40146

ФИЛЬТРАЦИЯ ИЗМЕНЯЮЩИХСЯ ПАРАМЕТРОВ СИГНАЛА

Лекция

Коммуникация, связь, радиоэлектроника и цифровые приборы

Полезный сигнал st является функцией времени t и многокомпонентного параметра сообщения представляющего собой векторный случайный процесс. Общая задача фильтрации заключается в том чтобы на основании априорных сведений и по наблюдаемой реализации xt процесса t для каждого момента времени t сформировать апостериорную плотность вероятности сообщения . Априорные сведения о вероятностных характеристиках сообщения и помехи nt задаются либо в форме многомерных плотностей вероятности либо в виде дифференциальных уравнений с...

Русский

2013-10-15

318 KB

32 чел.

PAGE   \* MERGEFORMAT 1

ФИЛЬТРАЦИЯ ИЗМЕНЯЮЩИХСЯ ПАРАМЕТРОВ СИГНАЛА

Постановка задачи оптимальной фильтрации

В общем случае задача фильтрации формулируется следующим образом. Наблюдается процесс (t), являющийся детерминированной функцией от полезного сигнала s(t,) и некоторой помехи n(t).

Полезный сигнал s(t,) является функцией времени t  и многокомпонентного параметра (сообщения) , представляющего собой векторный случайный процесс. Предполагаются известными функциональная зависимость сигнала от аргумента (t) и  , а также все необходимые вероятностные характеристики случайного процесса  и  помехи n(t).

Общая задача фильтрации заключается в том, чтобы на основании априорных сведений и по наблюдаемой реализации x(t)  процесса (t) для каждого момента времени t сформировать апостериорную плотность вероятности сообщения .

В большинстве случаев инженерной практики  обычно требуется получить текущую оценку , наилучшую в соответствии с выбранным критерием оптимальности. Различают несколько модификаций задачи построения оптимальных оценок. При наблюдении процесса (t) на текущем интервале времени [0,T] определяется оценка ; если   = 0, имеет место  задача текущей фильтрации; если   0 - задача фильтрации с предсказанием, или задача экстраполяции; при   0 - задача фильтрации с запаздыванием, или задача интерполяции.

Априорные сведения о вероятностных характеристиках сообщения  и помехи n(t) задаются либо в форме многомерных плотностей вероятности, либо в виде дифференциальных уравнений с заданными начальными условиями.

Уравнение наблюдения процесса (t)  имеет вид

,                                    (11.1)

где  n(t) -  гауссовский белый шум с нулевым математическим ожиданием   n(t) = 0   и     -функцией корреляции  n (t1) n (t2) = (N0/2) (t2 - t1).

Считаем, что сообщение (t) однокомпонентный случайный процесс и формируется из белого гауссовского шума n (t), имеющего нулевое математическое ожидание и одностороннюю спектральную плотность N0 .

Формирование сообщения (t) определяется дифференциальным уравнением (уравнением сообщения)

,                                (11.2)

где g (t,) - известная функция аргументов t и .

В зависимости от вида уравнений наблюдения и сообщения различают два класса задач фильтрации:

  1.  Линейная фильтрация – уравнения являются линейными относительно сообщения (t).
  2.  Нелинейная фильтрация – уравнения содержит нелинейные функции сообщения (t).

Очевидно, что линейная фильтрация является частным случаем нелинейной фильтрации. Основополагающие результаты по теории нелинейной фильтрации получены Р.Л. Стратоновичем.

Наблюдение и обработка принятого колебания (t) могут осуществляться двумя методами: в непрерывном времени (аналоговая фильтрация) и в дискретном времени (дискретная фильтрация). При дискретной обработке берутся временные отсчеты (t) с соблюдением теоремы Котельникова, например, через равноотстоящие промежутки времени  t+1 - t  = = = const (рис. 11.1).

В дискретном времени уравнения наблюдения и сообщения имеют следующий вид:

Рис. 11.1

11.2 Критерии оптимальности фильтрации

Пусть на входе фильтра наблюдается реализация процесса

                                                    (11.5)

где (t),  n(t)  - являются реализациями соответственно сообщения и шума.

Рис. 11.2

Фильтр будет оптимальным, если на его выходе формируется процесс y(t), являющийся оптимальной, т.е. наилучшей в определенном смысле, оценкой сообщения .

То, что вкладывается в понятие оптимальной оценки , определяется выбранным критерием оптимальности. Критерий оптимальности сформулируем, исходя из апостериорной плотности вероятности p(,t|x(t)), определяемой на интервале наблюдения [0,t]. Интервал наблюдения за счет роста t непрерывно увеличивается. Это приводит к увеличению объема выборки и к сужению апостериорной плотности вероятности p(,t|x(t)), характеризующей плотность вероятности сообщения (t) в конечной точке интервала наблюдения. Сужение p(,t|x(t)) соответствует уменьшению дисперсии оценки сообщения R(t) =, что является самым важным результатом фильтрации. На рис. 11.3 показано изменение апостериорной плотности вероятности p(,t|x(t)) во времени.

При гауссовском белом шуме n(t) и достаточно высоком отношении сигнал/шум , где Es -энергия сигнала, апостериорная плотность вероятности p(,t|x(t)), приближается к гауссовскому закону, для которого мода, медиана и математическое ожидание совпадают.

Рис. 11.3

Если в качестве критерия оптимальности  рассматривать получение оценки  по максимуму апостериорной плотности вероятности

p(,t|x(t)) = max ,                                                        (11.6)

то найденная таким образом оценка  является  оптимальной также по минимуму среднего значения квадрата ошибки между оценкой и передаваемым сообщением:

.                                               (11.7)

Таким образом, если в качестве оценки выбрать траекторию координаты максимума плотности вероятности p(,t|x(t)),  то оценка  будет наилучшим образом совпадать с передаваемым сообщением (t), т.е. критерии оптимальности (11.6) и (11.7) приводят к одной и той же оценке.

Оптимальной оценкой является апостериорное математическое ожидание

.                                        (11.8)

Погрешность получаемой оценки можно характеризовать апостериорной дисперсией

.                                  (11.9)

11.3 Получение сообщения из белого шума

с помощью формирующего фильтра

Для синтеза алгоритмов фильтрации необходимо, прежде всего, располагать априорными сведениями о возможном поведении (t), т.е. моделью сообщения (t). Очень удобной и адекватной многим реальным ситуациям оказывается модель (t) в виде марковского случайного процесса, частным случаем которого является гауссовский случайный процесс с нормированной корреляционной функцией

r () = exp {-||}

где   - некоторый постоянный коэффициент.

Строго говоря, для нахождения вероятностных характеристик (t) необходимо произвести статистическую обработку реализаций процесса (t), получаемого на выходе какого-нибудь датчика, например, микрофона, измерителя скорости полета, высоты. В теории фильтрации поступают иначе. Реальный датчик заменяют моделью, являющейся формирователем сообщения. Формирователь сообщения представляет собой известный фильтр, на вход которого поступает белый шум n(t) с заданной односторонней спектральной плотностью N. Этот шум n(t), называемый информационным (либо формирующим), пройдя через формирующий фильтр, создает на его выходе случайный процесс с заданными вероятностными характеристиками. Самым простым является формирующий фильтр, представляющий собой интегрирующую RC -цепь (рис.11.4,а) и предназначенный для формирования модели сообщения, используемого в телевизионных и телеметрических системах связи.

Рис. 11.4

При белом гауссовском шуме n(t) сообщение (t), являющееся выходным процессом фильтра (рис.11.4,а), также будет гауссовским процессом с корреляционной функцией и спектральной плотностью, соответственно равными

,           ,                           (11.10)

где   = 0.5 =1/RC- параметр, соответствующий полосе пропускания фильтра на уровне 0.5.

Однако, использование в дальнейшем характеристик (11.10) для нахождения структурной схемы оптимального фильтра оказалось неудобным, т.к. при этом приходится сталкиваться со значительными математическими трудностями, связанными с решением интегро-дифференциальных уравнений. Оказалось, что для преодоления этих трудностей удобнее задавать вероятностное описание сообщения (t) в виде дифференциального уравнения, связывающего (t) с n(t).

Согласно уравнению Кирхгофа, имеем

n(t) = i(t)R + (t) ,                                                       (11.11)

где  i(t)  -ток через R и С (рис. 11.4,а).

В свою очередь, ток через емкость

.                                                           (11.12)

Подставив (11.12) в (11.11) и разрешив равенство относительно производной, получим дифференциальное уравнение

.                                                 (11.13)

Дифференциальное уравнение (11.13) может быть смоделировано с помощью аналогового вычислителя (рис. 11.4,б). Действительно, образуем разность (n(t) - (t)). Эта разность, умноженная на  , согласно (11.13), равна производной  , интеграл от которой воссоздает (t).

Таким образом, уравнение (11.13) позволяет не только определить процесс (t) из информационного шума n(t), но и содержит в неявной форме вероятностные характеристики получаемого случайного процесса (t), являющегося моделью сообщения.

В качестве модели речевого сообщения часто применяется процесс (t), определяемый с помощью системы дифференциальных уравнений:

                                                (11.14)

где и 1 - постоянные коэффициенты.

Сообщение (t),  согласно уравнениям (11.14), можно рассматривать как случайное напряжение на выходе последовательно соединенных (без учета взаимной реакции) RC-фильтра нижних частот и CR - фильтра верхних частот (рис. 11.5,а), когда на вход действует белый шум n(t). Постоянные времени RC и CR - фильтров соответственно равны: 1/1 = R1C1 и 1/ = R2C2.

Рис. 11.5

Спектральная плотность и корреляционная функция процесса (t), соответственно имеют вид

;                                             (11.15)

.                                   (11.16)

Дисперсия такого  процесса (t) равна   .

На рис. 11.5,б, приведен график нормированного одностороннего спектра речевого сообщения (14.15), где – ширина этого спектра на уровне 0.5 максимального значения.

11.4 Алгоритм оптимальной аналоговой фильтрации

При рассмотрении алгоритма фильтрации  остановимся лишь на теории фильтрации одномерных марковских гауссовских процессов. Для этого частного случая уравнение наблюдения задается в виде (11.1), а уравнение сообщения - в виде (11.2).

Изменения во времени априорной плотности  вероятности р(,t) процесса (t) определяются уравнением Фоккера - Планка - Колмогорова:

.               (11.17)

L() – оператор  преобразования Фоккера-Планка-Колмогорова. Заметим, что в рассматриваемом случае имеет место однозначное соответствие между описаниями процесса (t) в виде уравнения (11.2) либо (11.17).

Располагая этими априорными данными, нужно синтезировать устройство, которое бы с наименьшей погрешностью воспроизводило изменяющееся во времени случайное сообщение (t).

Как было показано в параграфе 3 данной лекции, для вычисления оптимальной оценки (t) и ее погрешности, необходимо знать апостериорную плотность вероятности p(,t|x(t)), которая согласно формулы Байеса, определяется двумя сомножителями p(,t)  и  p(x(t)|). Плотность вероятности p(,t) фильтруемого процесса (t), удовлетворяющего уравнению сообщения (11.2), определяется из (11.17). Условная плотность вероятности  p(x(t)|) (функция правдоподобия) легко  находится из уравнения наблюдения (11.1). Так как сигнал  s(t,(t)) является известной функцией аргументов t и , а шум n(t) имеет гауссовское распределение, то и p(x(t)|) также будет гауссовской.

В работах Р.Л.Стратоновича  показано, что апостериорная плотность вероятности p(,t|x(t)) параметра (t) в конечный момент времени наблюдения определяется следующим дифференциальным уравнением

,           (11.18)

где F(t,) -   производная по времени от логарифма функции правдоподобия:

,                                                 (11.19)

 F (t, )  - усреднение F (t, ) по информационному параметру :

.                                       (11.20)

Начальные условия для уравнения Стратоновича (11.18) определяются априорной плотностью вероятности p(,0) начальной координаты сообщения (0) = 0.

Апостериорная плотность вероятности p(,t|x(t))  содержит всю доступную информацию о параметре (t),  которую можно извлечь из наблюдения реализации x(t) процесса (t) на интервале  [0,t]  и из априорных сведений о (t). Определив апостериорную плотность p(,t|x(t)), можно получить другие требуемые характеристики, например, математическое ожидание (t), представляющее оптимальную оценку сообщения по критерию минимума среднего квадрата ошибки или оценку, оптимальную по критерию максимума апостериорной плотности вероятности.

Таким образом, уравнение Стратоновича (11.18) определяет полную процедуру фильтрации сообщения (t) на фоне белого шума. В общем случае аналитическое решение этого уравнения оказывается трудной задачей, схемы оптимального фильтра при этом весьма сложны. Для получения более простых схем целесообразно использовать различные упрощающие предположения. Некоторые из них будут рассмотрены в лекции №12.


 

А также другие работы, которые могут Вас заинтересовать

43159. Поиск неисправности. Теоретический ремонт РМ 176.5 KB
  Краткое описание тракта прохождения сигнала. Краткое описание тракта прохождения сигнала. оно входит в тракт прохождения сигнала то рассмотрим его более подробно. ЦВУ предназначен для формирования разверток на БИО и БИВ пересчета координат из абсолютной системы в относительную осуществлению синхронизации и программного управления отображением и обменом информации в реальном масштабе времени формировании управляющих служебных сигналов.
43160. Теоретический ремонт РМ при отсутствии отображения информации в режиме «ТХ» 94.5 KB
  На экране индикатора БИВ РМ №1 2 3 4 5 отсутствует отображение информации в режиме ТХ 2. УОП предназначен для организации обмена РМ с СВ хранения и регенерации принятой информации кодирования информации набранной на пультах контроля работоспособности РМ. В состав блока УОП входит: устройство управления обменом УУО; устройство кодирования пультовой информации УКПИ; устройство контроля РМ. Состав УУО: Сдвиговый регистр №1 Рг С1 96 разр осуществляет прием и выдачу информации.
43161. ИСПОЛНИТЕЛЬНЫЙ МЕХАНИЗМ 4.44 MB
  Провести расчет элементов и параметров конструкции исполнительного механизма прибора комплекса ЛА с учетом указанных в задании системных особенностей. Введение 4 Расчет кинематических параметров 5 Выбор двигателя 5 Расчет мощности двигателя 5 Кинематический расчет редуктора 6 Определение передаточного числа 6 Выбор кинематической схемы и типа используемых зп 7 Расчет числа зубьев 7 Ошибка по скорости 8 Расчет КПД...
43162. Проектирование технических расчетов зон ТО, диагностики и ТР на примере подвижного состава автотранспортных предприятий 273.5 KB
  Автомобильный транспорт является наиболее массовым и удобным видом транспорта обладающим большой манёвренностью хорошей проходимостью и приспособленностью для работы в различных климатических и географических условиях. Техническое обслуживание ТО является профилактическим мероприятием проводимым в плановом порядке через определенные длительность пробега или срок работы подвижного состава. ТО1 и ТО2 включают контрольнодиагностические крепёжные...
43163. Водный транспорт леса 2.26 MB
  В данном курсовом проекте рассмотрен пример организации первоначального лесосплава, представляющий собой комплекс производственных и подготовительных работ, связанных с перемещением лесных грузов по водным путям. В проекте рассматриваются наиболее распространенные виды водной транспортировки леса - молевой лесосплав, сплав леса в пучках, плотах и в баржах. Также необходимо оптимальным образом подобрать технику и оборудование на технологических участках, что, в свою очередь, обеспечивало бы беспрерывность работы и снижало простой данного оборудования.
43164. Восстановление детали оси пульта управления автокрана К-64 и разработка технологической планировки кабино-жестяницкого участка завода по ремонту тракторов Т-130 374.5 KB
  Курсовой проект является завершающим этапом изучения дисциплины ремонт машин и оборудования позволяющим в ходе работы над ним углубить и закрепить умение и навыки более детально изучить вопросы восстановления детали в частности оси пульта управления автокрана К64 углубить и закрепить умение и навыки в разработке технологической планировки медницкорадиаторного участка завода по ремонту тракторов Т130. В настоящее время ремонт детали достаточно широко применяется в практике эксплуатации строительных машин что и делает тему...
43165. Тепловой расчет конвективной туннельной сушильной установки для зимнего и летнего режимов 1.72 MB
  Определяем по заданным температурам tол=20.4 Определяем влагосодержание do г кгс.5 Определяем энтальпию ho кДж кгс.6 Определяем плотность природного газа при нормальных условиях.
43166. Тепловой расчет конвективной туннельной сушильной установки для зимнего (январь) и летнего (июль) периода 1.57 MB
  Выполнить тепловой расчет конвективной туннельной сушильной установки, определить длительность сушки, размеры установки, выбрать вентилятор для подачи наружного воздуха, дымосос, циклон и сожигательное устройство, на основании следующих данных.
43167. ОСКОРБЛЕНИЕ КАК ИЛЛОКУТИВНЫЙ ЛИНГВОКУЛЬТУРНЫЙ КОНЦЕПТ 194 KB
  Научная новизна данной работы заключается в применении концептологического подхода к рассмотрению лингвистических проблем права и в историко-этимологическом описании социальных явлений, которые стали основой современного толкования концепта «оскорбление». В работе была исследована дискурсная реализация этого концепта и выделена типовая базовая структура иллокутивных концептов, объясняющая прагматическую природу лингвосоциальных явлений