ] w [L 1]

((

))

(( (

)))

Dar:
L 1 E 2 [k ] = 2w [l]rxx [0] + 2 w [m ]rxx [l m ] 2rxd [l] w [l] m =0 ml

({

})

[Ale., 88]. innd seama de paritatea funciei de autocorelaie, pe baza ultimelor dou relaii rezult c vectorul gradient poate fi exprimat n forma:

170 Filtre numerice 5

L 1 0 w[m]rxx [m] L m = rxd [0] 1 w[m]rxx [m 1] rxd [1] m =0 . 2 . = 2 . . . . L 1 rxd [L 1] w [m ]r [m (L 1)] 0 xx m =

sau innd seama de expresiile matricilor definite anterior:

= 2RW 2P
Minimul de pe suprafaa de eroare este atins n punctul n care gradientul se anuleaz. Se poate deci scrie:

2RWmin = 2P
Admind c matricea de autocorelaie a semnalului de intrare este inversabil se poate obine matricea coeficienilor optimi ai filtrului adaptiv:

Wmin = R 1 P
Filtrul cu aceti coeficieni este numit filtru Wiener. Valoarea minim a erorii medii ptratice este pe baza relaiei (9):
T E{ 2 [k ]}min = rdd [0] + Wmin RWmin 2P T Wmin

(10)

sau pe baza relaiei (10):

E 2 [k ] min = rdd [0] + R 1 P RWmin 2P T Wmin


T

(11)

5.1. Filtre adaptive 171

adic:

E 2 [k ] min = rdd [0] + P T R 1 RWmin 2P T Wmin


T

( )

(12)

innd seama de simetria matricei de autocorelaie, se poate demonstra c:

(R )
i deci:
1 T

1 T

= R 1

(R ) R = R
{ }

R=I

unde cu I s-a notat matricea unitate. De aceea relaia (11) devine:

E min 2 [k ] = rdd [0] P T Wmin

(13)

Aceast relaie exprim legtura dintre valoarea minim a erorii medii ptratice i vectorul coeficienilor optimi ai filtrului adaptiv. Conform relaiei (10), pentru determinarea coeficienilor filtrului optim este necesar cunoaterea matricelor R i P (care depind doar de semnalele x[n ] i d[n ]). n practic matricea R nu este de obicei cunoscut. De aceea de obicei aceast matrice se estimeaz. Pornind de la valoarea estimat a lui R i de la o valoare iniial a vectorului W se calculeaz o prim estimaie a gradientului. Pe baza noului eantion achiziionat se face o nou estimare a lui R. Pe baza relaiei (10) se face o nou estimare a lui W i se calculeaz gradientul. n cazul n care noua valoare este mai apropiat de zero se consider c estimarea lui W este n sensul corect i se continu n acelai fel. n caz contrar se estimeaz R n sens contrar i se refac operaiile enunate mai sus. n acest mod se deruleaz un algoritm de cutare a vectorului Wmin . Metodele de cutare ale minimului suprafeei de eroare se bazeaz n general pe estimri locale ale gradientului erorii fcute dup achiziia fiecrui nou eantion din secvena x[n ] . nmulind la stnga cei doi membrii ai relaiei (10) cu

1 1 R se obine: 2
(14)

1 1 R = W R 1 P 2
sau pe baza relaiei (11):

172 Filtre numerice 5

1 Wmin = W R 1 2
Relaia (15) conduce la metoda de cutare a minimului de tip Newton. Notnd cu W[k ] vectorul coeficienilor filtrului la momentul k se obine:

(15)

W[k + 1] = W[k ] R 1[k ]

(16)

vectorului W[k ] este:

care fixeaz viteza de convergen a vectorului W[k ] spre vectorul Wmin . Forma

unde [k ] reprezint valoarea vectorului gradient la momentul k iar este un scalar

w k [0] w [1] k . W[k ] = . . w k [L 1]


La pasul k al algoritmului se calculeaz:

[k ] = 2RW[k ] 2P
Substituind (17) n (16) se obine:

(17)

W[k + 1] = W[k ] R 1 (2RW[k ] 2P )


sau innd seama de relaia (11) ultima relaie se mai scrie:

W[k + 1] = (1 2 )W[k ] + 2Wmin


adic:

W[k + 1] = (1 2 )

k +1

W[0] + 2Wmin (1 2 )
l=0

5.1. Filtre adaptive 173 Deci:

W[k ] = (1 2 ) W[0] + 1 (1 2 ) Wmin


k k

(18)

Se constat c dac este ndeplinit condiia:

0 < 1 2 < 1
atunci irul W[k ] converge la limita Wmin . Considernd c matricea de autocorelaie este unitar, relaia (16) se poate scrie n forma:

W[k + 1] = W[k ] [k ]
Fcnd notaia:

(19)

x[k ] x[k 1] . X[k ] = . . x[k (L 1)]


ieirea filtrului adaptiv poate fi exprimat i matricial:

y[k ] = W T [k ]X[k ]

(20)

n continuare se estimeaz eroarea medie ptratic prin valoarea sa instantanee:

E 2 [k ] 2 [k ]
Cu aceast aproximare gradientul la momentul k devine:

174 Filtre numerice 5

{[k ]} [k ] {w k [0]} 2 2 [k ] [k ] {[k ]} {w [0]}2 {w k [1]} k 2 2 . [k ] = 2 [k ] {w [1]}2 . k . . . {[k ]} . [k ] {w k [L 1]} 2 2 [k ] 2 {w k [L 1]}

{ {

} }

(21)

Dar conform definiiei erorii:

[k ] = d[k ] y[k ]
De aceea:

{[k ]} {y[k ]} ( 20 ) = = x[k l] {w k [l]} w k [l]

l = 0, L 1

i relaia (21) devine:

{y[k ]} {w [0]} k {y[k ]} {w k [1]} = 2[k ]X[k ] . [k ] 2[k ] . . {y[k ]} {w k [L 1]}

5.2. Aplicaii 175 nlocuind aceast estimare a gradientului n relaia (20), aceasta devine:

W[k + 1] = W[k ] + [k ]X[k ]

(22)

Aceast relaie descrie algoritmul de cutare a coeficienilor optimi ai filtrului adaptiv de tip LMS. Convergena acestui algoritm este asigurat pentru:

0<

2 <1 L max

(20)

unde max reprezint valoarea maxim a valorilor proprii ale matricei de autocorelaie a semnalului de intrare, R, [Wid., Ste., 85]. 5.2. Aplicaii n continuare se prezint cteva rezultate de simulare ale unor filtre adaptive de tip LMS folosite pentru mbuntirea RSZ. n primul experiment se consider sistemul din figura 5.1.1. Filtrul propriuzis este de tip transversal. n figura 5.1.2. este prezentat semnalul d[n ] , n figura 5.1.3. semnalul x[n ] iar n figura 5.1.4. semnalul y[n ] . Anliznd ultima figur se constat c, dup perioada de nvare, semnalul de la ieirea filtrului urmrete bine partea util a semnalului de la intrare, dei acest semnal este nestaionar. n acest regim permanent coeficienii filtrului sunt cei prezentai n figura 5.1.5.

Figura 5.1.2. Semnalul de referin.

176 Filtre numerice 5

Figura 5.1.3. Semnalul de intrare.

Figura 5.1.4. Semnalul de ieire.

5.2. Aplicaii 177

Figura 5.1.5. Datele obinute n urma rulrii primului program de simulare.

Deci filtrul adaptiv de tip LMS din figura 5.1.1. realizeaz pentru semnalul din figura 5.1.3. o mbuntire a raportului semnal pe zgomot de 6,59 ori. Dezavantajul schemei din figura 5.1.1. este necesitatea cunoaterii semnalului de referin. De fapt aceast schem se utilizeaz n aplicaiile de identificare a sistemelor. La intrarea sistemului de identificat este adus semnalul x[n ] . La ieirea sa se obine semnalul d[n ] , care este folosit ca i semnal de referin pentru filtrul adaptiv. n acest mod rspunsul la impuls al filtrului adaptiv n regim permanent va reprezenta o bun aproximare a rspunsului la impuls al sistemului de identificat. O structur mai bun de filtrare adaptiv pentru aplicaiile de mbuntire a raportului semnal pe zgomot este cea prezentat n figura 5.1.6, [Wid., Ste., 85].

Figura 5.1.6. Schema de filtrare adaptiv folosit n cel de al doilea experiment.

178 Filtre numerice 5 Se constat c n acest caz nu mai este necesar cunoaterea semnalului de referin, deoarece acesta este generat pornind de la semnalul de intrare, prin ntrziere cu ajutorul blocului D. n figura 5.1.7. se prezint semnalul de intrare, n figura 5.1.8. semnalul de la ieirea blocului D iar n figura 5.1.9. este prezentat semnalul de la ieirea filtrului. n figura 5.1.10 sunt prezentate datele specifice pentru cel de al doilea experiment. A fost folosit o ntrziere de 10 eantioane.

Figura 5.1.7. Semnalul de intrare.

Figura 5.1.8. Semnalul de referin.

5.2. Aplicaii 179

Figura 5.1.9. Semnalul de la ieire.

Figura 5.1.10. Coeficienii filtrului adaptiv n regim permanent i valorile rapoartelor semnal pe zgomot.

Se constat c n cel de al doilea experiment mbuntirea raportului semnal pe zgomot este de doar 2,16. Cu toate acestea schema din figura 5.1.6. trebuie preferat schemei din figura 5.1.1 deoarece nu este necesar cunoaterea semnalului de referin.

CAPITOLUL 6. Filtre neliniare

n acest capitol se prezint cteva tipuri de filtre numerice neliniare. Exist situaii n care utilizarea filtrelor neliniare poate conduce la mbuntiri mai mari ale raportului semnal pe zgomot dect dac s-ar fi utilizat filtre liniare. 6.1. Filtre numerice cu ordonare statistic Dac X (1) , X ( 2 ) ,..., X ( N ) este un ir de variabile aleatoare atunci prin ordonarea lor dup valoare se obine irul de inegaliti:

X (1) X (2 ) ... X ( N )

(1)

Variabila aleatoare X (i ) se numete a i-a variabil aleatoare n ordonare statistic. Pe baza acestei ordonri se poate determina mediana secvenei de variabile aleatoare considerat, folosind urmtoarea definiie:

X ( +1) , med{X i } = X ( ) + X ( +1) 2

daca daca

N = 2 + 1 N = 2

centrat pe momentul n, prin nmulirea lor se obine semnalul x[n ] , care la momentul n are N eantioane. Considernd c acestea ar reprezenta secvena de variabile aleatoare de mai sus, mediana acesteia este rspunsul "filtrului median" la semnalul x[n ] , la momentul n. Deplasnd fereastra w [n ] peste semnalul x[n ] , (prin centrarea sa succesiv pe diferite momente de timp) se obine rspunsul filtrului median la semnalul x[n ] . n figura urmtoare se reprezint cteva exemple de semnale precum i rspunsurile unui filtru median, cu N de valoare 7, la aceste semnale. Analiznd figura 6.1.1 se constat c pentru semnale de intrare monotone, prin filtrare median nu se modific forma semnalului. Aproximarea semnalelor monotone pe poriuni prin filtrare median este afectat de erori. Acestea se manifest la momentele de timp la care monotonia semnalului se schimb. De asemenea se constat

Considernd semnalul x[n ] i fereastra dreptunghiular w [n ] , de lungime N,

6.1. Filtre numerice cu ordonare statistic 181 eficiena filtrului median la eliminarea zgomotului de tip impuls care perturb aditiv semnalul de prelucrat. Este remarcabil i calitatea rspunsului indicial al filtrului median.

Figura 6.1.1. Cteva exemple de funcionare a unui filtru median, N de valoare 7.

Tot pe baza ordonrii statistice descrise de relaia (1) pot fi obinute diferite combinaii liniare ale elementelor acesteia:

182 Filtre neliniare 6

Tn = a i X (i )
i =1

(2)

crora le corespund filtre cu ordonare statistic. Prin extragerea repetat a medianei poate fi obinut un alt tip de filtru, numit filtru median recursiv. Legtura intrare-ieire pentru un astfel de sistem este:

y[i] = med(y i ,..., y i 1 , x i ,..., x i + )

(3)

Pentru a combina avantajele filtrelor liniare cu cele ale filtrului median au fost concepute filtrele mediane hibride, caracterizate de urmtoarea legtur intrare-ieire:

y[i] = med{1 (x i ),..., m (x i )}

(4)

k = 1, m , sunt rspunsurile a m filtre liniare la semnalul x i . De unde k (x i ), exemplu relaia (4) poate lua forma:
1 1 y[i ] = med x i j , x i , x i + j j=1 j=1
6.2. Construcia unui filtru numeric median Pentru filtrarea median e necesar s se grupeze eantioanele din fereastr n ordine cresctoare, pentru fiecare poziie a ferestrei i s se determine, prin comparaii succesive, mediana secvenei din fereastr. Considernd c semnalul de intrare x[n ] are forma:

x[n ] = x d [n ] + x a [n ]

(5)

unde x d [n ] este un semnal util iar x a [n ] o perturbaie, rspunsul filtrului median poate fi pus n forma:

y[n ] = x d [n ] + y a [n ]

(6)

6.2. Construcia unui filtru 183 unde y a [n ] reprezint zgomotul de la ieirea sistemului. Raportul semnal pe zgomot la intrarea n filtru se poate calcula cu relaia:

RSZ i =

x d2 [i] x [i]
i =0 2 a i =0 M

(7)

iar la ieire cu relaia:

RSZ o =

x [i] y [i]
i =0 2 a i =0 M 2 d

(8)

mbuntirea raportului semnal pe zgomot obinut este:

RSZ o = RSZ i

x [i] y [i]
i =0 2 a i =0 M 2 a

(9)

n stabilirea acestei formule s-a considerat c secvena x[n ] este de durat limitat M. mbuntirea raportului semnal pe zgomot realizat de sistemele liniare i invariante n timp este invers proporional cu banda echivalent de zgomot a acestora. De obicei aceasta este cu att mai mare cu ct ordinul filtrului este mai mic. O cale de cretere a ordinului filtrului fr a i se modifica rspunsul n frecven este recircularea semnalului care trebuie filtrat. Aceast procedur presupune urmtorii pai: 1. Prin filtrarea semnalului de intrare de durat limitat x[n ] se obine rspunsul y1 [n ] . 2. Folosind acelai filtru se prelucreaz semnalul y1 [n ] obinndu-se semnalul y 2 [n ] . 3. Procedeul descris se repet de cte ori se dorete s fie crescut ordinul filtrului. Un parametru al filtrului median care controleaz mbuntirea raportului semnal pe zgomot introdus de acest sistem este lungimea ferestrei temporale folosite.

184 Filtre neliniare 6 n continuare se propune o nou tehnic de filtrare adaptiv. Aceasta presupune realizarea unei succesiuni de filtrri mediane cu recirculare. La sfritul fiecrei filtrri mediane cu recirculare, este sczut lungimea ferestrei temporale i o nou filtrare median cu recirculare ncepe, pornind cu ultima secven obinut n filtrarea median cu recirculare anterioar. Lungimea primei ferestre temporale este aleas de utilizator. De asemenea valoarea minim a lungimii ferestrei poate fi aleas. Filtrarea median adaptiv se ncheie la sfritul filtrrii mediane cu recirculare care folosete cea mai scurt fereastr. Fiecare filtrare median cu recirculare ia sfrit atunci cnd o nou aplicare a acestui procedeu nu mai modific valoarea vreunui eantion. 6.3. Filtre morfologice Aceast categorie de filtre neliniare, nrudite cu filtrele cu ordonare statistic se folosete n special n prelucrarea imaginilor. Cazul cel mai simplu este cel al imaginilor binare. Acestea pot fi descrise cu ajutorul teoriei mulimilor. n continuare se trec n revist principalii operatori morfologici folosii n prelucrarea imaginilor binare. Pentru construcia acestor operatori se folosesc mulimi specifice numite elemente structurante. n continuare elementul structurant se va nota cu K. O operaie folosit frecvent la construcia operatorilor morfologici este diferena de tip Minkovski. Se numete simetrica mulimii K, K = x R n i se noteaz K mulimea

K = x R n x K . Se numete diferen de tip Minkovski ntre mulimile A i K i se noteaz cu A K , mulimea: A K = x Rn Kx A

unde

K x = {x + k k K}

[Pre. 87]. Primul operator morfologic este cel de eroziune. Erodata mulimii A n raport cu elementul structurant K este diferena de tip Minkovski dintre A i K . Se noteaz:

E K {A} = A K = x R n K x A

(10)

Operatorul dual operatorului de eroziune este cel de dilatare. Pentru a defini acest operator se folosete operaia dual diferenei de tip Minkovski. Aceast operaie se numete adunare de tip Minkovski i este definit cu relaia:

A K = Ak
kK

(14)

6.4. Filtre n domeniul unei transformri 185

Figura 6.3.1. Imaginea original (stnga) i erodata sa (dreapta) obinut folosind un element structurant ptrat cu latura de 2 pixeli.

Prin dualitate, dilatata mulimii A, folosind elementul structurant K, este dat de adunarea de tip Minkovski a mulimilor A i K :

A K = u, k K, u A k

(17)

n figura urmtoare se prezint un exemplu de dilatare a unei imagini.

Figura 6.3.2 Imaginea original (stnga) i dilatata sa (dreapta). S-a folosit un element structurant ptrat cu latura de 2 pixeli.

Folosind operatorii de erodare i de dilatare poate fi introdus o nou categorie de operatori morfologici ale crei elemente se numesc filtre de contrast. Rolul lor este de a ntri contrastul unei imagini fcnd ca anumii pixeli ai acesteia s-i modifice brusc valorile. Fie imaginea f i (f1 , f 2 ) dou imagini transformate verificnd :

f1 f f 2

186 Filtre neliniare 6

De obicei f1 este erodata lui f iar f 2 dilatata lui f. Imaginea filtrat este:

f 1 (x ) f (x ) f 2 (x ) f (x )

pentru f (x ) f 1 (x ) > f 2 (x ) f (x ) in rest

pentru

f (x ) f 1 (x ) < f 2 (x ) f (x )

n figura urmtoare se prezint un exemplu de aplicare a operatorului filtru de contrast asupra unei imagini cu mai multe nivele de gri.

Figura 6.3.3. Un exemplu de aplicare a filtrului de contrast. n stnga imaginea original. n dreapta rezultatul filtrrii.

Se remarc mbuntirea contrastului n special n zona contururilor. Eroziunea i dilatarea sunt transformri duale. Ele nu sunt ns inverse. Aceste dou transformri ne permit construcia unor transformri morfologice derivate, mai complexe cu proprieti superioare, printre care trebuie amintit proprietatea de idempoten. Printre acestea cele mai importante sunt transformrile morfologice de nchidere i de deschidere. Fie X o imagine i B un element structurant. Deschiderea morfologic e definit pentru imaginile binare cu relaia :

XB = X B B

(18)

Pentru c operatorul dual operatorului de eroziune este cel de dilatare i reciproc se poate calcula nchiderea mulimii X n raport cu elementul structurant B, notoat cu XB cu ajutorul relaiei:

6.4. Filtre n domeniul unei transformri 187

XB = X B B

(19)

n figura urmtoare sunt prezentate rezultatele prelucrrii cu operatorii de deschidere (n stnga) i de nchidere (n dreapta) a imaginii prezentate n stnga figurii 6.3.2.

Figura 6.3.4. Un exemplu de aplicare al operatorilor de deschidere i de nchidere asupra imaginii din stnga figurii 6.2.2.

Filtrele morfologice sunt secvene de operatori morfologici de baz care au propiretatea de idempoten. Definiie. Se numete compunere proprie, aplicaia care asociaz fiecrui operator operatorul , notat . Noiunea de idempoten, = , se poate descompune n dou inegaliti: Definiie. Fie un operator cresctor. Operatorul este un sub-filtru dac . Operatorul este un supra-filtru dac . Operatorul est un filtru dac est idempotent, = . [Ast., Kos., Neu. 92]. Dei nu exist nici un motiv aparent ca supremumul, infimumul sau compoziia a dou filtre s fie un filtru totui : Teorem. (teorema de compunere a filtrelor) Fie i dou filtre care verific . Atunci :

O demonstraie a acestei teoreme poate fi gsit n [Pre. 95]. Dac se consider relaia de ordine obinuit , pe mulimea filtrelor, noiunea de supremum este definit cu ajutorul urmtoarei teoreme:

1. 2. , i sunt filtre. 3. este cel mai mic filtru superior lui i cel mai mare filtru inferior lui . Cu s-a notat supremumul iar cu s-a notat infimumul celor doi operatori.

188 Filtre neliniare 6 Teorem. Fie ( i ) o familie de filtre. Cel mai mic filtru superior lui i este cel mai mare element al clasei de transformri cresctoare nchis pentru sup i compunerea proprie generat de ( i ) [Sch., Mat. 94]. 6.3.1. Filtre alternate secvenial Principiul care st la baza construciei acestor filtre este iterarea deschidelor i nchiderilor de talie cresctoare. Fie ( i ) o familie de deschideri i ( i ) o familie de nchideri verificnd :

i j j i I i
unde cu I s-a notat operatorul de identitate. Fie operatorii m i , n i , ri i s i definii dup cum urmeaz:

m i = i i ; n i = i i ; ri = i i i ; s i = i i i
Cum orice deschidere este mai mic dect orice nchidere de aceeai talie, se poate scrie :

i i
Atunci, conform teoremei anterioare, se poate afirma c n i , m i , ri i s i sunt filtre. Propoziia urmtoare demonstreaz c ordinea de iterare a filtrelor conteaz. Propoziie. Fie (i k )k =1 ntregi strict pozitivi astfel nct i k i1 = i p . Atunci:
p

m i p m i p 1 ...m i 2 m i1 = m i 1 = m i p n ip n i p 1 ...n i2 n i1 = n i1 = n ip
O demonstraie pentru aceast propoziie poate fi gsit n [Sch., Mat. 94]. Filtrele alternate secvenial sunt definite de iteraiile urmtoare :

M i = m i m i 1 ... m 2 m1 N i = n i n i 1 ... n 2 n 1 R i = ri ri1 ... r2 r1

6.4. Filtre n domeniul unei transformri 189

Si = s i s i 1 ... s 2 s1
n particular pot fi scrise relaiile urmtoare:

R i = i M i i Si = i N i

Figura 6.3.1.1. Un exemplu de utilizare a filtrelor morfologice.

Aceste filtre se bucur de un numr mare de proprieti. Iat cteva relaii referitoare la compunerea lor. Pentru i j :

190 Filtre neliniare 6

M jM i = M j M i M j S jS i = S j S i S j

R i R j R j = R jR i Ni N j N j = N jNi

Se poate pune ntrebarea ce se ntmpl dac se itereaz filtrele m i n ordine descresctoare. n acest mod se obin filtrele morfologice secveniale transpuse:

M it = m1 m 2 ... m i -1 m i N it = n 1 n 2 ... n i -1 n i

R it = r1 r2 ... ri -1 ri S it = s 1s 2 ... s i -1s i

Acestea au proprieti analoage filtrelor alternate secvenial. Dac se dorete ca un numr important de inegaliti ntre filtre s devin egaliti se utilizeaz filtrele alternate secvenial simetrice:

~ ~ ~ ~ M i = M it M i ; R i = R it R i ; N i = N it N i ; Si = Sit Si
Aceste filtre au proprietatea:

~ ~ ~ ~ ~ M i M j = M j M i = M sup (i , j)
n figura 6.3.1.1 se prezint dou exemple de utilizare a filtrelor alternate secvenial. n partea de sus este prezentat imaginea de filtrat, n mijloc se afl imaginea obinut prin filtrarea cu ajutorul unui filtru morfologic deschidere-nchidere iar n partea de jos se poate vedea imaginea obinut prin filtrarea cu un filtru morfologic nchidere-deschidere. n cele dou exemple de filtrare din figura anterioar au fost folosite elemente structurante ptrate cu latura de 2 pixeli. 6.4. Filtre neliniare folosite n domeniul unei transformri ortogonale O modalitate interesant de filtrare a unui semnal este cea bazat pe prelucrarea unei transformate a acelui semnal. De exemplu, de multe ori, pentru filtrarea adaptiv a unui semnal se prefer strategia urmtoare: - se calculeaz o transformat ortogonal a semnalului de prelucrat, - se efectueaz filtrarea adaptiv n domeniul transformatei, - se aplic, rezultatului obinut la pasul anterior, transformarea ortogonal invers, obinndu-se rezultatul filtrrii. O astfel de abordare are unele avantaje:

6.4. Filtre n domeniul unei transformri 191 - prin transformarea ortogonal semnalul de prelucrat se decoreleaz, - filtrarea n domeniul transformatei poate necesita un numr redus de operaii aritmetice. 6.4.1. Transformarea wavelet discret Cele mai folosite transformri ortogonale n astfel de aplicaii sunt transformarea cosinus discret, TCD i transformarea wavelet discret, TWD. O alternativ la filtrarea adaptiv n domeniul transformatei este filtrarea neliniar n acelai domeniu. n acest paragraf se vor face referiri la folosirea filtrrii neliniare n domeniul TWD pentru mbuntirea raportului semnal pe zgomot respectiv pentru compresia de date. 6.4.2. Bazele matematice ale TWD Definiie. Mulimea de subspaii Hilbert nchise {Vm }mZ ale lui L2 (R ) este o analiz multirezoluie a acestui spaiu dac elementele Vm au urmtoarele proprieti: i) ii)

...V1 V0 V1 ... ,

mZ

= {0},

Vm = L2 (R ) , mZ f (2 x ) Vm 1 ,

iii)

()f (x ) Vm

iv)

Exist o funcie (x ) V0 astfel nct mulimea

m m ,n (x ) = 2 2 2 m x n s fie o baz ortonormal a lui Vm . nZ

Funcia (x ) se numete funcie de scalare.

{ (t ) = (t n )}
0,n

Fie f 0 (t ) un semnal din V0 . El are urmtoarea descompunere n baza


nZ

192 Filtre neliniare 6

f 0 (t ) =

n =

f (t ), (t ) (t )
0 0,n 0,n

(20)

Fie f 1 (t ) proiecia lui f 0 (t ) pe V1 . Aceast funcie are urmtoarea descompunere n baza 1,n (t ) = 2

1 2

2 1 t n a lui V1 : nZ

f 1 (t ) =

n =

f (t ), (t ) (t )
0 1, n 1, n

(21)

{ (t )}
m,n

Fie f m (t ) proiecia lui f 0 (t ) pe Vm . Ea are urmtoarea descompunere n baza


nZ

a lui Vm :

f m (t ) =

n =

f (t ), (t ) (t )
0 m,n m,n

(22)

elemente ale spaiilor V1 , V2 ,..., Vm (teorema lui Riesz). Dac e1 (t ), e 2 (t ),..., e m (t ) sunt erorile medii ptratice de aproximare ale lui

Semnalele f 1 (t ), f 2 (t ),..., f m (t ) sunt cele mai bune aproximri ale lui f 0 (t ) cu

f 1 (t ), f 2 (t ),..., f m (t ) , atunci se poate scrie:

f 0 (t ) cu funciile

e1 (t ) e 2 (t ) ... e m (t )

(23)

Se observ c odat cu creterea lui m calitatea aproximrii descrete. Considernd c f m (t ) reprezint aproximarea lui f 0 (t ) de rezoluie m se poate afirma rezoluii ale lui f 0 (t ) . De aceea aceast mulime se numete analiz multirezoluie a c folosind diferite elemente ale mulimii {Vm }mZ se pot obine aproximri de diferite

lui L2 (R ) . Notnd:

f 0 (t ), m ,n (t ) = s m [n ]
se poate stabili relaia ntre secvenele s m [n ] i s 0 [n ] pentru m > 0 .

6.4. Filtre n domeniul unei transformri 193 Descompunerea funciei 1,n (t ) n baza 0,n (t )

nZ

a lui V0 este: (24)

1,n (t ) =
Dar:

l =

1,n (t ), (t l ) (t l )

1,n (t ), (t l ) =
Cu notaia:

1 * 2 2 u (u + 2n l)du

1 2

(25)

1,n (t ), (t l ) = h[2n l]
relaia (24) devine:

1,n (t ) =
Deci:

l =

h[2n l](t l)

s1 [n ] = f 0 (t ), 1,n (t ) = f 0 (t ), h[2n l](t l )


l =

Folosind relaia (20) se obine:

s1 [n ] =
Prin recuren se poate scrie:

p =

s [p]h [2n p]
* 0

s m [n ] =

p =

s [p]h [2n p]
m 1 *

(26)

194 Filtre neliniare 6 Aceast relaie a fost stabilit pentru ntia oar n [Mal. 89 (1)] i reprezint una dintre formulele de baz pentru algoritmul Fast Wavelet Transform (FWT) de calcul al TWD. Transformarea descris de relaia (26) este realizat de sistemul din figura 6.4.2.1.

Figura 6.4.2.1. Sistemul care calculeaz secvena

s m [n ] pornind de la secvena s m1 [n ] .

Pornind de la analiza multirezoluie {Vm }mZ a lui L2 (R ) i considernd c

Wm este complementul ortogonal al lui Vm n Vm 1 , se obine descompunerea ortogonal a lui L2 (R ) , {Wm }mZ . Se poate demonstra i propoziia urmtoare:
- mulimea { (t n )}nZ este o baz ortonormal a lui W0 i Propoziia 1. Exist o funcie (t ) n W0 astfel nct:

m - mulimea m ,n (t ) = 2 2 2 m t n este o baz ortonormal a lui Wm pentru nZ

exprimat cu ajutorul funciei generatoare (t ) . Dac funcia (t ) (din V0 ) se dezvolt n baza lui V1 n forma:

orice m ntreg. Funciile m ,n (t ) se numesc "wavelet". Funcia generatoare (t ) poate fi

(t ) =
atunci:

n =

c[n ](2t n )

(27)

6.4. Filtre n domeniul unei transformri 195

(t ) =

n =

( 1) c[1 n ](2t + n )
n

(28)

Eroarea de aproximare a semnalului f 0 (t ) cu semnalul f 1 (t ) este:

e1 (t ) = f 0 (t ) f 1 (t )
Se constat c:

e1 (t ) W1

(29)

subspaiul W1 . Din acest motiv semnalul e m (t ) poate fi descompus n baza de funcii wavelet a lui Wm n forma:

De fapt semnalul e1 (t ) este proiecia ortogonal a semnalului f 0 (t ) pe

e m (t ) =
Cu notaia:

n =

e (t ), (t ) (t )
1 m,n m,n

(30)

e1 (t ), m ,n (t ) = d m [n ]
semnalul 1, n (t ) n baza lui V0 , 0, n (t ) = (t n )

(31)

se deduce relaia ntre secvenele d m [n ] i s m [n ] pentru m > 0 . Descompunnd

nZ

rezult: (32)

1,n (t ) =
Dar:

l =

1,n (t ), (t l ) (t l )

1,n (t ), (t l ) =
sau:

1 * 2 2 t n (t l)dt

1 2

(33)

196 Filtre neliniare 6

1 * 1,n (t ), (t l ) = 2 2 2 u (u + 2n l )du
1 2

(33)

Folosind notaia:

1,n (t ), (t l ) = g[2n l]
relaia (31) devine:

(34)

1,n (t ) =
i:

l =

g[2n l](t l)

(35)

d 1 [n ] = e1 (t ), 1,n (t ) = f 0 (t ), 1,n (t ) =
n general:

l =

g [2n l]s [l]


* 0

(36)

d m [n ] =

l =

s [l]g [2n l]
m 1 *

(37)

Relaia (37) este implementat de sistemul din figura 6.4.2.2.

s m1 [n ]

g * [n ]

d m [n ]

Figura 6.4.2.2. Transformarea semnalului

s m1 [n ] n semnalul d m [n ] .

calculeaz secvenele s m [n ] i d 1 [n ], d 2 [n ],..., d m 1 [n ] . REMARC Formula lui g[n ] depinde de formula lui h[n ] . Se poate demonstra c:

n figura 6.4.2.3 este prezentat sistemul care pornind de la secvena s 0 [n ]

6.4. Filtre n domeniul unei transformri 197

g[n ] = ( 1)

1 n

h[1 n ]

(38)

Figura 6.4.2.3. Sistemul care transform semnalul

s m [n ] , d k [n ], k = 1, m .

s 0 [n ] n semnalele

eroarea de aproximare e m (t ) . Reciproc, funcia f 0 (t ) poate fi obinut pornind de la funciile f m (t ) i e m (t ) :

ortonormal a lui V0 , {(t n )}nZ , se obine aproximarea de rezoluie m, f m (t ) i

S-a artat deja c pornind de la descompunerea semnalului f 0 (t ) n baza

f 0 (t ) = f m (t ) + e k (t )
k =1

(39)

Calculnd produsul scalar al celor doi membri ai relaiei (39) cu funciile (t k ) se obine:

s 0 [k ] =

l =

s [l] (t ), (t k )
1 1, l

p =

d [p] (t ), (t k )
1 1, p

(40)

198 Filtre neliniare 6 sau:

s 0 [k ] =

l =

s1 [l]h[2l k ] +

p =

d [p]g[2p k ]
1

n mod recursiv se poate demonstra c:

s m 1 [k ] =

l =

s m [l]h[2l k ] +

p =

d [p]g[2p k ]
m

(41)

Folosind sistemul din figura 6.4.2.4 poate fi obinut secvena s 0 [n ] pornind de la secvenele s m [n ], d m 1 [n ],..., d1 [n ] .

Figura 6.4.2.4. Sistem care implementeaz transformarea invers.

Sistemul din figura 6.4.2.3 calculeaz TWD a semnalului s 0 [n ] iar sistemul din figura 6.4.2.4 calculeaz transformarea wavelet discret invers (TWDI).

6.4. Filtre n domeniul unei transformri 199 6.4.2.1. Filtre folosite pentru calculul TWD i TWDI Conform celor afirmate n paragraful anterior pentru calculul TWD i TWDI este necesar cunoaterea rspunsului la impuls h[n ] . Pe baza acestuia, folosind relaia (38) poate fi calculat rspunsul la impuls corespunztor g[n ] .

Figura 6.4.2.5. Filtrul Daubechies 2; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

200 Filtre neliniare 6 Exist cteva familii de filtre de tipul h[n ] . Figurile 6.4.2.5 6.4.2.13 conin caracteristici ale filtrelor de acest tip, proiectate de Ingrid Daubechies i prezentate n [Dau. 88].

Figura 6.4.2.6. Filtrul Daubechies 3; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

6.4. Filtre n domeniul unei transformri 201

Figura 6.4.2.7. Filtrul Daubechies 4; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

202 Filtre neliniare 6

Figura 6.4.2.8. Filtrul Daubechies 5; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

6.4. Filtre n domeniul unei transformri 203

Figura 6.4.2.9. Filtrul Daubechies 6; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

204 Filtre neliniare 6

Figura 6.4.2.10. Filtrul Daubechies 7; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

6.4. Filtre n domeniul unei transformri 205

Figura 6.4.2.11. Filtrul Daubechies 8; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

206 Filtre neliniare 6

Figura 6.4.2.12. Filtrul Daubechies 9; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

6.4. Filtre n domeniul unei transformri 207

Figura 6.4.2.13. Filtrul Daubechies 10; a). rspunsul la impuls i b). rspunsul n frecven reprezentat n intervalul [0,].

208 Filtre neliniare 6 Este vorba de 9 astfel de filtre. Lungimea rspunsului la impuls al filtrului Dau_i este de 2i, i=2,,10. n figurile anterioare sunt reprezentate rspunsul la impuls al filtrului Dau_i i rspunsul su n frecven n intervalul [0, ] . n tabelul urmtor sunt dai coeficienii filtrelor Dau_i pentru i cuprins ntre 2 i 10.
Tabelul 6.1. Coeficienii corespunztori filtrelor de tip Daubechies

i 2 3 4 5 6 7 8 9 10

Coeficieni 0.4830 0.8365 0.2241 -0.1294 0.3327 0.8069 0.4599 -0.1350 -0.0854 0.0352 0.2304 0.7148 0.6309 -0.0280 -0.1870 0.0308 0.0329 -0.0106 0.1601 0.6038 0.7243 0.1384 -0.2423 -0.0322 0.0776 -0.0062 -0.0126 0.0033 0.1115 0.4946 0.7511 0.3153 -0.2263 -0.1298 0.0975 0.0275 -0.0316 0.0006 0.0048 -0.0011 0.0779 0.3965 0.7291 0.4698 -0.1439 -0.2240 0.0713 0.0806 -0.0380 -0.0166 0.0126 0.0004 -0.0018 0.0004 0.0544 0.3129 0.6756 0.5854 -0.0158 -0.2840 0.0005 0.1287 -0.0174 -0.0441 0.0140 0.0087 -0.0049 -0.0004 0.0007 -0.0001 0.0381 0.2438 0.6048 0.6573 0.1332 -0.2933 -0.0968 0.1485 0.0307 -0.0676 0.0003 0.0224 -0.0047 -0.0043 0.0018 0.0002 -0.0003 0.0000 0.0267 0.1882 0.5272 0.6885 0.2812 -0.2498 -0.1959 0.1274 0.0931 -0.0714 -0.0295 0.0332 0.0036 -0.0107 0.0014 0.0020 -0.0007 -0.0001 0.0001 -0.0000

Exist i alte familii de filtre h[n ] , construite de ali cercettori ca de exemplu Coifman. Cteva dintre acestea sunt prezentate n [Isa., Naf. 98]. 6.4.2.2. Un algoritm de calcul al TWD n [Dau. 88] i [Mey. 92] sunt prezentate cteva exemple de funcii de scalare cu suport compact. Evident acestea genereaz funcii wavelet cu suport compact. De aceea semnalele h[n ] i g[n ] vor fi de durat limitat. Pentru secvene baza unui exemplu algoritmul de calcul al TWD. Secvena de intrare s 0 [n ] este descris de vectorul:

s 0 [n ] de durat limitat TWD poate fi descris matricial. n continuare se prezint pe

6.4. Filtre n domeniul unei transformri 209

s 0 [8] s [7] 0 . . S0 = . s [1] 0


iar h[n ] are durata 4. Primul pas al algoritmului de calcul al TWD este:

Y1 = M 0 X 0
cu:

X 0 = S0
i:

h[0] h[3] 0 0 M0 = 0 0 h[2] h[1]


Se obine:

h[2] h[1] h[0] 0 0 0 0 h[3] h[0] 0 0 0 0 h[1] 0 0 0 0

h[1]

h[2]

h[3]

0 h[2] h[0] 0

0 h[3] h[1] 0

0 0 0 h[2] 0

h[3] h[2] h[1] h[0]

h[0]

h[3] h[2] h[1] 0 0 h[0] 0 0

h[3]

0 0 0 0 h[3] h[0] h[1] h[2]

210 Filtre neliniare 6

s 1 [4] d [4] 1 s 1 [3] d 1 [3] Y1 = s 1 [2] d 1 [2] s [1] 1 d 1 [1]


Prin permutri rezult:

s1 [4] s [3] 1 s1 [2] 1 s 1 [1] Y1 = d 1 [4] d 1 [3] d [2] 1 d 1 [1]


Elementele vectorului Y11 sunt secvenele s1 [n ] i d 1 [n ] . Separnd
2 elementele acestor secvene se obin vectorii X 1 i X 1 cu: 1

X1 = [s1[4] s1[3] s1[2] s1[1]] 1


T

2 X1 = [d1[4] d1[3] d1[2] d1[1]] T

Fie M1 matricea care reprezint sfertul din stnga sus al matricei M 0 . Cel de al doilea pas al algoritmului FWT este descris cu relaia:

Y2 = M 1 X 1 1
Rezultatul este:

6.4. Filtre n domeniul unei transformri 211

s 2 [2] d [2] Y2 = 2 s 2 [1] d 2 [1]


Prin permutri rezult:
1 Y2 = [s 2 [2] s 2 [1] d 2 [2] d 2 [1]] T

Separnd elementele secvenelor s 2 [n ] i d 2 [n ] se obin vectorii X 1 i X 2 2 2 cu:

X 1 = [s 2 [2] s 2 [1]]; 2
T

X 2 = [d 2 [2] d 2 [1]] 2
T

1 2 Folosind vectorii Y2 i X1 se obine vectorul Y cu:

Y T = [s 2 [2] s 2 [1] d 2 [2] d 2 [1] d 1 [4] d 1 [3] d 1 [2] d 1 [1]]


care reprezint transformata FWT a vectorului S0 . Algoritmul pentru IFWT const n aplicarea n ordine invers a operaiilor descrise mai sus. Bineneles n locul T matricelor M 0 , M 1 ,... se vor folosi matricele M T , M 1 ,... 0 Acest algoritm a fost conceput de ctre Mallat. 6.4.3. Utilizarea T.W.D. la compresia de date Sistemele de compresie de date care folosesc transformri ortogonale se bazeaz pe decorelarea secvenei de intrare (realizat de transformarea ortogonal transformare ortogonal

respectiv). Dac secvenei x[n ], o

Energia secvenei y[n ] este concentrat n M eantioane cu M < N . De aceea pot fi transmise doar aceste eantioane i rezult compresia. Notnd cu T operatorul transformrii ortogonale i cu P operatorul de compresie se obine sistemul pentru compresia secvenei de durat i energie finit din figura 6.4.3.1.

R y [n ],

n = 0, M 1 , cu R y [n ] < R x [n ] .

n = 0, N 1 cu autocorelaia R x [n ] i se aplic se obine secvena y[n ] cu autocorelaia

212 Filtre neliniare 6

Figura 6.4.3.1. Sistemul folosit pentru compresia de date bazat pe o transformare ortogonal.

Pot fi scrise relaiile:

y = Tx;

y = Py;

x = T 1 y

(21)

Avnd n vedere c FWT este o transformare ortogonal rezult c poate fi folosit pentru compresie. Rolul blocului P din schema de mai sus este de a seleciona doar acele eantioane ale semnalului y[n] care au valoarea superioar unui prag. Valoarea acestui prag se poate alege n aa fel nct eroarea de aproximare a semnalului y[n] prin semnalul de la ieirea blocului P s aib o energie inferioar valorii de 1% din energia semnalului x[n]. Semnalul de la ieirea blocului P reprezint rezultatul compresiei. Acest semnal se transmite sau se memoreaz. Ultimul bloc din schema din figura 6.4.3.1. realizeaz reconstrucia semnalului comprimat. Eroarea medie ptatic cu care acest semnal aproximeaz semnalul x[n] este mai mic dect 1% din energia semnalului x[n]. Factorul de compresie realizat poate fi calculat mprind numrul eantioanelor secvenei de intrare la dublul numrului eantioanelor nenule de la ieirea blocului P. Trebuie considerat dublul numrului eantioanelor nenule de la ieirea blocului P deoarece acestea nu apar n succesiune i deci este necesar att codarea valorii lor ct i codarea poziiei lor. Blocul P conine de obicei un filtru neliniar. Acesta este unul dintre subiectele acestui capitol. El realizeaz filtrarea neliniar n domeniul TWD. Tot o schem de forma celei din figura 6.4.3.1. este folosit i pentru mbuntirea raportului semnal pe zgomot folosind funciile wavelet. Procedura a fost introdus de ctre Donoho, care a numit-o de-noising. 6.4.4. Filtrarea adaptiv neliniar n domeniul T.W.D. Aa dup cum s-a artat deja pentru de-noising se efectueaz urmtorii trei pai: 1. Se calculeaz TWD a semnalului x[k] = x u [k] + n[k] , unde cel de al doilea termen reprezint un semnal aleator de tip zgomot alb, obinndu-se, la iteraia m semnalul d m x [k] = d m u [k] + d m n [k] .

6.4. Filtre n domeniul unei transformri 213 2. Se filtreaz cu un filtru neliniar adaptiv semnalul obinut. 3. Se calculeaz TWDI a rezultatului obinut. 6.4.4.1. Filtrul de tip wavelet shrinkage Una dintre tehnicile de filtrare adaptiv neliniar n domeniul transformatei a fost introdus de Donoho [Don. 92], [Don. 93] sub numele de "wavelet shrinkage". La baza acestei metode st transformarea neliniar:

d m [i] sgn{d m [i]} (| d m [i] | s )

(42)

unde s reprezint un prag proporional cu dispersia zgomotului n(t). Se observ c este vorba despre o filtrare adaptiv, parametrul s depinznd de semnalul n(t), prin intermediul dispersiei acestuia. Se constat c operatorul definit de relaia (42) este unul neliniar. n figura 6.4.4.1.1 este reprezentat relaia intrare-ieire pentru filtrul descris de relaia (42). Conform referinelor bibliografice deja citate, metoda de de-noising propus este eficient eliminnd aproape complet zgomotul dar distorsionnd i semnalul util. De aceea aceast metod se aplic doar n cazul semnalelor x cu raport semnal pe zgomot mare (atunci cnd s este neglijabil n comparaie cu dmxu[n]). n continuare se analizeaz metoda propus. Relaia (42) descrie schimbarea de variabil aleatoare:

y = sgnx (| x | -s)
Se noteaz cu X variabila aleatoare care descrie comportarea statistic a semnalului dm[i] la momentul fixat i. Se consider c semnalele dm[i] sunt de tip zgomot alb i c variabila aleatoare X este distribuit gaussian (avnd media 0 i dispersia 2). Aplicnd variabilei aleatoare X transformarea funcional descris n figura 6.4.4.1.1 se obine variabila aleatoare Y. Se determin pY(y) n funcie de densitatea de probabilitate a variabilei aleatoare X, pX(x). Conform figurii 6.4.4.1.1 rezult:

p Y (y) =

pX ( x1) pX ( x 2) + dy dy dx 1 dx 2

214 Filtre neliniare 6

Figura 6.4.4.1.1. Transformarea funcional descris de relaia (42).

unde:

x 1 (,0 ); y = x 1 + s x 1 = y s ; dy = 1 , y (-, s ) dx 1
i:

6.4. Filtre n domeniul unei transformri 215

x 2 (0, ); y = x 2 s x 2 = y + s; dy = 1 , y (s, , ) dx 2
De aceea se poate scrie:

pY (y) = p X (y s)(s y) + pX (y + s)(y + s)


n figura 6.4.4.1.2 sunt prezentate cele dou densiti de probabilitate, pX(x) i pY(y).

-s

Figura 6.4.4.1.2. Densitile de probabilitate ale variabilelor aleatoare X i Y.

Se constat faptul c funcia pY(y) este par. Media acestei variabile aleatoare este:

mY =

yp

(y) dy = 0

fiind integrala pe un interval simetric a unei funcii impare. n continuare se determin valoarea dispersiei variabilei aleatoare Y, pe baza dispersiei variabilei aleatoare X.

216 Filtre neliniare 6

=
2 Y

pY (y) dy =
(43)

y [p
2 s

( y s)(s y) + pX ( y + s)( y + s)]dy =


2

p X (y s) dy +

p X (y + s) dy

Se calculeaz cele dou integrale:

I1 =

pX (y s) dy

Se face schimbarea de variabil y-s = u i avem:

I1 =

(u + s )2 pX (u) du =

u
2

pX (u) du +

(44)

+ 2s
Dar:

up

(u) du +

pX (u) du

2 u p X (u) du =

i 2

(u) du = FX (0) =

1 2

unde cu FX(x) s-a notat funcia de repartiie a variabilei aleatoare X. Deci relaia (44) devine:

s I1 = + 2s u pX (u) du + 2 2 -
Urmeaz calculul lui:

(45)

6.4. Filtre n domeniul unei transformri 217

I2 =

pX (y + s) dy

Se face schimbarea de variabil y + s = u i avem:

I 2 = (u s ) pX (u) du = u 2 pX (u) du
2 0 0

2s u pX (u) du + s 2 p X (u) du =
0 0

s 2s u pX (u) du + 2 2 0

Deoarece funcia pX(x) este par, cu schimbarea de variabil u = - v va rezulta:

u pX (u) du =
0 2

v pX ( v) dv =

vp
2

(v) dv

i astfel I2 devine:

s I2 = + 2s u pX (u) du + 2 2 -

(46)

Pe baza relaiilor (45) i (46), pentru relaia (43) avem:

= I1 + I 2 = + 4s
2 Y 2

up X (u) du + s 2

(47)

n continuare se calculeaz integrala din membrul drept al relaiei (47):

I3 =

up
0

(u) du =
2

2 -

ue

u2 2 2

du =

u 2 u2 e 2 = e 2 2 = d 2 - 2

218 Filtre neliniare 6 De aceea se obine:

2 = 2 4s Y

+ s2

(48)

Trebuie determinat mulimea valorilor lui s pentru care are loc relaia:

2 < 2 Y

(49)

Pentru aceste valori, prin aplicarea transformrii (42), se obine un nou semnal aleator (descris de variabila aleatoare Y la momentul i) a crui putere este inferioar puterii semnalului dm[n] i deci metoda propus este eficient. Condiiile (48) i (49) conduc la relaia:

s 2 4s

<0

Soluiile acestei inegaliti sunt localizate ca n figura 6.4.4.1.3.

Figura 6.4.4.1.3. Mulimea valorilor lui s pentru care metoda "wavelet shrinkage" este eficient.

S-a demonstrat n acest fel c valoarea minim a deviaiei standard a variabilei aleatoare Y este:

Ymin =

2 = 0,6

(50)

6.4. Filtre n domeniul unei transformri 219 i c aceast valoare este obinut pentru un prag s de valoare 0,797. n consecin, aplicnd transformarea din relaia (42) semnalelor aleatoare dm[i] se obin noi semnale aleatoare de putere (dispersie) inferioar celor iniiale. De aceea se poate afirma c metoda propus nltur o parte din zgomotul coninut n semnalele dm[i]. De aceea n referinele bibliografice deja citate este utilizat termenul "de-noising". Conform relaiei (50), cea mai mare reducere posibil a puterii de zgomot, obtenabil aplicnd metoda propus este de:
2 2 2 Y min ( 0,6 ) = = 0,36 2 2

De aceea, n cel mai fericit caz, se poate vorbi de o mbuntire a RSZ de 2,77 ori. Astfel, metoda propus nu poate conduce la rezultate remarcabile dect n cazul unor semnale care au deja RSZ destul de mare. Referitor la distorsionarea semnalului dm[n] se poate afirma c acele eantioane care au valori mari (mult mai mari dect s) nu sunt afectate de metoda propus dar c acele eantioane care au valori apropiate de s sunt puternic afectate de metoda propus. Avnd n vedere c alegerea pragului s depinde de dispersia zgomotului n(t), 2, rezult c "wavelet shrinkage" este o metod de filtrare neliniar adaptiv n domeniul TWD. Este clar c aplicarea relaiei (42) presupune un volum de calcul mult inferior celui solicitat de algoritmul LMS [Isa. 94(1)], [Isa. 94(2)] sau de filtrarea Wiener multicanal [Naf. 95], [Bov., Mar., Qua. 94], [Che., Lin. 94], [Shy. 92]. 6.4.4.2. Filtrul de tip hard-thresholding O alt metod de filtrare neliniar n domeniul TWD este propus de Moulin n [Mou. 94]. Aceast metod se bazeaz pe o detecie de prag. Transformarea care st la baza acestei metode este:

d m [i], d m [i] > s d m [i] 0, in rest

(51)

Filtrul neliniar descris n relaia de mai sus a fost numit de ctre Donoho filtru de tip hard-thresholding. Raionnd ca mai sus se consider variabila aleatoare X distribuit gaussian cu media nul i dispersia 2. Aceasta este transformat cu ajutorul relaiei:

220 Filtre neliniare 6

x, y= 0,

x >s x s

(52)

n variabila aleatoare Y. Se face caracterizarea statistic a acestei variabile aleatoare. Transformarea (52) este reprezentat grafic n figura 6.4.4.2.1.
y

s -s s -s x

Figura 6.4.4.2.1. Reprezentarea grafic a transformrii descrise de relaia (52).

Se observ c y este o funcie strict monoton de x pe intervalele (-, -s) i (s, ). Din pcate aceast funcie nu este inversabil, de aceea neputndu-se determina pY(y) pe baza lui pX(x), folosind relaia:

p Y (y) =
k

p X (x k ) dy dx k

n continuare se determin pY(y) pe baza funciei de repartiie a variabilei aleatoare Y, FY(y):

FY (y) = P( Y y)
Pe intervalul (- , -s) variabilele X i Y sunt identice. De aceea:

FY (y) = P( Y y) = FX (y) , y (, s)

6.4. Filtre n domeniul unei transformri 221 Pe intervalul [- s, 0) variabila aleatoare Y este identic nul i deci

FY (y) = P{ Y s } = FX (s) , y [s,0)


Pe intervalul [0, s) variabila aleatoare Y este identic nul i se poate deci scrie:

FY (y) = P( Y s) = FX (s) , y [0, s)


Pe intervalul [s, ) variabilele X i Y sunt identice. De aceea:

FY (y) = P( X y) = FX (y) , y [s, )


n consecin, funcia de repartiie a variabilei aleatoare Y are graficul din figura 6.4.4.2.2.

Figura 6.4.4.2.2. Graficul funciei de repartiie a variabilei aleatoare Y.

ntruct densitatea de probabilitate se poate obine pe baza derivrii funciei de repartiie, opernd n sensul distribuiilor, pentru pY(y) se obine graficul din figura 6.4.4.2.3. Deci: (53) p Y (y) = p X (y) ( y s) + (Fx (s) - Fx (s) ) (y) +

+ p X (y) (y s)
Se determin media mY a variabilei aleatoare Y:

222 Filtre neliniare 6

mY =

yp (y)dy
Y

pY (y)

Fx ( y )

[Fx (s ) Fx ( s )]( y )
y -s 0 s

Figura 6.4.4.2.3. Densitatea de probabilitate a variabilei aleatoare Y.

Deoarece:

y P Y (y) = yp X (y) ( y s) + y pX (y)(y s)


vom avea:

mY =

yp Y (y )dy =

yp X ( y)dy + yp X ( y)dy
s

(54)

relaia (54) devenind:

m Y = - y p X (y) dy s y pX (y) dy = 0
deoarece cele dou integrale sunt nule fiind integrale de funcii impare pe intervale simetrice. n continuare se calculeaz dispersia variabilei aleatoare Y.

6.4. Filtre n domeniul unei transformri 223

= =
sau:
s

2 Y

2 y p Y ( y) dy =

2 2 2 y p Y ( y) dy + y pY (y) dy + y pY (y) dy = s s

p Y ( y) dy + y2 pY (y) dy =
s

p Y ( y) dy y 2 p Y (y) dy
s

2 2 = 2 y pX (y) dy 2 Y 0

Calculm ultima integral:

y pX (y) dy = y
2 0 0

1 2
s

y2 2 2

y2 dy = yd e 2 2 0 1
s
2

y2 22 = ye 2
2

e
0 0

y2 2
2

s2 y2 s 2 22 se dy = e 2 dy = 2 0
2 2

s y s s 2 2 22 1 se + 2 = e 2 dy = se 2 + 2 (FX (s) FX (0) ) = 2 2 2 0

s se 2 2 = 2
2

+ 2 F (s) 1 X 2

Revenind, avem:

= +
2 Y 2

2 2

se

s2 22

1 2 2 FX (s) 2

n figura 6.4.4.2.4 se prezint dependena de s a diferenei 2 2 dat de Y relaia:

224 Filtre neliniare 6

=
2 Y 2

2 2

se

s2 22

1 2 2 FX (s) 2

(55)

Figura 6.4.4.2.4. Dependena de s a diferenei

2 2 . Y

Analiznd figura 6.4.4.2.4 i relaia (55) se constat faptul c, oricare ar fi s pozitiv, 2 2 < 0, ceea ce dovedete c metoda propus realizeaz o mbuntire a Y RSZ, indiferent de pragul folosit. Se observ de asemenea c:

2 2 Y

s =0

=0

relaie care confirm justeea calculului fcut. Se mai constat c:

2 2 Y

s =

= 2

Cu alte cuvinte, 2 descrete cu creterea lui s ntre 2 (pentru s=0) i 0 Y (pentru s). Deci pe baza acestei metode zgomotul dmn[i] ar putea fi redus orict de mult. Din pcate o dat cu creterea lui s sunt eliminate i eantioanele utile din semnalele dm[i], metoda producnd distorsiuni ale prii utile a semnalului de prelucrat. Pentru valori mici ale lui s aceste distorsiuni sunt nesemnificative, cea mai bun dovad fiind aceea c aceast metod este una dintre cele care se folosesc pentru compresia semnalelor n domeniul TWD [Isa., Asz. 94], [Nar., Lou., Les., Dar. 96], [Nas., Sap., Saw. 97], [Ode., Bur. 96].

6.4. Filtre n domeniul unei transformri 225 Este util de determinat pragul s n scopul maximizrii RSZ de la ieirile celor dou filtre propuse. Notnd cu x[i] eantioanele de semnal util de la intrarea filtrului neliniar i cu y[i] eantioanele de semnal util de la ieire se constat c:

Ei = xi
i =0

N 1

; E e = yi
i =0

N 1

; RSZ i =

E Ei ; RSZ e = 2e 2 Y

Dar, pentru metoda "wavelet shrinkage":

E e = x i 2s
2 i =0

N 1

x
i =0

N 1

+ s2

sau, cu notaia:

x
i =0

N 1

2 i

= S N 1

vom avea:

E e = E i 2s S N 1 + s 2
De aceea, n cazul acestei metode:

RSZ e =

E i 2s S N 1 + s 2 4 2 s + s 2 2

Se constat c pentru maximizarea acestei funcionale dup parametrul s este necesar cunoaterea valorilor Ei i SN-1, adic este necesar cunoaterea expresiei analitice a lui x[n]. Rezult c pentru cazul general valoarea optim a pragului s poate fi fixat adaptiv, avnd ca i criteriu de adaptare maximizarea lui RSZ. Concluzia este valabil i pentru cea de-a doua metod de filtrare neliniar propus. n consecin este de dorit ca eantioanele dm[i] s fie tratate diferit n funcie de valoarea lor. Cele mici ar fi util s fie prelucrate cu metoda bazat pe detecia de prag iar cele mari s fie prelucrate pe baza metodei "wavelet shrinkage". De aceea n [Isa., Asz., Isa. 95] se propune transformarea:

226 Filtre neliniare 6

0, pentru d m [i] < s [i] dm sgn{d m [i]}( d m [i] s ), pentru d m [i] s

(56)

Filtrul descris de aceast transformare se numete de tip soft-thresholding. n aceeai lucrare se prezint rezultate experimentale obinute pe baza aplicrii metodei de mbuntire a RSZ prin filtrare neliniar n domeniul TWD, descris de relaia (56). Se constat c metoda este valabil pentru o mare diversitate de semnale utile, c zgomotul este aproape complet nlturat i c semnalele utile nu sunt prea distorsionate. 6.4.4.3. Filtrul de tip soft-thresholding Fie X variabila aleatoare de la intrare. Folosind estimatorul propus se obine variabila aleatoare Y. Aceast transformare este prezentat n figura 6.4.4.3.1.

-s

Figura 6.4.4.3.1. Transformarea propus.

Legtura dintre funciile de repartiie ale celor dou variabile aleatoare este:

FY (y ) = FX (y s )( y ) + FX (y + s )(y )
Derivnd aceast relaie se obine legtura dintre densitile de probabilitate corespunztoare:

p Y (y ) = p X (y s )( y ) + (FX (s ) FX ( s ))(y ) + p X (y + s )(y )

6.4. Filtre n domeniul unei transformri 227 Din acest motiv valoarea medie a variabilei aleatoare Y este:

mY =

yp (y)dy = 0
Y

n continuare se calculeaz dispersia acestei variabile aleatoare.

Y =
Dar:

p X (y s )dy + y 2 p X (y + s )dy
0

2 y p X (y s )dy = s

(u + s )

p X (u )du =

p X (u )du + 2s up X (u )du + s 2 FX ( s )

i:
2 2 2 y p X (y + s )dy = u p X (u )du 2s up X (u )du + s 1 FX (s ) 0 s s

Deci:

Y = 2 u 2 p X (u )du 4s up X (u )du + s 2 1 FX (s ) + FX ( s )
2 s s

Presupunnd c X este o variabil aleatoare gaussian, avnd densitatea de probabilitate pX(x), primul termen al membrului drept al ultimei relaii are valoarea:

u
s

p X (u )du = 1 FX (s ) +
2 x

2 x 2

se

s2 2 2 x

i:

228 Filtre neliniare 6

up (u )du =
X

2
X

p X (s )

n acest caz expresia dispersiei devine:

Y = 2s 2 1 FX (s ) 2s X p X (s ) + 2 X 1 FX (s )
2 2 2

n figura 6.4.4.3.2 este prezentat funcia de repartiie a variabilei aleatoare Y iar n figura 6.4.4.3.3 densitatea de probabilitate a acestei variabile aleatoare. n figura 6.4.4.3.4 este prezentat dependena dispersiei variabilei aleatoare Y de valoarea pragului s.

Figura 6.4.4.3.2. Funcia de repartiie a variabilei aleatoare Y.

6.4. Filtre n domeniul unei transformri 229

Figura 6.4.4.3.3. Densitatea de probabilitate a variabilei aleatoare Y.

Figura 6.4.4.3.4. Dependena dispersiei variabilei aleatoare Y de valoarea pragului s.

Analiznd ultima figur se constat c pentru orice valoare a pragului s dispersia semnalului de la ieire este inferioar dispersiei semnalului de la intrare. Cu alte cuvinte, oricare ar fi puterea zgomotului care perturb aditiv semnalul util, de prelucrat, la ieire se obine un semnal util perturbat aditiv cu un zgomot cu o putere mai mic. Evident reducerea puterii zgomotului este cu att mai important cu ct se folosete un prag de valoare mai mare. Pentru o valoare suficient de mare a pragului zgomotul perturbator poate fi practic rejectat. Se constat c nu exist o valoare optim a pragului (care s conduc la minimizarea puterii zgomotului de la ieire) aa ca n cazul filtrului de tip wavelet shrinkage (prezentat la nceputul acestui paragraf). Mai degrab, acest al treilea filtru neliniar are o comportare mai apropiat de cea a filtrului propus de Moulin, permind prelucrarea unor semnale cu raport semnal pe zgomot mult mai mic dect n cazul filtrului de tip wavelet shrinkage. Din nefericire odat cu

230 Filtre neliniare 6 creterea valorii pragului i n cazul acestui al treilea filtru cresc i distorsiunile semnalului util de la ieire. De aceea, n continuare, pentru aprecierea ultimului estimator propus se analizeaz mbuntirea raportului semnal pe zgomot pe care o poate realiza acest filtru neliniar. Aceast analiz este realizat n conformitate cu [Isa. 97]. Semnalul de la intrarea filtrului de tipul soft thresholding este de forma:

x[n ] = x u [n ] + z x [n ]
unde zx[n] este un zgomot staionar cu puterea 2 . Dac semnalele x u [ n ] i z x [ n ] sunt x necorelate atunci se poate scrie:

Px = Px u + Pn x
Raportul semnal pe zgomot la intrare este egal cu:

RSZi =

Px u 2 x

Semnalul de la ieirea filtrului este de forma:

y[n ] = y u [n ] + z y [n ]
iar RSZ la ieire va fi:

RSZ e =

Py u Y
2

mbuntirea raportului semnal pe zgomot realizat de filtrul de tip soft thresholding este:

Py RSZ e = = u2 X RSZ i Y Px u

Fcnd ipoteza c i semnalul util i zgomotul de la ieire sunt decorelate, ultima relaie devine:

6.4. Filtre n domeniul unei transformri 231

Py Y X Px X Y
2

2 2

Puterile semnalelor de la intrare i de la ieire, Px i Py, pot fi calculate deoarece aceste semnale sunt accesibile msurrii. Puterea zgomotului de la intrare poate fi msurat n absena semnalului util de intrare iar puterea zgomotului de la ieire poate fi calculat folosind formula dedus mai sus pentru orice valoare a pragului s. Deci mbuntirea raportului semnal pe zgomot este o funcional de valoarea pragului s. Exist posibilitatea ca aceast funcional s aib o valoare minim pentru o anumit valoare a pragului s. Relaia intrare-ieire pentru filtrul de tip softthresholding poate fi pus n forma:

x[k ] s, x[k ] > s, y [k ] = x[k ] + s, x[k ] < s, 0, x[k ] < s


Puterea semnalului de la ieirea acestui filtru este:

PY = ( y[k ]) = (x[k ] s ) + (x[k ] + s )


2 2 k =1 k1 =1 k 2 =1

N1

N2

S-a notat cu N1 numrul de eantioane a cror valoare este superioar lui s i cu N 2 numrul de eantioane din semnalul de ieire a cror valoare este mai mic dect -s. Expresia puterii de la ieire devine:

Py = x [k 1 ] + x 2 [k 2 ] +
2 k1 =1 k 2 =1 N1 N2 + 2s x[k 2 ] x[k 1 ] + (N 1 + N 2 )s 2 k =1 k1 =1 2

N1

N2

Dac valoarea pragului s este suficient de mic se pot face aproximrile:

232 Filtre neliniare 6

k1 =1

x 2 [k 1 ] + x 2 [k 2 ] Px Px u + 2X
k 2 =1

N1

N2

i:

k 2 =1

x [k 2 ] x [k 1 ]
k 1 =1

N2

N1

k =1

x [k ]

Se noteaz aceast ultim expresie cu . Se poate scrie, de asemenea:

N 1 + N 2 N

cu 0 < < 1

Iat de ce puterea semnalului de la ieire poate fi calculat cu formula:

Py = Px + 2s + Ns 2
Incluznd i distorsiunea semnalului util de la ieire n categoria perturbaiilor, raportul semnal pe zgomot la ieire poate fi calculat cu formula:

RSZ e =

Px u Py Px u

Px u Ns 2 + 2s + X
2

(57)

Aceasta este formula pentru calculul RSZ la ieire utilizat n restul acestui capitol i n capitolul urmtor. Valoarea maxim a acestui raport se obine atunci cnd numitorul su este minim. Aceast situaie apare atunci cnd pragul ia valoarea optim, s0, dat de relaia:

s0 =

Dac sunt satisfcute ipotezele fcute, atunci exist o valoare optim a pragului pentru maximizarea raportului semnal pe zgomot la ieire, n cazul filtrului de tip softthresholding. Din nefericire aceast valoare optim este dificil de calculat naintea efecturii filtrrii deoarece constantele , , i N au valori care depind de forma de und a semnalului util de la intrare precum i de tipul de zgomot de la intrare.

6.4. Filtre n domeniul unei transformri 233 De aceea a fost conceput un algoritm adaptiv pentru alegerea pragului care maximizeaz raportul semnal pe zgomot de la ieirea filtrului de tip softthresholding. Acest algoritm reprezint subiectul articolului [Isa. 97]. Etapele sale sunt urmtoarele: 1. Se calculeaz TWD a semnalului achiziionat. 2. Se presupune cunoscut puterea semnalului util de la intrarea filtrului de tip soft thresholding. Aceast ipotez este n acord cu formularea problemei mbuntirii raportului semnal pe zgomot n telecomunicaii (se cunoate puterea emitorului dar nu se cunoate puterea zgomotului care se suprapune peste semnalul util n canalul de telecomunicaii). 3. Se calculeaz raportul semnal pe zgomot la intrare. 4. Se efectueaz filtrarea cu filtrul de tip soft-thresholding utiliznd o valoare mic pentru prag. 5. Se calculeaz raportul semnal pe zgomot la ieire folosind relaia (57). Se determin mbuntirea raportului semnal pe zgomot realizat. Se memoreaz semnalul de ieire obinut precum i valoarea mbuntirii raportului semnal pe zgomot. 6. Se repet etapa anterioar folosind aceeai valoare (mic) pentru prag. La intrarea filtrului este conectat de aceast dat semnalul obinut la ieire n iteraia anterioar. Se memoreaz noul semnal de ieire precum i noua valoare obinut pentru mbuntirea raportului semnal pe zgomot. Aceasta se calculeaz folosind relaia (57) pe baza valorii raportului semnal pe zgomot de la intrare calculat n etapa 2. 7. Se repet etapa anterioar att timp ct valoarea raportului semnal pe zgomot de ieire crete de la iteraie la iteraie. Algoritmul se ncheie de ndat ce valoarea raportului semnal pe zgomot obinut n etapa curent este mai mic dect valoarea aceluiai parametru obinut n etapa anterioar. Semnalul de ieire va fi cel memorat la sfritul etapei anterioare. Valoarea raportului semnal pe zgomot va fi de asemenea cea nregistrat la sfritul etapei anterioare. 8. Se calculeaz TWDI a semnalului obinut la sfritul etapei anterioare. n acest mod se obine semnalul rezultat al prelucrrii dedicate mbuntirii raportului semnal pe zgomot. Metoda propus poate fi nc optimizat, prin selectarea acelei transformri undioar discret care se potrivete cel mai bine cu semnalul util de prelucrat. Unele considerente pe care se poate baza o astfel de optimizare sunt prezentate n [Isa. 97] i n [Bor., Isa. 97]. Alte lucrri pe aceast tem care merit s fie amintite sunt: [Ant., Gre., Nas. 95], [Buc., Don. 95], [Buc., Don. 96], [Chi., Kol., Cul. 96], [Coh., dAl. 95], [Coh., Kov. 96], [Coif., Sai. 96], [Gao. 97], [Gao. 97(1)], [Gao. 97(2)], [Hil., Ogd. 97], [Kol. 96], [Lan., Guo., Ode., Bur., Wel. 95], [Nas. 94] i [Pes., Ade., Pes., Hel. 96]. Alte filtre neliniare interesante pentru prelucrarea n domeniul TWD sunt prezentate n [Pit., Ven. 86(1)] i n [Pit., Ven. 86(2)].

CAPITOLUL 7. mbuntirea raportului semnal pe zgomot prin filtrare adaptiv neliniar n domeniul TWD

Acest capitol, dei nu se refer strict la filtrare, face obiectul lucrrii de fa deoarece prezint o alternativ la operaia de filtrare. El este dedicat simulrilor metodei adaptive de mbuntire a raportului semnal pe zgomot propus la sfritul capitolului anterior. Aceste simulri au fost realizate cu ajutorul unor programe scrise n C, aplicate i n [Asz, Isa., Isa. 99], dedicate acestui scop i prezentate n anex. 7.1. Programe de simulare coninnd metoda adaptiv pentru mbuntirea raportului semnal pe zgomot Funciile acestor programe sunt: 1. Generarea unor semnale deterministe, care sunt semnalele utile de la intrarea sistemului de mbuntire a raportului semnal pe zgomot. 2. Generarea unor semnale aleatoare, adic a zgomotelor care perturb aditiv semnalele utile la intrarea n sistem. 3. nsumarea celor dou tipuri de semnale generate anterior. 4. Aplicarea algoritmului adaptiv descris la sfritul capitolului anterior. Se afieaz raportul semnal pe zgomot la intrare, raportul semnal pe zgomot la ieire obinut dup ultima iteraie i mbuntirea raportului semnal pe zgomot obinut. Pentru funcionarea corect a acestui program este necesar specificarea funciei wavelet mam pe baza creia se dorete calculul TWD direct i invers. Exist i posibilitatea evidenierii distorsiunilor pe care le-a suferit semnalul util n procesul de prelucrare. 5. Identificarea deviaiilor diferiilor parametri ai semnalului util aprute n procesul de prelucrare. n continuare se va prezenta fiecare dintre aceste funcii. Semnalele utile care pot fi generate cu programele care constituie subiectul acestui capitol sunt prezentate n figurile 7.1.1, 7.1.2, 7.1.3, 7.1.4 i 7.1.5. Parametrii tuturor acestor semnale pot fi modificai prin program conform tabelului 7.1.1.

7.1 Programe de simulare 235

Figura 7.1.1. Semnal sinusoidal.

Figura 7.1.2. Semnal modulat n frecven.

Figura 7.1.3. Tren de impulsuri dreptunghiulare.

Figura 7.1.4. Tren de impulsuri gaussiene.

Figura 7.1.5. Tren de impulsuri de tip sinus cardinal.

236 mbuntirea raportului semnal pe zgomot 7


Tabelul 7.1.1. Parametrii semnalelor utile care pot fi modificai folosind programul de generare propus.

Tipul semnalului Sinusoidal Modulat n frecven Dreptunghiular Gaussian Sinus cardinal

Parametrii care pot fi modificai amplitudine, frecven amplitudine, frecven purttoare, frecven modulatoare. modulaia de frecven este liniar. amplitudine, frecven, factor de umplere, polaritate poziie, amplitudine, form poziie, amplitudine, form

Fiecare dintre aceste semnale este caracteristic pentru o anumit aplicaie din domeniul telecomunicaiilor. De exemplu semnalul sinusoidal poate fi asociat cu modulaia de faz, semnalul modulat n frecven apare frecvent n radiolocaie, semnalul de tip tren de impulsuri dreptunghiulare apare n comunicaiile de date n banda de baz, semnalul de tip tren de impulsuri gaussiene apare n comunicaiile de date fr interferen intersimbol iar semnalul de tip tren de impulsuri de tip sinus cardinal apare n comunicaiile de date cu interferen intersimbol. Se poate afirma de asemenea c fiecare din semnalele din tabelul 1 descrie cte o clas de semnale destul de larg. Aceste clase se difereniaz ntre ele prin regularitatea elementelor lor, prin numrul lor de parametrii, etc. Cte o realizare a semnalelor aleatoare care pot fi generate cu ajutorul acestui program este prezentat n figurile 7.1.6, 7.1.7, 7.1.8 i 7.1.9.

Figura 7.1.6. Semnal aleator de tip zgomot alb gaussian.

7.1 Programe de simulare 237

Figura 7.1.7. Semnal aleator de tip zgomot uniform.

Figura 7.1.8. Semnal aleator de tip impuls.

Figura 7.1.9. Semnal aleator de tip salve de impulsuri.

238 mbuntirea raportului semnal pe zgomot 7 Parametrii tuturor acestor semnale pot fi modificai prin program conform tabelului 7.1.2.
Tabelul 7.1.2. Parametrii semnalelor aleatoare perturbatoare care pot fi modificai folosind programul de generare propus.

Tipul semnalului Zgomot alb Zgomot uniform Tren de impulsuri Salve de impulsuri

Parametrii care pot fi modificai Dispersia. Valoarea medie este nul. Dispersia. Dispersia. Numrul de impulsuri. Dispersia. Numrul de salve. Lungimea unei salve.

Aceste semnale aleatoare modeleaz majoritatea tipurilor de zgomot care pot aprea ntr-un canal de telecomunicaii. Modelul de tip zgomot alb este cel mai des utilizat. Prezena zgomotului alb este inerent funcionrii oricrui dispozitiv electronic. Zgomotele de tip tren de impulsuri respectiv salve de impulsuri apar de asemenea frecvent n practic [Tsi., Nik. 98]. Este vorba mai ales de situaiile n care semnalul util este perturbat nc de la surs (de exemplu o convorbire telefonic este perturbat de zgomotul de fond datorat trecerii unui camion prin vecintatea cabinei telefonice). n figurile 7.1.10, 7.1.11, 7.1.12 i 7.1.13 sunt prezentate exemple de perturbare aditiv a semnalelor utile din figurile 7.1.1, 7.1.2, 7.1.3 i 7.1.4 cu semnalele perturbatoare din figurile 7.1.6, 7.1.7, 7.1.8 i 7.1.9. n figurile 7.1.14, 7.1.15, 7.1.16 i 7.1.17 se prezint rezulatele aplicrii metodei adaptive de mbuntire a raportului semnal pe zgomot, propus la sfritul capitolului anterior, pentru semnalele din figurile 7.1.10, 7.1.11, 7.1.12 i 7.1.13.

Figura 7.1.10. Semnal sinusoidal perturbat aditiv de zgomot alb.

7.1 Programe de simulare 239

Figura 7.1.11. Semnal modulat n frecven perturbat aditiv cu zgomot uniform.

Figura 7.1.12. Tren de impulsuri dreptunghiulare perturbat aditiv cu zgomot de tip tren de impulsuri.

240 mbuntirea raportului semnal pe zgomot 7

Figura 7.1.13. Tren de impulsuri gaussiene perturbat aditiv de zgomot n salve de impulsuri.

Figura 7.1.14. Rezultatul aplicrii metodei asupra semnalului din figura 7.1.10.

7.1 Programe de simulare 241

Figura 7.1.15. Rezultatul aplicrii metodei adaptive de mbuntire a raportului semnal pe zgomot semnalului din figura 7.1.11.

Figura 7.1.16. Semnalul obinut n urma aplicrii metodei adaptive de mbuntire a raportului semnal pe zgomot semnalului din figura 7.1.12.

242 mbuntirea raportului semnal pe zgomot 7

Figura 7.1.17. Semnalul obinut n urma aplicrii metodei adaptive de mbuntire a raportului semnal pe zgomot semnalului din figura 7.1.13.

Analiznd ultimele patru figuri se constat c dei semnalele de prelucrat (prezentate n figurile 7.1.10, 7.1.11, 7.1.12, 7.1.13) aveau rapoarte semnal pe zgomot destul de mici (n special semnalele din figurile 7.1.12 i 7.1.13) totui zgomotul a fost complet eliminat. De aceea metoda de mbuntire a raportului semnal pe zgomot bazat pe TWD direct, filtrare cu filtru de tipul soft-thresholding i TWDI este ntlnit n literatura sub denumirea de-noising. Pe baza figurii 7.1.14 se poate afirma c semnalul sinusoidal a fost recuperat din zgomot aproape perfect. Analiznd figura 7.1.15 se constat c i semnalul modulat n frecven a fost bine curat de zgomot dar c metoda folosit a introdus o distorsiune de tipul modulaie parazit de amplitudine. Totui trebuie remarcat c poziia trecerilor prin zero ale semnalului util nu a fost afectat aproape de loc de prelucrarea efectuat. Pe baza figurii 7.1.16 se poate afirma c metoda de de-noising utilizat nu afecteaz prea mult fronturile semnalului dreptunghiular. Aceast comportare este

7.1 Programe de simulare 243 remarcabil pentru o metod de cretere a raportului semnal pe zgomot care d rezultate bune i n cazul semnalelor netede (cum este de exemplu semnalul sinusoidal prezentat anterior). Se poate remarca i n acest caz distorsiunea de amplitudine de tipul modulaie de amplitudine parazit care afecteaz palierele semnalului dreptunghiular. Aceast modulaie parazit de amplitudine poate fi mult diminuat dac se folosete o TWD direct invariant la translaii [Coif., Don.95]. Analiznd figura 7.1.17 se constat c metoda propus funcioneaz i n cazul unor semnale perturbate intens de zgomot. Dei (aa cum se vede n figura 7.1.13) cel de-al doilea impuls gaussian este practic complet acoperit de zgomot totui acesta este corect recuperat. De asemenea trebuie remarcat distorsiunea nivelului de zero care se manifest n partea din stnga a figurii 7.1.17. Pentru o apreciere obiectiv a distorsiunilor de amplitudine introduse de metoda adaptiv de de-noising se prezint n continuare n figurile 7.1.18, 7.1.19 i 7.1.20 erorile de reconstrucie (diferenele de amplitudine dintre semnalele utile din structura semnalelor de la intrare i semnalele obinute la ieire) corespunztoare simulrilor cu rezultatele din figurile 7.1.14, 7.1.15 i 7.1.16. Se constat valabilitatea concluziilor prezentate mai sus. Pentru semnalul de intrare din figura 7.1.10, avnd semnalul reconstituit din figura 7.1.14, se constat c valoarea maxim a distorsiunii apare la trecerea prin zero a semnalului sinusoidal i c ea reprezint 15% din amplitudinea semnalului util de la intrare (figura 7.1.18).

Figura 7.1.18. Distorsiunea de amplitudine a semnalului sinusoidal n urma extragerii sale din zgomot alb.

244 mbuntirea raportului semnal pe zgomot 7 Pentru eroarea de amplitudine prezentat n figura 7.1.19, dei valoarea maxim a distorsiunii reprezint 40% din amplitudinea semnalului util de la intrare totui i n acest caz mbuntirea raportului semnal pe zgomot este acceptabil.

Figura 7.1.19. Distorsiunea de amplitudine a semnalului modulat n frecven n urma extragerii sale din zgomot uniform.

Figura 7.1.20. Distorsiunea de amplitudine a semnalului dreptunghiular n urma extragerii sale din zgomot n impulsuri.

7.1 Programe de simulare 245 Pe baza graficului din figura 7.1.20 se constat prezena distorsiunii de tipul modulaie parazit de amplitudine pe palierele semnalului dreptunghiular. De asemenea se remarc buna localizare a fronturilor semnalului prelucrat n structura semnalului rezultat. Au fost concepute cteva programe pentru a se putea aprecia msura n care diferii parametrii ai semnalelor utile de la intrare au fost afectai de metoda de mbuntire a raportului semnal pe zgomot propus. Chiar dac la semnalele reconstituite sunt prezente erori (inerente la orice reconstrucie), n unele aplicaii nu este necesar cunoaterea cu precizie a nivelului semnalului. De aceea metoda este eficace pentru: A. Interpretarea corect a nivelelor logice pentru semnalele ntlnite n transmisii de date, B. Determinarea trecerilor prin zero ale semnalului util de tip sinusoidal sau modulat n frecven. A. S-a avut n vedere faptul c la o transmisie numeric va conta interpretarea corect a biilor de informaie util. Simulnd un transfer de date numerice, avem de fapt o succesiune de nivele de tensiune corespunztoare nivelelor logice. O alternan de 0 logic i 1 logic este prezentat n figura 7.1.21. Perturbaiile care pot apare pe un canal de comunicaie sunt de obicei de tip aditiv, semnalul nedorit putnd fi de tip zgomot alb (figura 7.1.6), semnal aleator cu distribuie uniform (figura 7.1.7), semnal aleator de tip impuls (figura 7.1.8) sau chiar semnal aleator de tip salve de impulsuri (figura 7.1.9) [Tsi., Nik. 98]. Aceste perturbaii, dac nu sunt nlturate sau cel puin diminuate, pot da natere la interpretri eronate ale nivelelor logice care poart informaia util. Metoda propus este eficient pentru diminuarea considerabil a perturbaiilor de orice tip. Exemple cu realizri ale semnalelor aleatoare perturbatoare suprapuse aditiv peste semnalul util precum i semnalele rezultate n urma prelucrrii sunt prezentate n figura 7.1.22, semnalul util rmnnd cel din figura 7.1.21.

Figura 7.1.21. Semnalul util folosit n urmtoarea simulare.

246 mbuntirea raportului semnal pe zgomot 7

Figura 7.1.22. a). Semnal util cu zgomot cu distributie normal cu un RSZi = 2 i semnalul reconstituit;b). Semnal util cu zgomot alb (distribuie gaussian) cu un RSZi = 2 i semnalul
reconstituit.

7.1 Programe de simulare 247

Figura 7.1.22. c). Semnal util cu zgomot n impuls i semnalul reconstituit; d). Semnal util cu zgomot n salve de impulsuri i semnalul reconstituit.

248 mbuntirea raportului semnal pe zgomot 7 Pentru o transmisie de date interpretarea nivelelor de tensiune, la recepie, se face eantionnd linia de date. n practic semnalul recepionat se eantioneaz n funcie de poziia bitului de start, fiind permis o abatere de 20 % fa de aceast poziie. n continuare se analizeaz efectul utilizrii metodei de de-noising la transmisia de date. Se presupune c sistemul de de-noising este conectat la intrarea blocului de decizie din structura receptorului. S-a realizat un program scris n limbaj C care determin punctele de eantionare astfel: - se determin mijlocul primei semiperioade a semnalului util, - se determin perioada semnalului util, - pornind de la punctul corespunztor mijlocului semiperioadei semnalului util, cu o frecven rezultat din valoarea perioadei semnalului util, se determina punctele de eantionare, - n punctele astfel determinate se verific valoarea semnalului reconstituit, - se compar aceste valori ale semnalului reconstituit cu valorile pe care le are semnalul util n punctele respective, - se stabilete un prag de decizie, pentru 0 logic i unul pentru 1 logic, - dac valoarea semnalului reconstituit, ntr-un punct de eantionare, este incorect, se nregistreaz ntr-un fiier de tip text att valoarea eronat ct i cumularea erorilor rezultate pentru 1.000.000 de verificri. S-au generat 25.000 de realizri independente suprapuse aditiv peste acelai semnal util prezentat n figura 7.1.21, pe fiecare realizare fcndu-se 40 de determinri. Observnd realizrile prezentate n figura 7.1.22, a), b), c) i d) se poate constata c metoda propus nltur perturbaiile, rezultatul fiind un semnal determinist. Acesta este o reconstrucie a semnalului util, la care ns fronturile au fost afectate. Pentru interpretarea nivelelor logice nu sunt ns probleme. Considernd ca scop interpretarea corect a lui 0 logic i 1 logic, se observ c erorile cele mai frecvente care pot apare datorit modulaiei parazite n amplitudine sunt n cazul perturbaiilor de tip zgomot alb (figura 7.1.22 b)). Din acest motiv verificrile care s-au fcut au fost pentru acest tip de perturbaie. Parametrul care a fost luat n considerare a fost RSZ. Astfel s-au obinut rezultate experimentale care pun n eviden erorile pentru 1.000.000 de verificri, genernd semnale de intrare cu RSZ = 2, RSZ=3 i RSZ= 4. Erorile care au rezultat sunt nregistrate n fiiere, concluziile fiind urmtoarele: - la RSZ i = 2 avem 379 erori/1.000.000 verificri, adic o valoare a ratei erorilor sub 4 10-3 ; - la RSZ i =3 avem 43 erori/1.000.000 verificri, adic o valoare a ratei erorilor sub 5 10-4; - la RSZ i = 4 avem 3 erori/1.000.000 verificri, adic o valoare a ratei erorilor de 3 10-5.

7.1 Programe de simulare 249 La aplicarea metodei pentru un RSZ i = 5, dup 1.000.000 verificri, nu s-a mai nregistrat nici o eroare. Comparaia cu erorile determinate n [Lin., Sim. 73], pentru diverse metode clasice de transmitere a datelor, este prezentat n tabelul 7.1.3:
Tabelul 7.1.3. Comparaie ntre erorile obinute prin aplicarea metodei propuse cu cele prezentate n literatura de specialitate.

RSZ RSZ =2 RSZ =3 RSZ =4

Eroare maxim, prezentat n literatur 2,2 10-2 7 10-3 1,8 10-3

Eroarea metodei propuse 4 10-3 5 10-4 3 10-5

n cazul n care nu s-ar prelucra semnalul perturbat, pentru un RSZ =2, rezult o medie a ratei erorilor avnd valoarea de 25 10-1. B. n cazul semnalelor modulate n frecven se consider drept semnal util un chirp, prezentat n figura 7.1.23. S-au luat n considerare cele 4 tipuri de zgomote enumerate n tabelul 7.1.2, iar figura 7.1.24 prezint semnalul util afectat de perturbaii, n fiecare caz aprnd i forma semnalului reconstituit rezultat prin aplicarea metodei propuse.

Figura 7.1.23. Semnal modulat n frecven utilizat drept semnal util.

n continuare se prezint modul n care poate fi estimat frecvena instantanee a semnalului util pe baza valorilor eantioanelor semnalului perturbat aditiv de zgomot. Frecvena instantanee se estimeaz cu ajutorul metodei trecerilor prin zero [Boa., Rei. 92]. Dup cum se observ din figura 7.1.24 trecerile prin zero ale semnalului util sunt puternic afectate de zgomotul perturbator. De aceea estimarea frecvenei instantanee a

250 mbuntirea raportului semnal pe zgomot 7 semnalului modulat n frecven, pe baza metodei amintite, pentru semnalele prezentate n poziiile de sus din figura 7.1.23, conduce la erori inacceptabil de mari.

Figura 7.1.24. Diferite perturbaii cu semnale aleatoare ale semnalului util prezentat n figura 7.1.22 precum i semnalele rezultate n urma prelucrrii: a). Semnal chirp cu zgomot gaussian avnd RSZi =2,7; b). Semnal chirp cu zgomot uniform, avnd RSZi =2,37.

7.1 Programe de simulare 251

Figura 7.1.24 (continuare). Diferite perturbaii cu semnale aleatoare ale semnalului util
prezentat n figura 7.1.22 precum i semnalele rezultate n urma prelucrrii: c). Semnal chirp cu suprapuneri de tip impuls. d). Chirp cu salve de impulsuri.

Dup prelucrarea semnalelor afectate de zgomot cu metoda de de-noising, s-au estimat erorile care apar la determinarea perioadei instantanee a fiecrui semnal n parte. Un program dedicat acestui scop determin:

252 mbuntirea raportului semnal pe zgomot 7 - perioada instantanee (figura 7.1.25) a semnalului util, neafectat de perturbaii, din figura 7.1.23; - calculeaz perioada instantanee a semnalului prelucrat cu metoda propus, pentru fiecare realizare, numrul total de realizri fiind de 16; perioada instantanee pentru o realizare este prezentat n figura 7.1.26; - calculeaz variaia n timp a erorii relative de estimare a perioadei instantanee pentru fiecare caz din cele 16 realizri; un exemplu pentru o realizare este prezentat n figura 7.1.27; - calculeaz variaia n timp a mediei aritmetice a erorilor relative de estimare a perioadei instantanee (figura 7.1.28).

Figura 7.1.25. Variaia temporal a perioadei instantanee a semnalului de test prezentat n figura 7.1.22.

Figura 7.1.26. Una dintre estimatele variaiei n timp a perioadei corespunztoare semnalului reconstituit cu ajutorul metodei de de-noising propus.

7.1 Programe de simulare 253

Figura 7.1.27. Variaia n timp a erorii intermediare de estimare pentru semnalul reconstituit cu ajutorul metodei de de-noising propus.

Figura 7.1.28. Variaia n timp a erorii medii de estimare a perioadei instantanee bazat pe metoda de denoising propus. Media a fost efectuat pe 16 realizri ale semnalului reconstituit.

254 mbuntirea raportului semnal pe zgomot 7

Aceast eroare medie s-a calculat ca i medie aritmetic a erorilor intermediare de determinare a perioadei instantanee a 16 realizri ale semnalului reconstituit. Eroarea maxim rezultat este de 14 %. Aceast valoare este inferioar valorii erorii de estimare a perioadei instantanee obinut n cazul aceluiai semnal util perturbat la fel, raportat n [Isa. 93(1)]. Calitile acestei metode de estimare a perioadei instantanee se recomand n aplicaii de genul celor de prelucrare a semnalului de tip Radar. 7.2. Posibiliti de mbuntire a metodei de de-noising adaptiv Metoda prezentat determin adaptiv valoarea pragului filtrului de tip softthresholding utilizat. Ea nu face nici o precizare referitor la funcia wavelet mam care s fie folosit n cadrul TWD direct i invers utilizate. n exemplele considerate pn aici au fost utilizate doar funcile wavelet mam introduse de I. Daubechies construite cu ajutorul funciilor Dau 2-Dau 10. Calitatea extragerii din zgomot a fiecrui semnal util depinde i de funcia wavelet mam utilizat. Se poate face o armonizare ntre semnalul de prelucrat i funcia wavelet mam folosit. n continuare se studiaz dependena distorsiunilor de funcia wavelet mam folosit n cazul ctorva semnale mai des ntlnite n practic. Folosind aceai valoare pentru prag dar lucrnd cu funcii wavelet mam diferite, se obin numere diferite de coeficieni ai TWD, utilizai la reconstrucie, de la experiment la experiment. n cazul semnalului modulat n frecven, pe care l poate genera programul amintit la nceputul acestui capitol, se obine urmtorul tabel:
Tabelul 7.2.1. Dependena numrului de coeficieni care se pot folosi la reconstrucie de tipul funciei wavelet mam.

N 2 3 4 5 6 7 8 9 10

Numrul coeficienilor folosii la reconstrucie 28 25 27 27 29 32 37 35 64

7.2 Posibiliti de mbuntire 255

S-au reprezentat grafic cazurile extreme (corespunztoare lui N=3 i N=10) n figurile 7.2.1 i 7.2.2. N reprezint numrul de ordine al funciei wavelet mam de tip Daubechies utilizat (Dau N).

Figura 7.2.1. Reconstrucia cu numr minim de coeficieni.

Semnalul reconstituit din 25 eantioane

Figura 7.2.2. Reconstrucia cu numr maxim de coeficieni.

256 mbuntirea raportului semnal pe zgomot 7 Se constat c distorsiunile sunt mult mai mici n cazul din figura 7.2.2. n cazul semnalului de tip tren de impulsuri dreptunghiulare (perturbat aditiv de zgomot uniform) se obine tabelul 7.2.2.
Tabelul 7.2.2. Dependena de undioara mam folosit a numrului de coeficieni utilizai pentru reconstrucie.

N 2 3 4 5 6 7 8 9 10

Numr de coeficieni neanulai 15 16 13 11 18 19 32 32 65

n figurile 7.2.3 i 7.2.4 se prezint cazurile extreme.

Figura 7.2.3. Funcionarea metodei de de-noising cnd se utilizeaz funcia wavelet mam Dau 5.

7.2 Posibiliti de mbuntire 257

Figura 7.2.4. Funcionarea metodei de de-noising cnd se utilizeaz funcia wavelet mam Dau 10.

Se constat c n cel de al doilea caz distorsiunile fronturilor sunt mult mai mici. Aceast concluzie este identic cu cea obinut n cazul semnalului modulat n frecven prezentat mai sus. Deci s-ar putea concepe un algoritm adaptiv care s minimizeze distorsiunile prin maximizarea numrului de coeficieni folosii la reconstrucie. Deoarece acest numr este cu att mai mare cu ct ordinul funciei wavelet mam folosit este mai mare rezult avantajul utilizrii funciilor wavelet mam de ordin superior n aplicaiile de de-noising. Acestea asigur i viteza maxim de convergen a zgomotului din domeniul transformatei undioar spre un zgomot alb aa cum s-a demonstrat n [Bor., Isa. 97]. Dup cum s-a artat n capitolul n care a fost introdus transformarea undioar discret, aceasta are 2 parametri: tipul funciei wavelet mam i numrul de iteraii. Exist i TWD invariante la translaii [Coi., Don. 95] a cror utilizare conduce la diminuarea distorsiunilor de tip modulaie de amplitudine parazit. Utilizarea unei astfel de transformri ar putea mbunti calitatea operaiei de de-noising. n cazul rezultatelor prezentate pn aici a fost folosit de fiecare dat TWD cu numrul maxim de iteraii posibil. Aceast opiune a fost impus de necesitatea ca zgomotul care perturb aditiv semnalul util s aproximeze ct mai bine un zgomot alb n domeniul transformatei.

258 mbuntirea raportului semnal pe zgomot 7 7.2.1. O nou transformare wavelet discret Dac raportul semnal pe zgomot al semnalului care trebuie prelucrat este prea mic atunci metoda de de-noising adaptiv, care face obiectul acestui capitol, nu poate elimina complet zgomotul. n figura 7.2.1.1. este prezentat un astfel de caz. n partea de sus a acestei figuri este reprezentat componenta util a semnalului achiziionat. Forma de und a acestuia este prezentat n cel de al doilea grafic din aceai figur (numrat de sus n jos). Raportul semnal pe zgomot al acestui semnal este de 1,18. Prin aplicarea metodei de de-noising adaptiv prezentat la sfritul capitolului trecut i exemplificat n paragrafele anterioare din acest capitol se determin valoarea optim a pragului s de 4,66. Raportul semnal pe zgomot obinut este de 7,17. Acest semnal poate fi n continuare prelucrat pentru eliminarea complet a zgomotului. n acest scop a fost conceput o metod de de-noising n patru pai, bazat pe folosirea unei noi transformri wavelet discret, numit transformarea wavelet discret cu diversitate mbogit, TWDD. Aceti pai sunt: 1. Se aplic metoda de de-noising adaptiv folosind funcia wavelet mam de tip Dau 5 i numrul maxim de iteraii posibil (acest numr depinde de durata semnalului de prelucrat) i se determin valoarea optim a pragului, s. 2. Se calculeaz TWDD a semnalului cu forma de und reprezentat n cel de al doilea grafic. 3. Se filtreaz rezultatul folosind un filtru de tipul soft-thresholding, valoarea de prag fiind cea stabilit la pasul 1. 4. Se calculeaz TWDDI a rezultatului pasului anterior. La baza construciei TWDD st o metod foarte modern n telecomunicaii, care presupune mbogirea diversitii semnalului de prelucrat. Aceast mbogire poate fi realizat n domeniul spaial, caz n care se folosesc mai multe antene pentru emisia, respectiv recepia aceluiai semnal, sau n domeniul temporal, caz n care se recurge la supra-eantionare. Avnd n vedere parametrii TWD, mbogirea diversitii acestei transformate, poate fi realizat prin calcularea sa pentru mai multe tipuri de funcii wavelet mam, respectiv pentru mai multe numere de iteraii. TWDD presupune construcia unei matrici ale crei coloane reprezint TWD calculate folosind diferite funcii wavelet mam. Pentru fiecare funcie wavelet mam se calculeaz mai multe TWD, fiecare corespunznd unui alt numr de iteraii. De exemplu, pentru cazul prezentat n figura 7.2.1.1., pentru fiecare dintre funciile de tip wavelet mam corespunztoare filtrelor Dau 2,, Dau 10, au fost calculate TWD cu cte 1,2,4 respectiv 8 iteraii. Matricea TWDD are n acest caz expresia:

TWDD {x[n ]} = [TWD D 2,1 {x[n ]}TWD D 2, 2 {x[n ]}TWD D 2, 4 {x[n ]} TWD D10,8 {x[n ]}]
Pe prima coloan a matricii din membrul drept al ultimei relaii se gsete TWD a semnalului considerat, calculat folosind funcia wavelet mam Dau 2 i un numr de o iteraie, pe a doua coloan se gsete TWD a semnalului considerat,

7.2 Posibiliti de mbuntire 259 calculat folosind funcia wavelet mam Dau 2 i dou iteraii i aa mai departe. Matricea din membrul drept al ultimei relaii are 36 de coloane. Pe ultima sa coloan se gsete TWD a semnalului considerat, calculat folosind funcia wavelet mam Dau 10 i un numr de 8 iteraii. Calculul TWDDI se face inversnd TWD de pe fiecare coloan. n acest fel se obine o nou matrice cu 36 de coloane. Apoi se calculeaz, pe fiecare linie a noii matrice obinute, media aritmetic a elementelor. n acest fel se obine ca i rezultat final al operaiei de inversare un vector coloan. Aplicnd metoda de de-noising adaptiv cu diversitate mbogit, descris mai sus, s-a obinut semnalul reprezentat n ultimul grafic al figurii 7.2.1.1. Pentru filtrarea neliniar n domeniul TWDD se filtreaz cu filtrul de tip soft-thresholding, folosind valoarea optim de prag, fiecare coloan a matricii TWDD{x[n ]}. Apoi se inverseaz aceast transformat.

Figura 7.2.1.1. Rezultatul aplicrii metodei de de-noising adaptiv cu diversitate mbogit.

Analiznd figura se constat c zgomotul a fost practic complet eliminat i c distorsiunile introduse nu sunt importante. Cea de a doua discontinuitate din semnalul util se regsete n semnalul reconstruit, aa dup cum se poate vedea n figur.

260 mbuntirea raportului semnal pe zgomot 7 Raportul semnal pe zgomot obinut la ieire (n calculul acestuia s-a inut seama att de zgomot ct i de distorsiune) este de 24,02. n consecin aportul TWDD la mbuntirea RSZ este de 3,35 ori, pentru exemplul considerat. 7.2.2. mbuntirea RSZ prin filtrare neliniar adaptiv n domeniul T.W.D. n cazul semnalelor perturbate de zgomot multiplicativ Pn aici s-a considerat c zgomotul perturb aditiv semnalul util. Exist ns cazuri, n special n telecomunicaii, cnd zgomotul este multiplicativ. De exemplu semnalele de radar sunt perturbate de zgomotul de tip speckle care este multiplicativ. Metoda adaptiv de de-noising, care face obiectul acestui capitol, poate fi modificat pentru a fi utilizat i n astfel de cazuri.

Figura 7.2.2.1. Primul exemplu de utilizare a metodei de de-noising adaptiv n cazul zgomotului multiplicativ. RSZ la intrare este de 0,57. RSZ la ieire este de 278,11.

7.2 Posibiliti de mbuntire 261 Expresia semnalului achiziionat este n acest caz:

s[n ] = u[n ] z[n ]

(1)

unde u[n] reprezint semnalul util iar z[n] reprezint zgomotul. Se va considera c aceste dou semnale sunt strict pozitive. Acesta este cazul, de exemplu la sistemele radar. Pentru a mbunti RSZ n acest caz se parcurg urmtorii pai: 1. Se logaritmeaz semnalul s[n ] , obinndu-se semnalul l[n ] . Acesta va avea o component util i una perturbatoare, fiind de forma l[k] = l u [k] + n[k] . Componenta util este egal cu logaritmul lui u[n ] iar componenta perturbatoare cu logaritmul lui z[n ] . 2. Se aplic metoda de de-noising adaptiv, creia i este destinat acest capitol, obinndu-se o estimat a semnalului l u [n ] . 3. Se antilogaritmeaz rezultatul obinut la pasul anterior.

Figura 7.2.2.2. Cel de al doilea exemplu de utilizare a metodei de de-noising adaptiv n cazul zgomotului multiplicativ. RSZ la intrare este de 0,02. RSZ la ieire este de 173,4.

262 mbuntirea raportului semnal pe zgomot 7 n figurile 7.2.2.1, 7.2.2.2 i 7.2.2.3 sunt prezentate rezultate ale aplicrii acestei metode.

Figura 7.2.2.3. Cel de al treilea exemplu de utilizare a metodei de de-noising adaptiv n cazul zgomotului multiplicativ. RSZ la intrare este de 3,45. RSZ la ieire este de 207,56.

n cele trei figuri sunt reprezentate formele de und ale semnalelor util (n partea de sus), achiziionat (la mijloc) i reconstruit (jos). Parametrii TWD folosite au fost: funcia wavelet mam Dau 9 i un numr de patru iteraii. S-a considerat cunoscut puterea semnalului util u[ n ], Pu , pe baza creia s-a calculat constanta Pf =

1 log 10 (Pu ) , care s-a utilizat la calculul RSZ de ieire (calcul 2

efectuat cu ajutorul relaiei (57) din capitolul 6) n cadrul fiecrei iteraii a metodei de de-noising adaptiv. Cantitatea Px u din relaia (57) din capitolul 6 a fost nlocuit cu constanta Pf . Experimentul a fost repetat de trei ori pentru a se dovedi c metoda de cretere a RSZ funcioneaz bine ntr-o gam larg de RSZ de intrare, situat n zona de valori foarte mici ale acestei mrimi.

CAPITOLUL 8. Utilizarea filtrelor n eantionarea uniform

n acest capitol se prezint cteva aplicaii ale filtrrii, prezentndu-se att binecunoscutele filtre antialiere ct i o legtur ntre teoria eantionrii i teoria funciilor wavelet. 8.1. Filtre antialiasing O problem dificil legat de eantionarea semnalelor analogice este diminuarea efectului de aliasing, [Naf., Cm., Isa., 98]. Teorema eantionrii, WKS, presupune limitarea n banda de frecvene a semnalului analogic, care trebuie eantionat astfel nct frecvena de eantionare folosit s fie mai mare dect dublul frecvenei maxime a spectrului semnalului de eantionat. Din pcate, exist situaii n care valoarea maxim a frecvenei din spectrul semnalului de eantionat nu este cunoscut i n consecin valoarea frecvenei de eantionare nu poate fi fixat apriori, pentru a fi respectate ipotezele teoremei WKS. n aceste cazuri se manifest fenomenul de spuprapunere a termenilor din formula spectrului semnalului eantionat. Acest fenomen se numete aliasing. El poate fi evitat prin limitarea ntr-o anumit band de frecvene a spectrului semnalului de eantionat. Aceast limitare n band se realizeaz cu ajutorul filtrelor antialiasing. Cazul filtrelor antialiasing de tip trece jos ideal este analizat n [Naf., Cm., Isa., 98]. Din pcate aceste filtre nu sunt relaizabile. n aceai lucrare este prezentat o margine superioar a erorii de aliasing. Aceasta este cea mai strns margine superioar a acestei erori. n [Isa., 93] sunt prezentate i alte margini superioare ale erorii de aliasing i se face o ordonare a acestora, demonstrndu-se afirmaia anterioar. O alternativ la filtrarea antialiasing este elaborarea unei teoreme de eantionare care s nu pretind limitarea ntr-o anumit band de frecvene a semnalului de eantionat. Atfel de teoreme pot fi formulate cu ajutorul teoriei funciilor wavelet. Pentru semnale de intrare cu frecvena maxim din spectru de valoare , sistemul de implementare a teoremei WKS este prezentat n figura urmtoare, [Jer., 77].

264 Filtre i eantionare uniform 8

x(t)

H()
1 0

x(t)

1(t)
Figura 8.1. Sistemul de implementare a teoremei WKS.

Demonstraia acestei teoreme se bazeaz pe faptul c mulimea {sinc((tk))}kZ este o baz ortonormal a spaiului Hilbert al semnalelor de energie finit i band limitat la , B2. Aceast mulime este generat prin translaii cu ntregi ale rspunsului la impuls al filtrului trece jos ideal h ( t ) = sin c[( t )] . Filtrul de reconstrucie, cu rspunsul la impuls h(t) nu este cauzal. Dac x(t) este de band nelimitat atunci rspunsul sistemului din figura 8.1. este doar o aproximaie a semnalului de intrare datorit fenomenului de aliasing [Isa., 92]. Pentru eantionarea semnalelor de band nelimitat, n practic se folosesc filtre antialiasing, aa dup cum se vede n figura 8.2. Filtrul de la intrare este un astfel de sistem iar cel de la ieire este filtrul de reconstrucie. Semnalul z(t) trebuie s fie de band limitat cu pulsaia maxim din spectru de valoare . Cea mai bun aproximare de medie ptratic a semnalului de intrare cu semnale de band limitat este proiecia sa ortogonal pe spaiul B2.

h (t)
a

z(t)

u(t)

h(t)

x(t)

L (R)

y(t)

1(t)

Figura 8.2. Sistem de prelucrare a semnalelor de band nelimitat.

Filtrul antialiasing care proiecteaz ortogonal semnalul de intrare pe acest spaiu are rspunsul la impuls h a ( t ) = h v ( t ) = h ( t ) , [Naf., Isa., Isa., 92]. Nici

8.1. Filtre antialiasing 265 sistemul cu rspunsul la impuls h(t), nici sistemul cu rspunsul la impuls hv(t) nu sunt cauzale. Sistemul de identitate propus n acest paragraf este prezentat n figura 8.3.

x(t)

g (t)

z(t)

u(t) 1(t)

g(t)

y(t)

Figura 8.3. Sistem de reconstrucie perfect din eantioane a unor semnale de band nelimitat.

Un rezultat important legat de eantionarea semnalelor de band nelimitat este generalizarea teoremei WKS prezentat n urmtoarea propoziie. P1. Dac {g(t-k)}kZ reprezint o baz Riesz a unui subspaiu Hilbert nchis al spaiului semnalelor de energie finit, V0 , atunci orice semnal din V0 poate fi reconstruit perfect folosind sistemul din figura 8. 3. Demonstraie Pentru orice semnal x(t) din V0 semnalul z(t) din figura 8.3 are expresia:

z( t ) = x ( t ) g v ( t ) =

x ()g v ( t )d = x (), g ( t )

Semnalul u(t) din figura 8.3 are expresia:

u ( t ) = z ( t ) 1 ( t ) =

k =

z ( k ) ( t k ) =

k =

x (), g( k ) ( t k )

Semnalul de ieire din figura 8.3, are expresia:

y( t ) = u ( t ) g ( t ) =

k =

x (), g( k ) g( t k )

Membrul drept al ultimei relaii reprezint descompunerea semnalului x(t) n baza Riesz a lui V0, { g(t-k)}kZ . De aceea semnalul de ieire este egal cu cel de intrare :

y( t ) = x ( t )
Propoziia este demonstrat.

(1)

266 Filtre i eantionare uniform 8 Elementele spaiului V0 pot fi semnale de band nelimitat. Aceste semnale pot fi perfect reconstruite din eantioane cu ajutorul sistemului din figura 8.3. Astfel fenomenul de aliasing este evitat. Lund n considerare asemnarea dintre figurile 2 i 3 filtrul cu rspunsul la impuls gv(t), va fi numit n continuare filtru antialiasing. Dac semnalul x(t) din figura 8.3 nu este element al spaiului V0 , dar este semnal de energie finit, atunci semnalul de ieire reprezint doar o aproximare. Deoarece y(t) reprezint proiecia ortogonal a lui x(t) pe V0 , acest semnal reprezint cea mai bun aproximare de medie ptratic a lui x(t). Eroarea medie ptratic este egal cu diferena energiilor semnalelor x(t) i y(t). Dac g(t) este rspunsul la impuls al unui sistem cauzal atunci gv(t)=g(-t), este rspunsul la impuls al unui sistem anticauzal. Acesta este motivul pentru care este foarte important ca g(t) s aib suport compact. n acest caz sistemul din figura 8.4, foarte asemntor cu sistemul din figura 8.3, poate fi utilizat pentru prelucrarea semnalelor de band nelimitat, elemente ale lui V0.

x(t)

g (t-t 0 )

z1 (t)

u1 (t)

g(t)

x(t- t 0)

Filtru antialiasing

(t) 1

Filtru de reconstrucie

Figura 8.4. Un sistem cauzal de identitate.

Comparnd semnalele din figurile 8.3 i 8.4 se poate scrie:

z1 (t ) =

x ()g v ( t t 0 )d = z( t t 0 )

u 1 ( t ) = z 1 ( t ) 1 ( t ) =
Dac t0 este un ntreg:

k =

z ( k t 0 ) ( t k )

u 1 (t) = u(t t 0 )

8.1. Filtre antialiasing 267

Semnalul de ieire din figura 8.4 are expresia:


u 1 ( t ) g ( t ) = u ( t ) ( t t 0 ) g ( t ) = y ( t ) ( t t 0 ) = x ( t ) ( t t 0 ) = x ( t t 0 )

Deci fiecare semnal x(t) din V0 poate fi perfect reconstruit, folosind sistemul din figura 8.4, abstracie fcndu-se de o ntrziere t0. Dac t0 are o valoare superioar duratei rspunsului la impuls g(t), atunci filtrele care compun sistemul din figura 8.4 sunt cauzale. Diferite particularizri ale funciei g, conduc la noi teoreme de eantionare pentru diferite spaii Hilbert V0. Se obin i filtrele antialiasing corespunztoare. n continuare se prezint dou exemple. O lucrare excelent pe aceai tem este [Ben., 92]. Paragraful 5 al acestei lucrri "Regular Sampling and Frames" trateaz reconstrucia semnalelor eantionate uniform. Dar analiza este efectuat doar pentru semnale de band limitat iar condiia de cauzalitate a sistemelor de reconstrucie nu este impus. A. Exemplul 1 (legat de teoria funciilor wavelet) Fie 1V0 spaiul funciilor constante pe poriuni :
1

V0 = x (t ) L2 (R ); x (t ) = ct., t [n, n + 1], n Z

(2)

O baz ortonormal a acestui spaiu Hilbert este mulimea {1g(t-k)}kZ cu:


1

g ( t ) = ( t ) ( t 1)

(3)

Deoarece lungimea suportului funciei 1g(t) este egal cu 1, valoarea lui t0 din acest exemplu va fi de 1. Se poate observa c:
1

g ( t )=1 g (1 t )

Deci n acest exemplu filtrele antialiasing i de reconstrucie sunt identice. Structura filtrului antialiasing este prezentat n figura 8.5. Observaii 1. Funcia 1g(t) reprezint funcia de scalare care genereaz baza Haar din teoria funciilor wavelet, [Dau., 88]. Orice funcie cu suport compact, folosit n teoria funciilor wavelet, de scalare sau wavelet mam poate reprezenta rspunsul la impuls al filtrului de reconstrucie din figura 8.4.

268 Filtre i eantionare uniform 8

Linie de ntrziere (t-1)

integrator

Figura 8.5. Structura filtrului antialiasing din exemplul A.

De asemenea orice funcie de pre-scalare sau pre-wavelet, [Lem, Mal., 91], cu suport compact, poate fi rspunsul la impuls al filtrului de reconstrucie din figura 8.4. Dificultatea este construcia filtrelor antialiasing i de reconstrucie deoarece expresile analitice ale funciilor de scalare i wavelet mam sunt n general necunoscute n teoria funciilor wavelet. Un rezultat similar este prezentat n [Isa., 93 (1)], pentru cazul eantionrii multirat i multicanal. 2. Acest exemplu este foarte important deoarece orice semnal n timp continuu, generat numeric, este membru al spaiului 1V0 . 3. Semnalele din 1V0 sunt de band nelimitat. B. Exemplul 2 (legat de teoria filtrelor trece jos de ordinul nti) Un filtru trece jos de ordinul nti are rspunsul la impuls:
2

( t ) = (A 0 / )e t / ( t )

n continuare se demonstreaz c mulimea {2(t-k)}kZ este o baz Riesz a unui spaiu Hilbert. Trebuie determinate dou constante A i B astfel nct:

A | 2 ( + 2k) | 2 B
k =

(4)

Seria din ultima relaie reprezint spectrul semnalului obinut prin eantionarea ideal cu pas unitar a autocorelaiei semnalului 2(t). Expresia acestei funcii este:

R ( t ) = A 0 / 2 e |t|/
Eantionnd aceast funcie cu pas unitar se obine semnalul n timp discret cu transformata Fourier n timp discret :

8.1. Filtre antialiasing 269


2 R () = (A 0 / 2)(1 e 2 / ) /(1 2e 1 / cos + e 2 / )

Acesta este motivul pentru care folosind identitatea lui Poisson se obine:

k =

( + 2k) | 2 = (A 2 0 / 2)(1 e 2 / ) /(1 2e 1 / cos + e 2 / )

Valorile constantelor A i B sunt:

A = R (); B = R (0)
Fie 2V0 spaiul Hilbert generat de mulimea {2(t-k)}kZ . Pentru acest spaiu mulimea generatoare este o baz Riesz. Din nefericire suportul funciei 2(t) nu este compact. Dar orice baz Riesz poate fi transformat ntr-o baz ortonormal. Folosind notaia :

| 2 m() | 2 =

k =

( + 2k) | 2

poate fi construit funcia 2g(t), cu transformata Fourier :


2

g ()= 2 ()/ 2 m()

Aceast funcie genereaz, prin translatare cu ntregi baza ortonormal a spaiului Hilbert 2V0, {2g(t-k)}kZ , [Mal., Seg., 94]. Folosind ultima relaie se obine :
2

g () = [ /(1 + j)](1 e 1 / e j )

cu :

2
2 1 e

Deci:

270 Filtre i eantionare uniform 8


2

g ( t ) = [e t / (( t ) ( t 1))]

Sistemul cu acest rspuns la impuls are structura prezentat n figura 8.6.

(t) e
1

Linie de ntrziere (t-1)

Filtru trece jos

Figura 8.6. Structura sistemului de reconstrucie pentru exemplul B.

Analiznd suportul funciei 2g(t) rezult c pentru acest exemplu poate fi folosit valoarea lui t0 de 1. Expresia rspunsului la impuls al filtrului antialiasing este :
2

g (1 t ) = [e (1 t ) / ((1 t ) ( t ))] = (1 + e 1 / )1 g ( t ) 2 g ( t )

Figura 8.7. Structura filtrului antialiasing pentru exemplul B.

8.1. Filtre antialiasing 271 OBSERVAII. 1. Semnalele din spaiul 2V0 sunt de band nelimitat. 2. Rezultatul din acest exemplu poate fi comparat cu rezultatul obinut n [Ben., 91]. Acest din urm rezultat este mai general (spaiul semnalelor de intrare din exemplul de fa este inclus n spaiul semnalelor de intrare din referina citat) dar rezultatul prezentat aici este mai util deoarece este prezentat i implementarea sistemului de prelucrare. 3. Metoda prezentat n acest exemplu poate fi aplicat i pentru cazul filtrelor trece jos de ordin superior. 4. n acest exemplu s-a prezentat o nou funcie de pre-scalare. 8.2. O legtur ntre teoria eantionrii i teoria funciilor wavelet n acest paragraf se detaliaz observaia 1 din cadrul exemplului A din paragraful anterior. Dup cum s-a artat n cadrul acestei observaii orice funcie de scalare sau wavelet mam folosit n cadrul teoriei funciilor wavelet poate fi utilizat pentru construcia filtrelor antialiasing respectiv de reconstrucie folosite n propoziia enunat. n continuare se vor folosi funciile de scalare generate de filtrele Dau 2, , Dau 10, prezentate n capitolul anterior. Aceste funcii de scalare genereaz prin translatri cu ntregi spaii de tip V0 k , elemente ale unor analize multirezoluie ale spaiului semnalelor de energie finit. Aceste spaii au proprieti de regularitate foarte importante. Printre elementele spaiului V0 k generat de filtrul Dau k, k=2, , 10, se gsesc toate polinoamele de grad k, [Isa. Naf. 98]. n consecin pentru reconstrucia perfect a semnalelor de tip polinomial, de grad k, din eantioanele lor, prelevate uniform, poate fi folosit schema din figura 8.4. Avnd n vedere c pentru semnalul:

x L (t ) = a l t l
l=0

dac se folosete pentru funcia g(t ) expresia funciei de scalare L (t ) , generat de filtrul numeric Dau L , poate fi demonstrat relaia:

x L (t ), L (t k ) = x (k )
n schema din figura 8.4 nu mai este necesar folosirea filtrului antialiasing. Reconstrucia perfect, din eantioane prelevate uniform, a semnalului x L (t ) , poate fi realizat cu ajutorul sistemului din figura 8.2.1.

272 Filtre i eantionare uniform 8

x L (t)

u 1(t)

g(t)

x L (t )

1(t)

Filtru de reconstrucie

Figura 8.2.1. Sistem de eantionare ideal i reconstrucie perfect a unui polinom de gradul L.

Aceast observaie este foarte important deoarece orice semnal, x (t ) , ntlnit n practic, poate fi descris printr-o funcie. Aceast funcie poate fi aproximat orict de bine, ntr-un anumit interval, prin partea polinomial a dezvoltrii sale n serie Taylor. Aceast parte polinomial poate fi reconstruit exact, folosind sistemul din figura 8.2.1. De aceea funcia considerat poate fi reconstruit, cu o eroare orict de mic, n intervalul considerat, din eantioanele sale prelevate uniform. Mai mult, suportul oricrei funcii poate fi segmentat n diferite intervale, pe fiecare dintre acestea fiind valabil o aproximare de precizie impus a funciei considerate, realizat de partea polinomial de un anumit grad a dezvoltrii sale n serie Taylor, pe acel interval. Un astfel de algoritm de segmentare este prezentat n [Asz., Isa., Isa., 99]. Folosind un astfel de algoritm, semnalul oarecare x (t ) poate fi aproximat cu relaia:

PP1 (t ), t I1 P (t ), t I 2 P2 . . x (t ) . PPl (t ), t I l . . .

(5)

8.2. Teoria eantionrii i teoria funciilor wavelet 273

De exemplu semnalul din figura 8.2.2. poate fi aproximat cu polinoamele descrise n tabelul 1.8.2.
80 60 40 20 0 -2 0 -4 0 -6 0

100

200

300

400

500

600

700

800

Figura 8.2.2. Un exemplu de semnal de eantionat. Tabelul 8.2.1. Un exemplu de segmentare polinomial a semnalului din figura 8.2.2.

Numrul de ordine al segmentului 1 2 3 4 5

Gradul polinomului corespunztor 0 5 6 7 9

Durata segmentului [numr de eantioane] 128 128 128 256 64

reconstruit din eantioanele sale. Deci pe intervalul I l , semnalul x (t ) poate fi reconstruit din eantioanele sale, prelevate uniform, cu precizia dat de aproximarea (5). Singura problem rmas este inexistena expresilor analitice ale funciilor de scalare, necesare pentru construcia sistemelor de identitate de tipul celui din figura 8.2.1. Rspunsul la impuls, notat cu g(t) n aceast figur, trebuie s fie identic, pe intervalul I l , cu funcia de scar corespunztoare filtrului numeric Dau Pl . Dar expresia analitic a acestei funcii de scar nu este cunoscut. Se tie c funcia de scar care ar corespunde filtrului numeric Dau 1 este funcia de scar corespunztoare funciei wavelet mam de tip Haar, evocat n exemplul A, din paragraful anterior.

Pe fiecare dintre intervalele I l semnalul x (t ) poate fi prelucrat cu un sistem de tipul celui din figura 8.2.1. n consecin aproximarea PPl (t ) poate fi perfect

274 Filtre i eantionare uniform 8 Expresia analitic a acestei funcii de scar este prezentat n relaia (3), din acest capitol. De aceea n continuare se arat cum poate fi redus schema din figura 8.2.1. la schema din figura 8.4. cu:

g (t )=1 g (t )
de grad Pl 1 . Derivnd de Pl ori polinomul PPl (t ) se obine o funcie constant. Aceasta poate fi perfect reconstruit din eantioanele prelevate uniform, conform exemplului A din paragraful anterior. n consecin, reconstrucia cu precizie controlat a semnalului x (t ) din relaia (5), pe intervalul I l , poate fi realizat cu ajutorul sistemului din figura urmtoare. Prin derivarea polinomului PPl (t ) , de grad Pl , se obine polinomul PPl 1 ( t ) ,

x(t)

Derivare z 1(t) de Pl ori

u 1(t)

1g(t)

Integrare x(t) de Pl ori

1(t)

Figura 8.2.3. Sistem de reconstrucie cu precizie controlat a unui semnal oarecare din eantioanele sale prelevate uniform.

Evident sistemul din figura anterioar este unul cu parametrii variabili n timp, fiind necesar ca acest sistem s fie controlat de algoritmul de segmentare amintit mai sus. Acest algoritm trebuie s specifice lungimea intervalului I l , pe care parametrii blocurilor de intrare i ieire ale sistemului din figura 8.2.3. trebuie pstrai constani. De asemenea algoritmul de segmentare trebuie s specifice valoarea Pl .

BIBLIOGRAFIE

[Ale. 88] T. Alexander, Adaptive Signal Processing. Theory and Applications, Springer Verlag, New York, 1988. [Ana., Ven. 89] Anastasios, Venetsanopoulos, Current Developments in Signal Processing with Applications to Sonar and Radar. Part II, University of Toronto, Toronto 1989. [Ant., Gre., Nas. 95] A. Antoniadis, G. Gregoire, G. Nason, Density and Hazard Rate Estimation for Right Censored Data Using Wavelet Methods, Preprint laboratoire LMC-IMAG Grenoble, 1995 [Ast., Kos., Neu. 92] J. Astola, L. Koskonen, Y. Neuvo, Statistical Properties of Discrete Morphological Filters. In Mathematical Morphology in Image Processing, ed. E. R. Dougherty, Chapter 3, pp. 93-120. [Asz. 93] T. Asztalos, Using Digital Transversal Filters for Analog Signal Processing. Proceedings of the International Symposium on Signals, Circuits and Systems, SCS93, Iai, Romania, 1993. [Asz., Isa., Isa. 99] T. Asztalos, D. Isar, A. Isar, Adaptive Sampling Rate obtained using Wavelets, International Workshop on Sampling Theory and Applications, SampTA 99, August 11 -14, 1999, Trondheim, Norway. [Bas., Chi., Cho. 95] S. Basu, C. H. Chiang, H. M. Choi, Wavelets and Perfect Reconstruction Subband Coding with Causal Stable IIR Filters, IEEE Transaction On Circuits and Systems II, vol. 42, No.1, January 1995. [Bel. 90] M. Belanger, Traitement numrique du signal, Masson 1990. [Ben. 92] J.J.Benedeto, Irregular Sampling and Frames in Wavelets-A Tutorial in Theory and Applications, C.K.Chui (ed) pp.445-507,Academic Press, Inc.1992. [Blu., Uns. 98] T. Blu, M. Unser, Approximation Error for Quasi-Interpolators and (Multi-) Wavelet Expansions, Preprint France Telecom, 1998. [Boa., Rei. 92] B. Boashash, A. Reilly, Algorithms for Time-Frequency Signal Analysis - Time Frequency Signal Analysis, B. Boashash (editor), pp.141-163, John Wiley 1992. [Bol., Hla., Fei. 96] H. Bolcskei, F. Hlawatsch, H.G. Feitinger, Frame-Theoretic Analysis and Design of Oversampled Filter Banks, Proceedings of ISCAS-96, Atlanta 1996. [Bor. 96] B. La Borde, New Fast Discrete Wavelet, Proceedings of TFTS96, pp. 4144, Paris 1996. [Bor., Isa. 97] M. Borda, D. Isar, Whitening with Wavelets. Proceedings of ECCTD. 97 Conference, Budapest, August 1997.

276 Bibliografie [Bov., Mar., Qua. 94] A.C.Bovik, P.Maragos,T.F.Quatieri, AM&FM energy detection and separation in noise using multiband energy operators, IEEE Transactions on signal processing, vol.41,no.12,december 1993. [Buc., Don. 95] J. Buckheit, D. Donoho, Improved Linear Discrimination Using Time-Frequency Dictionaries. Technical Report, Stanford University, July 1995. [Buc., Don. 96] J. B. Buckheit, D. Donoho, Time-Frequency Tillings which Best Expose the Non-Gaussian Behaviour of a Stochastic Process. Proceedings of the IEEE Conference TFTS96, pp.1-4, Paris, July 1996. [Che., Lin. 94] B. S. Chen, C. W. Lin, Multiscale Wiener Filter for the Restoration of Fractal Signals: Wavelets Filter Bank Approach. IEEE Transactions on Signal Processing, vol. 42, No. 11, pp.2972-2982, November 1994. [Chi., Kol., Cul. 96] H. A. Chipman, E.D. Kolaczyk, R.E. Mc Culloch, Signal Denoising Using Adaptive Bayesian Wavelet Shrinkage, Proceedings of TFTS96, pp. 225-228, Paris 1996. [Coh., dAl. 95] A. Cohen, J. P. dAles, Nonlinear Approximation of Stochastic Processes. n Wavelets and Statistics. A. Antoniadis si G. Oppenheim (editori), Springer Verlag, pp.129-132, 1995. [Coh., Kov. 96] A. Cohen, J. Kovacevic, Wavelets: The Mathematical Background, Proceedings of the IEEE, vol.84, no. 4, April 1996, pp.514-521. [Coif., Don. 95] R. R. Coifman, D. L. Donoho, Translation Invariant De-Noising. n Wavelets and Statistics. A. Antoniadis si G. Oppenheim (editori), pp.125-150, Springer Verlag 1995. [Coif., Sai. 96] R. R. Coifman, N. Saito, The Local Karhunen-Loeve Bases. Proceedings of the IEEE Conference TFTS 96", pp.129-132, Paris, July 1996. [Cou. 84] F. de Coulon, Thorie et traitement des signaux. Presses polytechniques romandes. Lausanne 1984. [Dau. 88] I. Daubechies, Orthonormal Bases of Compactly Supported Wavelets. Comm. Pure Appl. Math., No. 41, pp.909-996, 1988. [DeS., Isa. 93] A. De Sabata, A. Isar, Semnale Circuite i Sisteme. Indrumator de laborator, Litografia UPT, 1993. [Don. 92] D. L. Donoho, De-Noising via Soft Thresholding. Technical Report 409, Stanford University, November 1992. [Don. 93] D. L. Donoho, Wavelet Shrinkage and W.V.D.-A Ten Minute Tour. Technical Report 416, Stanford University, January 1993. [Eze., Jen. 92] J.E. Ezell, W. K. Jenkins .a., Adaptive Analog Signal Processing with Acoustics Charge Transport Filters. Proceedings of the IEEE International Symposium on Circuits and Systems, San Diego, CA., May, 1992. [Gao. 97] H. Y. Gao, Wavelets Shrinkage Estimate for Heteroscedatic Regression Models. Preprint MathSoft, 1997. [Gao. 97(1)] H.-Y. Gao, Threshold Selection in WaveShrink, Preprint MathSoft, 1997. [Gao. 97(2)] H.-Y. Gao, Wavelet Shrinkage Denoising Using the Non-negative Garrote, Preprint MathSoft, 1997.

Bibliografie 277 [Hil., Ogd. 97] M. L. Hilton, R. J. Ogden, Data Analytic Wavelet Threshold Selection in 2-D Signal Denoising, IEEE Trans. on S.P. vol. 45, no.2, February 1997, pp. 496500. [Hue. 84] L.P. Huelsman, P.E. Allen, Introduction to the theory and design of active filters, Prentice Hall, 1984. [Isa. 92] A.Isar, A New Expression of the Aliasing Error Bound", International Conference, "ICEA 92", Tizi-Ouzu, 04-06 May 1992. [Isa., Isa. 92] D.Isar, A. Isar, Adaptive Median Filter, International Conference " Signals, Circuits and Systems " Iai, Romnia, 1992. [Isa. 93] A. Isar, Nouvelles modalits de dcomposition multirsolution. Quatorzieme Colloque GRETSI, Juan-Les Pins, pp.363-366, 13-16 Septembre 1993. [Isa. 93(1)] A. Isar, Tehnici de msurare adaptiv cu aplicaii n aparatura de msurare numeric. Teza de doctorat, Universitatea Politehnica Timioara 1993. [Isa. 94(1)] D. Isar, LMS Adaptive Filter for Frequency Modulated Signal Processing, Proceedings of the Symposium on electronics and telecommunications , vol.III, Timioara, sept.29-30, 1994. [Isa. 94(2)] D.Isar, The study of a LMS adaptive filter, Proceedings of the symposium on electronics and telecommunications, vol.III, Timioara, sept. 29-30, 1994. [Isa., Asz. 94] A.Isar, T.Asztalos, Using the fast wavelet transform for data compression, Proceedings of the symposium on electronics and telecom., vol.III, Timioara, sept. 29-30, 1994. [Isa. 95] D.Isar, Metode convenionale de cretere a raportului semnal pe zgomot, Referat nr. 1 n cadrul pregtirii pentru doctorat, conductor tiinific Prof. dr. ing. Ioan Naforni. [Isa. 95(1)] D.Isar, Metode moderne de cretere a raportului semnal pe zgomot, Referat nr. 2 n cadrul pregtirii pentru doctorat, conductor tiinific Prof. dr. ing. Ioan Naforni. [Isa., Asz., Isa. 95] D.Isar, T.Asztalos, A.Isar, De-noising with wavelets, International Symposium SCS95, Iai, Romnia, 1995. [Isa. 97] D. Isar. De-noising adaptatif. Seizieme Colloque GRETSI, pp.1249-1252, Grenoble, 15-19 Septembre 1997. [Isa., Naf. 98]. A.Isar, I. Naforni, Reprezentri timp-frecven. Editura Politehnica, Timioara, 1998. [Kla., Hol., Flo. 97] A. Kla., M. Holschneider, K. Flornes, Two-channel Perfect Reconstruction Filter Banks over Comutative Rings, propus pentru publicare la IEEE Transactions on Signal Processing. [Kol. 96] E.D. Kolaczyk, A Method for Wavelet Shrinkage Estimation of Certain Signals Using Corrected Thresholds, articol propus la revista Statistica Sinica. [Kun. 84] M. Kunt, Traitement numrique des signaux. Trait dElectricit de lEPFL, vol. XX, 3-eme dition, Presses Polytechniques Romandes, 1984. [Lan., Guo., Ode., Bur, Wel. 95] M. Lang, H. Guo, J. E. Odegard, C. S. Burrus, R. O. Wells, Nonlinear Processing of a Shift Invariant DWT for Noise Reduction.

278 Bibliografie Proceedings of SPIE Symposium on Aerospace Sensing and Dual Photonics, Orlando, SUA. April 1995. [Lem, Mal. 91] P.G.Lemari-Rieusset, G.Malgouyres, Support des fonctions de base dans une analyse multi-rsolution, Comptes Rendus de lAcademie de Sciences, Paris, tome 313, serie I, pp377-380, 1991 [Lin., Opp. 88] J. S. Lim, A. V. Oppenheim (editori), Advanced Topics in Signal Processing. Prentice Hall, New Jersey 1988. [Lim., Sim. 73] W.C. Lindsey, M. K. Simon, Telecommunication Systems Engineering, Prentice-Hall, New Jersey, 1973. [Mal. 89(1)] S. Mallat, A Theory for Multiresolution Signal Decomposition: the Wavelet Representation. IEEE Transactions on Pattern Analysis and Machine Inteligence, vol. II, No.7, pp.674-693, July 1989. [Mal. 94] G. Malgouyres, Introduction a la thorie des ondelettes. Curs de var, Timioara 1994. [Mat., Dum., Sta. 01] A. Mateescu, N. Dumitriu, L. Stanciu, Semnale i Sisteme, Teora, Bucureti, 2001. [Mey. 92] Y. Meyer, Ondelettes et algorithmes concurents, Hermann, 1992. [Mou. 94] P.Moulin, Wavelet Thresholding Techniques for Power Spectrum Estimation. IEEE Trans. on S.P., vol. 42, No.11, pp. 3126-3136, November 1994. [Naf., Isa. 91] M.Naforni, D.Isar, Numerical Traking Filter, The International Conference "ICATE '91", Craiova , Romnia, 1991. [Naf. 92] I. Naforni, Banda echivalent de zgomot a unor filtre, Conferina naional de la Oradea, Mai, 1992. [Naf., Cm., Isa. 93] M.Naforni, A.Cmpeanu, D.Isar, Tehnici experimentale de analiz statistic a semnalelor aleatoare ergodice i staionare, Conferina Naional Oradea, Romnia, 1993. [Naf., Isa., Isa. 92] M. Naforni, A. Isar, D. Isar, A Generalization of the Sampling Theorem. Rev. Roum. Sci. Tehn.-Electrotehn. et Energ., 37, pp. 177-183, Bucarest 1992. [Naf. 95] I. Nafornita, Prelucrarea adaptiva a semnalelor de telecomunicatii", 1995, note de curs. [Naf., Cam., Isa. 95] I. Naforni, A. Cmpeanu, A. Isar, Semnale circuite i sisteme. vol. I, Editura UPT, 1995. [Nar., Lou., Les., Dar. 96] S. B. Narayanan, J. Mc. Loughlin, Les Atlas, J. Darapo, An Operator Theory Approach to Discrete Time-Frequency Distribution. Proceedings of the IEEE Conference TFTS96, pp. 521-524, Paris 1996. [Nas. 94] G. P. Nasson, Wavelet Regression by Cross-Validation. Preprint University of Bristol, March 1994. [Nas., Sap., Saw. 97] G. P. Nason, T. Sapantias, A. Sawezenko, Statistical Modeling of Time Series using Non-decimated Wavelet Representations, Preprint University of Bristol, 1997. [Ode., Bur. 96] J. Odegard, C. S. Burrus, New Class of Wavelets for Signal Approximation, Proceedings of ISCAS96.

Bibliografie 279 [Pes., Ade., Pes., Hel. 96] L. Pesu, E. Ademovic, J.-C. Pesquet, P. Helisto, Wavelet Packet Based Respiratory Sound Classification, Proceedings of TFTS96, Paris, 1996, pp. 377-380. [Pit.,Ven. 86(1)] I. Pitas, A. N. Venetsanopoulos, Nonlinear Mean Filters in Image Processing, IEEE Transactions on ASSP, vol. 14, no. 3, June 1986. [Pit., Ven. 86(2)] I. Pitas, A. N. Venetsanopoulos, Edge Detectors on Nonlinear Filters, IEEE Transactions on PAMI, vol.8, no.4, July 1986. [Pre. 87] F. Preteux, Description et intrprtation des images par la morphologie mathmatique. Application a limage mdicale. These de doctorat dEtat, Universit Paris VI, 1987. [Pre. 95] F. Preteux, La morphologie mathmatique. Ses fondements: ensembliste, topologique, probabiliste. Cours fournit au dpartement Signal et Image, INT-Evry, 1995. [Sch., Mat. 94] M. Schmitt, J. Mattioli, Morphologie mathmatique, Masson, Paris, 1994. [Shy. 92] J.J.Shynk, Frequency-domain and multirate adaptive filtering, Signal Processing Magazine, january 1992. [Sp. 87] A. Sptaru, Fondements de la thorie de la transmission de linformation. Presses Polytechniques Romandes, Lausanne, 1987. [Tsi., Nik. 98] G.A. Tsihrintzis, G. L. Nikias, Modeling, Parameter Estimation and Signal Detection in Radar Clutter with Alpha-Stable Distributions, Preprint Univ. of Virginia, 1998. [Wid., Ste. 85] B. Widrow, S.D. Stearns, Adaptive Signal Processing, Prentice Hall, 1985.

ANEXA

Programul de denoising:
#include<math.h> #include<string.h> #include<graphics.h> #include<stdlib.h> #include"frame.c" #define NR 512 #define NACT 512 double huge x[NR]; double huge y[NR]; static double huge z[NACT]; double huge temp[NACT]; int N=2; int ni=4; int filef=1; int nc=0; //numarul coeficientilor redusi la 0 int pas;//numarul iteratiilor facute ///variabile si functii pt grafica void initmodegr(void); void graph(int xo,int yo,int tabl); int amplmax=1; char polar=1; static static static static static static static double double double double double //amplitudine maxima //polaritate - implicit bipolar

cd[20]; ci[20]; cid[20]; cii[20];

double scara; int r=0; char s[20]; *prag;

282 Anexa
static struct { double ampl,df,prg; char type[15]; int No,pol; double alpha; double incr; } env;

void initinvc(void) { int i; for(i=0;i<2*N;i++) if(i%2) cid[i]=cd[i]; else cid[i]=cd[2*N-2-i]; for(i=0;i<2*N;i++) cii[i]=pow(-1,i)*cid[2*N-1-i]; } void initni(void) { ni=(int)(pow(2.0,(int)(N/2+1))); } void gprintf(char *msg) { if(r==8){clrscr();r=0;} gotoxy(1,r+1); printf("%s",msg); r++; } void initc(void) {int i; char buf[50]; switch(N){ case 2 :cd[0]=0.4829629131445341; cd[1]=0.8365163037378079; cd[2]=0.2241438680420134; cd[3]=-0.1294095225512604; break; case 3 :cd[0]=0.332670552950; cd[1]=0.806891509311; cd[2]=0.459877502118; cd[3]=-0.135011020010; cd[4]=-0.085441273882;

Anexa 283
cd[5]=0.035226291882; break; :cd[0]=0.230377813309; cd[1]=0.714846570553; cd[2]=0.630880767930; cd[3]=-0.027983769417; cd[4]=-0.187034811719; cd[5]=0.030841381836; cd[6]=0.032883011667; cd[7]=-0.010597401785; break; :cd[0]=0.160102397974; cd[1]=0.603829269797; cd[2]=0.724308528438; cd[3]=0.138428145901; cd[4]=-0.242294887066; cd[5]=-0.032244869585; cd[6]=0.077571493840; cd[7]=-0.006241490213; cd[8]=-0.012580751999; cd[9]=0.003335725285; break; :cd[0]=0.111540743350; cd[1]=0.494623890398; cd[2]=0.751133908021; cd[3]=0.315250351709; cd[4]=-0.226264693965; cd[5]=-0.129766867567; cd[6]=0.097501605587; cd[7]=0.027522865530; cd[8]=-0.031582039318; cd[9]=0.000553842201; cd[10]=0.004777257511; cd[11]=-0.001077301085; break; :cd[0]=0.077852054085; cd[1]=0.396539319482; cd[2]=0.729132090846; cd[3]=0.469782287405; cd[4]=-0.143906003929; cd[5]=-0.224036184994; cd[6]=0.071309219267; cd[7]=0.080612609151; cd[8]=-0.038029936935; cd[9]=-0.016574541631; cd[10]=0.012550998556; cd[11]=0.000429577973; cd[12]=-0.001801640704;

case 4

case 5

case 6

case 7

284 Anexa
cd[13]=0.000353713800; break; case 8 :cd[0]=0.054415842243; cd[1]=0.312871590914; cd[2]=0.675630736297; cd[3]=0.585354683654; cd[4]=-0.015829105256; cd[5]=-0.284015542962; cd[6]=0.000472484574; cd[7]=0.128747426620; cd[8]=-0.017369301002; cd[9]=-0.044088253931; cd[10]=0.013981027917; cd[11]=0.008746094047; cd[12]=-0.004870352993; cd[13]=-0.000391740373; cd[14]=0.000675449406; cd[15]=-0.000117476784; break; case 9 :cd[0]=0.038077947364; cd[1]=0.243834674613; cd[2]=0.604823123690; cd[3]=0.657288078051; cd[4]=0.133197385825; cd[5]=-0.293273783279; cd[6]=-0.096840783223; cd[7]=0.148540749338; cd[8]=0.030725681479; cd[9]=-0.067632829061; cd[10]=0.000250947115; cd[11]=0.022361662124; cd[12]=-0.004723204758; cd[13]=-0.004281503682; cd[14]=0.001847646883; cd[15]=0.000230385764; cd[16]=-0.000251963189; cd[17]=0.000039347320; break; case 10 :cd[0]=0.026670057901; cd[1]=0.188176800078; cd[2]=0.527201188932; cd[3]=0.688459039454; cd[4]=0.281172343661; cd[5]=-0.249846424327; cd[6]=-0.195946274377; cd[7]=0.127369340336; cd[8]=0.093057364604; cd[9]=-0.071394147166;

Anexa 285
cd[10]=-0.029457536822; cd[11]=0.033212674059; cd[12]=0.003606553567; cd[13]=-0.010733175483; cd[14]=0.001395351747; cd[15]=0.001992405295; cd[16]=-0.000685856695; cd[17]=-0.000116466855; cd[18]=0.000093588670; cd[19]=-0.000013264203; break;

for(i=0;i<2*N;i++) ci[i]=pow(-1,i)*cd[2*N-1-i]; sprintf(buf,"Valoarea lui N este %2d",N); gprintf(buf); initinvc(); } void DWT(int n) {int nn,i,k; double yt=0; nn=n; for(i=0;i<nn;i++){ yt=0; if((i+1)%2) for(k=0;k<2*N;k++) { yt+=z[(k+i)%nn]*cd[k]; y[i/2]=yt; } else for(k=0;k<2*N;k++) { yt+=z[(k+i-1)%nn]*ci[k]; y[(nn+i)/2]=yt; } } for(i=0;i<nn;i++) z[i]=y[i]; return; } void rear(int n) {int i;

286 Anexa
double *temp; temp=farcalloc(n,sizeof(double)); if(temp==NULL) { printf("Eroare la alocarea memoriei\n"); exit(1); } for(i=0;i<n;i++) *(temp+i)=z[i]; for(i=0;i<n;i++){ if((i+1)%2) z[i]=*(temp+i/2); else z[i]=*(temp+(n+i)/2); } farfree(temp); }

void iDWT(int n) { int nn,i,k; double yt=0; nn=n; rear(ni); for(i=0;i<ni;i++){ yt=0; if((i+1)%2) { for(k=0;k<2*N;k++) yt+=z[(k+i+ni-2*(N-1))%ni]*cid[k]; y[i]=yt; } else { for(k=0;k<2*N;k++) yt+=z[(k+i+ni-1-2*(N-1))%ni]*cii[k]; y[i]=yt; } } for(i=0;i<ni;i++) z[i]=y[i]; ni*=2; return; } void initz(int sens) {int i; for(i=0;i<NACT;i++) if(sens) z[i]=x[i];

Anexa 287
else } z[i]=y[i];

void WT(int sens) //sens=1 pt. sursa x[], 0 pt. y[] { int n=NACT,i; // gprintf("Please be patience ! The DWT is calculating ... "); initz(sens); for(i=n;i>=ni;i/=2) { DWT(i); } // gprintf("The DWT is calculated ! Hit any key to continue ..."); } void iWT(void) { int n=NACT; // gprintf("Please be patience ! The iDWT is calculating ..."); initz(0); for(;ni<=n;) iDWT(n); gprintf("The iDWT is calculated ! Hit any key to continue ..."); } void hidecursor(void); void showcursor(void); int sf(const void *a,const void *b); int sort(void) { qsort((void *)temp,NR,sizeof(double),sf); return(0); } int sf(const void *a,const void *b) { double *k=(double *)a, *l=(double *)b; if((*k-*l)>0) return(1); return(-1); } int redcoef(double pc) { int i,k=0,signe=1; double absy;

288 Anexa
for(i=ni;i<NACT;i++) { absy=fabs(y[i]); if(y[i]<0) signe=-1; else signe=1; if((absy-pc)>0) y[i]=signe*(absy-pc); else { y[i]=0; k++;} } return(k); } void saveenv(FILE *fp) {int l; double px=0.0; for(l=0;l<NACT;l++) px+=x[l]*x[l]/NACT; fprintf(fp,"N=%d\n",N); fprintf(fp,"Tipul semnalului\t : %s \n",env.type); fprintf(fp,"Amplitudine\t\t : %3.3f\n",env.ampl); fprintf(fp,"Df factor\t\t : %3.3f\n",env.df); fprintf(fp,"Puterea semnalului este : %3.5f\n",px); fprintf(fp,"Pragul este\t\t : %3.3f\n",*prag); return; } int savef(double pc, double tt) { //int nc; FILE *fp; int i; if(filef){ gprintf("Introduceti numele fisierului *.dat : "); showcursor(); scanf("%s",s); hidecursor(); strcat(s,".dat"); fp=fopen(s,"wt"); filef=0; saveenv(fp); fprintf(fp,"Raport S/Zg intrare : %3.7f\n",tt); } else fp=fopen(s,"at"); fprintf(fp,"N=%d\n",N); fprintf(fp,"Pas : %2d \t Prag : %3.3f\n",pas,pc); nc=redcoef(pc); fprintf(fp,"Numarul coef. redusi la zero : %2d\n",nc); fclose(fp); return(nc); }

Anexa 289
double saverez(double px) {FILE *fp; int i; double sum=0.0,tt=0.0; for(i=0;i<NACT;i++) sum+=(temp[i]-y[i])*(temp[i]-y[i])/NACT; fp=fopen(s,"at"); fprintf(fp,"Eroarea medie patratica este : %3.7f\n",sum); if(sum>0.001){ tt=px/sum; fprintf(fp,"Raport S/Zg iesire = %4.7f \n",tt); } fclose(fp); return(sum); } void achizs(double dfact,double A) {int i; for(i=0;i<NACT;i++) x[i]=A*sin(3.141592/256*dfact*i); return; } void achizc(double dfact,double A,double dincr) {int i; for(i=0;i<NACT;i++) x[i]=A*sin(3.141592/256*(dfact+dincr*i/64)*i); return; } void achizd(double dfact,double alpha, double A,int pol) { int i; for(i=0;i<NACT;i++) if((i%((int)(NACT/dfact)))<((int)(alpha*NACT/dfact))) x[i]=A; else if(pol) x[i]=-A; else x[i]=0; return; } double rnd(void) { double nr; nr=rand()/(double)RAND_MAX; return(nr); }

290 Anexa
double gauss(void) { double v1,v2; double nr1,nr2,R,X,tp; v1=-sqrt(3/2.0); v2=-v1; tp=1.0; for(;tp>0.0;){ nr1=rnd(); nr2=v1+(v2-v1)*rnd(); R=nr2/sqrt(nr1); X=R; tp=log(nr1)+R*R/3.0; } return(X); } double addnoise(double A) { int i; double ni,np=0; for(i=0;i<NACT;i++){ ni=A*gauss(); np+=ni*ni; x[i]+=ni; } np/=NACT; return(sqrt(np)); } void errorm(void) { cadru_dbl(7,10,50,12,BLACK,BLUE); printf("\tApasati C,D sau S"); } void hidecursor(void) { _AH=01; _CH=0x20; geninterrupt(0x10); } void showcursor(void) { _AH=01; _CH=6; _CL=7; geninterrupt(0x10); }

Anexa 291
double initxy(void) { int i,k,l,pol=0; char c; double ampl=0,alpha=0.5,df=1.0,incr=1.0,prag1=0; int nrline=4; textmode(C80); mainframe(); cadru_dbl(6,6,70,10,BLACK,BLUE); printf("Apasati S pentru semnal Sinusoidal"); gotoxy(1,2); printf("Apasati D pentru semnal Dreptunghiular"); gotoxy(1,3); printf("Apasati C pentru semnal Modulat Chirp "); for(;((c=getch())!='s')&&(c!='S')&&(c!='d')&&(c!='D')&&(c!='c')& &(c!='C');) errorm(); if((c=='d')||(c=='D')) nrline+=2; cadru_dbl(5,5,75,7+nrline,BLACK,BLUE); gotoxy(1,1); printf("Introduceti numarul N (2..10) : "); scanf("%d",&N); gotoxy(1,2); printf("Introduceti amplitudinea semnalului : "); scanf("%lf",&ampl); env.ampl=ampl; amplmax=ampl; gotoxy(1,3); printf("Introduceti valoarea factorului df ( >=1 ): "); scanf("%lf",&df); env.df=df; gotoxy(1,4); printf("Introduceti dispersia zgomotului : "); scanf("%lf",&prag1); if((c=='d')||(c=='D')) { gotoxy(1,5); printf("Introduceti valoarea factorului alpha ( <1 ): "); scanf("%lf",&alpha); gotoxy(1,6); printf("Specificati polaritatea (0-unipol. 1-bipol): "); scanf("%d",&pol); polar=(char)pol; } if((c=='c')||(c=='C')) { gotoxy(1,5); printf("Introduceti valoarea incrementului (0.125<incr<64 ): "); scanf("%lf",&incr); } cadru_dbl(7,7,70,10,BLACK,BLUE); hidecursor(); gotoxy(1,1); printf("Valoarea lui N este %d",N); gotoxy(1,2); printf("Amplitudinea semnalului este de %f",ampl);

292 Anexa
switch(c){ case 'd' : case 'D' : achizd(df,alpha,ampl,pol); strcpy(env.type,"Dreptunghiular"); env.alpha=alpha; env.pol=pol; break; case 's' : case 'S' : achizs(df,ampl); strcpy(env.type,"Sinusoidal"); break; case 'c' : case 'C' : achizc(df,ampl,incr); strcpy(env.type,"Chirp"); env.incr=incr; break; default : errorm(); } showcursor(); return(prag1); } void afismax(int n) { int i; double max=0; for(i=n;i>n/2;i--) if(max<fabs(y[i-1])) max=fabs(y[i-1]); printf("Valoarea maxima pe scara %2d este %3.5f \n",NACT/n,max); if(n/2>=ni) afismax(n/2); else return; } int savey(void) { FILE *fp; int i; "); gprintf("Introduceti numele fisierului rezultat *.dat :

showcursor(); scanf("%s",s); hidecursor(); strcat(s,".dat"); fp=fopen(s,"wt"); for(i=0;i<NACT;i++) fprintf(fp,"%f\n",y[i]); fclose(fp); return(1); }

Anexa 293
void main(void) { int i,k,l,j,maxc=0,contor; int redc[10]; char buf[50]; double pc=1.0,px=0.0,pe=0.0,py=0,tt=1.0,tt1,old=0.0; pc=initxy(); for(l=0;l<NACT;l++) {px+=x[l]*x[l]/NACT; temp[l]=x[l];} sprintf(buf,"puterea semnalului este : %3.5f",px); pe=addnoise(pc); hidecursor(); cadru_dbl(1,14,60,24,BLACK,BLUE); window(2,15,59,22); gprintf(buf); sprintf(buf,"puterea zgomotului este : %3.5f",pe*pe); gprintf(buf); *prag=pe*0.8; tt=px/(pe*pe); sprintf(buf,"Raport S/Zg intrare %4.7f gprintf(buf); ",tt);

for(contor=0;contor<10&&(old<tt);contor++){ pas=contor+1; initni(); initc(); if(contor) WT(0); else WT(1); // *prag=pe*sqrt(2*log(NACT)/(NACT*log(2))); savef(*prag,tt); iWT(); tt1=saverez(px); if(tt1>0.001){ old=tt; tt=px/tt1; sprintf(buf,"Pas = %2d\t Raport S/Zg out = %4.7f ",pas,tt); gprintf(buf);} else gprintf("Putere zgomot iesire nesemnificativ"); *prag=*prag*0.8; // prag functie de disp. zg. getch(); } // end of for loop savey();

294 Anexa
showcursor(); gprintf("Apasati o tasta"); getch(); initmodegr(); cleardevice(); graph(55,115,0); graph(55,355,1); getch(); closegraph(); }

//se afiseaza x[] //se afiseaza y[]

///graphics functions void initmodegr(void) { int gd,gm,errc; gd=VGA; gm=VGAHI; //detectgraph(&gd,&gm); //initgraph(&gd,&gm,"c:\\bc20\\bgi"); initgraph(&gd,&gm,""); errc=graphresult(); if(errc!=grOk){ gprintf("Erroare la initializarea modului grafic !!"); gprintf("Apasa o tasta"); getch(); window(1,1,80,25); clrscr(); exit(1); } } void coordsys(int xo,int yo) { char s[40]; int i; setlinestyle(SOLID_LINE,0xFFFF,THICK_WIDTH); line(xo-20,yo,xo+550,yo); line(xo,yo-90,xo,yo+90); setlinestyle(DASHED_LINE,0xFFFF,NORM_WIDTH); line(xo,yo-70,xo+530,yo-70); line(xo,yo+70,xo+530,yo+70); setlinestyle(SOLID_LINE,0xFFFF,NORM_WIDTH); moveto(xo+7,yo-95); itoa(amplmax,s,10); outtext(s); moveto(xo+7,yo+72); outtext("-"); outtext(s); for(i=0;i<=500;i+=100)

Anexa 295
{line(xo+i,yo-3,xo+i,yo+3); moveto(xo+i-10,yo-25); itoa(i,s,10); outtext(s); } moveto(xo+540,yo-25); outtext("n"); } void graph(int xo,int yo, int tabl) { char s[50]; int i; int left,top,right,bottom; setcolor(WHITE); setbkcolor(BLACK); left=5;right=635; if(tabl) { top=245; bottom=465;} else { top=5; bottom=225;} setlinestyle(SOLID_LINE,0xFFFF,THICK_WIDTH); moveto(left,top); lineto(right,top); lineto(right,bottom); lineto(left,bottom); lineto(left,top); setlinestyle(SOLID_LINE,0xFFFF,NORM_WIDTH); settextstyle(SMALL_FONT,HORIZ_DIR,2); setusercharsize(3,2,2,1); coordsys(xo,yo); moveto(xo,yo); setlinestyle(SOLID_LINE,0xFFFF,THICK_WIDTH); for(i=0;i<512;i++) if(tabl) lineto((int)(xo+i),(int)(yo-(int)(70*y[i]/amplmax))); else lineto((int)(xo+i),(int)(yo-(int)(70*x[i]/amplmax))); if(!tabl) { moveto(xo+150,yo+75); outtext("The input sequence"); } else { sprintf(s,"The output sequence"); moveto(xo+150,yo+80); outtext(s); } }

296 Anexa Sursa pentru frame.c


#include<stdio.h> #include<alloc.h> #include<dos.h> #include"cadrdbl.c" void mainframe(void) {int i; window(1,1,80,25); textbackground(GREEN); textcolor(BLACK); clrscr(); for(i=0;i<3680;i+=2) pokeb(0xB800,(i+160),178); }

Sursa pentru cadrdbl.c : #include<stdlib.h> #include<conio.h> cadru_dbl (int xlt,int ylt,int xrb,int yrb,int backc,int bordc) { int i; window(1,1,80,25); textbackground(bordc); textcolor(BLACK); gotoxy(xlt,ylt); putch(201); for(i=0;i<(xrb-xlt);i++) putch(205); putch(187); for(i=0;i<(yrb-ylt);i++){ gotoxy(xlt,ylt+1+i); putch(186); gotoxy(xrb+1,ylt+1+i); putch(186); putch(219); } gotoxy(xlt,yrb); putch(200); for(i=0;i<(xrb-xlt);i++) putch(205); putch(188); putch(219);

Anexa 297
gotoxy(xlt+1,yrb+1); for(i=0;i<(xrb-xlt+2);i++) putch(219); window(xlt+1,ylt+1,xrb,yrb-1); textbackground(backc); textcolor(WHITE); clrscr(); gotoxy(1,1); return; }

You might also like