История, теория и практика адаптивной обработки сигналов Джиган Виктор Иванович, д.т.н. Член НТОРЭС им. А.С. Попова Senior IEEE Member Главный научный сотрудник ОАО «НПЦ ЭЛВИС» Зеленоград, Москва, Россия НТК МЭС-2012, Москва, Россия, 08-12.10.2012 1 Что такое адаптивная обработка сигналов – это что-то новое, забытое старое, или широко используемая современная технология ? Адаптивная обработка сигналов – это направление в современной обработке сигналов, которая, в свою очередь является направлением в современных радиотехнике и связи «Адаптация (позднелатинское adaptio – прилаживание, приспособление, от латинского adapto – приспособляю) – процесс приспособления строений и функций организмов (особей, популяций, видов) и их органов к условиям окружающей среды…» Большая Советская Энциклопедия НТК МЭС-2012, Москва, Россия, 08-12.10.2012 2 Кто был первым ? Йохан Карл Фредерик Гаусс (1777-1855) в 1725 в возрасте 18 лет сформулировал критерий наименьших квадратов для обработки экспериментальных наблюдений. Этот критерий лежит в основе адаптивных фильтров, использующих рекурсивные алгоритмы по критерию наименьших квадратов Исаак Ньютон (1643-1727) предложил итерационный численный метод нахождения корня (нуля) заданной функции (также известный как метод касательных) . Этот метод лежит в основе современных градиентных адаптивных алгоритмов Работы по теории оптимального оценивания, лежащие в основе современной теории адаптивной обработки сигналов, относятся к 40-м – 50-м годам 20-го века: Андрей Николаевич Колмогоров (1903 -1987) Норберт Винер (1894-1964) Марк Григорьевич Крейн (1907-1989) Норман Левинсон (1912-1975) НТК МЭС-2012, Москва, Россия, 08-12.10.2012 3 Кто сделал первый адаптивный фильтр ? «Я был знаком с теорией винеровской фильтрации в непрерывной и дискретной формах. Для построения фильтра Винера требуется знать автокорреляционную функцию входного сигнала и взаимную корреляционную функцию между входным и требуемым сигналами. Это замечательно, когда вы делаете домашние упражнения, но что вам делать на практике, когда статистику входных сигналов никто вам не может предоставить? Все что у вас есть – это сами входные сигналы …» Бернард Уидроу , изобретатель LMS-алгоритма Widrow B. Hoff M.E. Adaptive switching circuits // IRE WESCON Convention Record. – 1960. – Part 4. – P. 96–104 НТК МЭС-2012, Москва, Россия, 08-12.10.2012 4 Кто сегодня ведущий специалист в этой области ? Bernard Widrow Stanford University USA Simon Haykin McMaster University Canada Paulo Diniz Universidade Federal do Rio de Janeiro, Brazil Thomas Kailath Stanford University USA Steven Grant University of Missouri, USA Dirk Slock EURECOM France John Cioffi Stanford University USA Ali Sayed University of California, USA Nicholas Sergios Kaoluptsidis Theodoridis University of Athens , Grees НТК МЭС-2012, Москва, Россия, 08-12.10.2012 5 Когда нужно использовать адаптивный фильтр? В основе большинства адаптивных устройств находится так называемый адаптивный фильтр. Фильтрация – это обработка, целью которой является извлечение интересуемой информации, например, сигналов, обладающих определенными характеристиками Свойства фильтра с фиксированными параметрами обычно определяются требуемой передаточной функцией. В свою очередь, передаточная функция определяет структуру фильтра и его вычислительную сложность. Если спецификацию к передаточной функции фильтра невозможно сформулировать заранее или когда эта спецификация может меняться в процессе работы фильтра, то вместо фильтров с фиксированными параметрами необходимо использовать фильтры с изменяемыми параметрами, например, адаптивные фильтры НТК МЭС-2012, Москва, Россия, 08-12.10.2012 6 Какие бывают адаптивные фильтры (АФ) ? d (k ) d (k ) y (k ) Адаптивный фильтр x(k ) (k ) x1 (k ) h HN1 (k 1)x N1 (k ) x2 ( k ) h HN2 (k 1)x N2 (k ) Адаптивный алгоритм Обобщенная структура АФ x(k 1) x(k ) 1 z 1 z 1 d (k ) x(k N 2) x(k N 1) z 1 h3 (k 1) hN 1 (k 1) hN (k 1) h2 (k 1) h (k 1) x(k 2) h HNm (k 1)x N m (k ) xM 1 (k ) h HNM 1 (k 1)x N M 1 (k ) xM (k ) hHNM (k 1)xNM (k) y (k ) Адаптивный алгоритм Одноканальный АФ N (k ) xm (k ) x(k ) (k ) Адаптивный алгоритм Многоканальный АФ НТК МЭС-2012, Москва, Россия, 08-12.10.2012 7 Где применяются адаптивные фильтры ? – Например, в адаптивных антенных решетках (ААР) h11 w Исходная Конечная -20 Выходной сигнал антенной решетки h22 | F() |, дБ Входные сигналы антенной решетки 0 -40 -60 -80 hn -100 whMN Опорный сигнал антенной решетки -80 -60 -40 -20 0 20 , град. 40 60 80 Принцип подавление помех с помощью ААР Адаптивный процессор Структура ААР НТК МЭС-2012, Москва, Россия, 08-12.10.2012 8 Где применяются адаптивные фильтры ? – Например, в адаптивных эхокомпенсаторах Телефонная станция Абонент 30 Задержка 2-х проводный канал Гибридная схема 4-х проводный канал 35 Гибридная схема 2-х проводный канал требуемое подавление, дБ Телефонная станция Абонент 25 20 15 10 5 Задержка 0 0 20 40 60 80 100 задержка распространения сигнала, мс Абонент x(k ) Сигнал к удаленному абоненту (k ) подавленное эхо Адаптивный фильтр, Гибридная схема, h N (k ) w y (k ) d (k ) 2-х проводный канал Оценка эхо-сигнала Неподавленное эхо Принцип компенсации электрического эха Акустический импульсный отклик Усилитель x(k ) Эхо-сигнал d (k ) Шум z (k ) Идентифицируемый импульсный отклик Перестраиваемый фильтр Сигнал к удаленному абоненту Сигнал от удаленного абонента Сигнал от удаленного абонента Принцип построения проводной телефонной связи y (k ) Адаптивный алгоритм Адаптивный фильтр (k ) Принцип компенсации акустического эха НТК МЭС-2012, Москва, Россия, 08-12.10.2012 9 Насколько эффективна эхокомпенсация ? 80 0.3 80 0.25 70 0.2 60 60 50 50 w 0.1 0.05 0 40 30 20 2 0 0 10 20 30 40 n, отсчеты 50 60 70 0 2 8 0 10 x 10 x 10 -3 0 6 6 4 4 6 8 x 10 0.5 4 0 -0.5 0 2 4 6 8 x 10 0.5 4 0 -0.5 0 2 4 6 k, номер итерации Сигналы ( k ) + z( k ), (k) 4 x 10 4 8 2 0 -2 4 x 10 -6 -8 0 8 x 10 -3 -2 -6 4 6 k, номер итерации 10 x 10 0 -4 2 8 2 -4 -8 0 8 4 6 k, номер итерации ERLE, RLS-алгоритм 8 2 2 4 ( k ) + z( k ), (k) x( k ) 4 6 k, номер итерации 1 ERLE, LMS-алгоритм -0.5 d( k ) 0 0.5 0 2 20 1 Импульсный отклик эхотракта ( k ) + z( k ) 30 10 -0.1 -0.15 40 10 -0.05 3 70 ERLR( k ), дБ ERLR( k ), дБ 0.15 3 2 4 Сигнал ошибки, LMS-алгоритм 4 6 k, номер итерации 8 x 10 Сигнал ошибки, RLS-алгоритм НТК МЭС-2012, Москва, Россия, 08-12.10.2012 10 4 Где применяются адаптивные фильтры ? – Например, в адаптивных эквалайзерах каналов связи Задержка d (k ) z (k ) x(k ) Канал связи ~ x (k ) Адаптивный фильтр y (k ) (k ) Принцип выравнивания АЧХ каналов связи * w(t ) импульсный отклик канала связи * * t t0 2T t0 * T t0 t0 * T t0 2T * t0 3T (t0 ) * * * t0 2T t0 T t0 cовместный импульсный отклик канала связи и эквалайзера * * * t0 T t0 2T t0 3T t Сигнал на выходе канала связи в момент времени оценивания информационного символа – это взвешенный задержанный символ + межсимвольная интерференция Сигнал на выходе эквалайзера в момент времени оценивания информационного символа – это взвешенный задержанный символ НТК МЭС-2012, Москва, Россия, 08-12.10.2012 11 Насколько эффективно выравнивание каналов связи ? 40 2 2 3 w H x(k ) z (k ) -20 1 -80 Решение 0 -0.5 -40 ~ y (k ) y (k ) h N (k ) 0.5 (k ) -1 -60 d (k ) -1.5 -2 0 100 200 300 400 500 Частота, спектральные составляющие 600 -2 40 -1 0 Re 2 2 3 20 Данные Обучение 0.5 -20 w H x(k ) z (k ) 0 h FN (k ) h BN (k ) -0.5 -40 1 -1 -60 -80 Эквалайзер без обратной связи 2 Эквалайзер 1 0 1 Канал 1.5 Im Амплитуда, дБ Данные 1 0 Обучение Эквалайзер 1.5 Im Амплитуда, дБ 20 Канал y (k ) -1.5 -2 0 100 200 300 400 500 Частота (спектральные составляющие) АЧХ 600 -2 -1 0 Re 1 Созвездия 2 (k ) Решение d (k ) Эквалайзер с обратной связью НТК МЭС-2012, Москва, Россия, 08-12.10.2012 12 ~ y (k ) Где применяются адаптивные фильтры ? – Например, в адаптивном шумоподавлении x(k ) z1 (k ) z2 ( k ) Адаптивный фильтр y (k ) z1 (k ) (k ) x(k ) Адаптивный алгоритм Принцип адаптивного шумоподавления x(k ) x(k ) z1 (k ) z1 (k ) Акустический импульсный отклик z2 ( k ) Адаптивный фильтр y (k ) z1 (k ) Адаптивный алгоритм Пример адаптивного шумоподавления НТК МЭС-2012, Москва, Россия, 08-12.10.2012 13 (k ) x(k ) Насколько эффективно шумоподавление ? 0.25 0.25 0.25 0 -0.25 -0.5 0 -0.25 2 4 6 k, отсчеты 8 -0.5 10 x 10 4 Зашумленная речь 0 -0.25 2 4 6 k, отсчеты 8 -0.5 10 x 10 0.5 0.25 0.25 0.25 -0.5 (k) 0.5 -0.25 0 -025 2 4 6 k, отсчеты Исходная речь 8 -0.5 10 x 10 4 4 6 k, отсчеты 8 10 x 10 4 Остаточный шум, RLS 0.5 0 2 4 Остаточный шум, LMS (k) x(k) x(k) - (k) 0.5 x(k) - (k) 0.5 x(k)+z1(k) 0.5 0 -0.25 2 4 6 k, отсчеты 8 Очищенная речь, LMS -0.5 10 x 10 2 4 4 6 k, отсчеты 8 x 10 Очищенная речь, RLS НТК МЭС-2012, Москва, Россия, 08-12.10.2012 10 14 4 Вектор входных сигналов Что такое винеровская фильтрация ? Требуемый сигнал x1 (k ) hw1 x2 (k ) h2 Выходной сигнал hN Винеровское решение: xN (k ) 1 2 d (k ) y (k ) e(k ) Сигнал ошибки h N ,o R N1rN Вектор весовых коэффициентов Линейный сумматор Линейно-ограниченная винеровская фильтрация Поверхность среднеквадратической ошибки h N ,oc R N1rN R N1C NJ C HNJ R N1C NJ НТК МЭС-2012, Москва, Россия, 08-12.10.2012 f 1 J C HNJ R N1rN 15 Как найти винеровское решение ? 60 8 60 8 55 55 50 6 50 6 45 45 40 4 40 4 30 2 35 h2 h2 35 30 2 25 25 20 0 20 0 15 15 10 -2 10 -2 5 -4 -2 0 2 h 4 6 5 8 -4 1 -2 0 2 h 4 6 8 1 Линии уровня трехмерной поверхности среднеквадратической ошибки h N (k ) h N (k 1) R N1 h (k 1) h N (k ) h N (k 1) h (k 1) N Алгоритм Ньютона Градиент: N Алгоритм наискорейшего спуска h rN R N h N (k 1) N НТК МЭС-2012, Москва, Россия, 08-12.10.2012 16 Что делать, если корреляционная матрица неизвестна ? 200 180 160 1 h1 10 0.5 5 140 0 120 0 0 50 100 150 200 250 k, номер итерации 300 350 400 0 50 100 150 200 250 k, номер итерации 300 350 400 100 0.5 -5 80 -15 0 60 -10 -10 -5 0 h 5 10 15 h2 h2 1.5 40 -0.5 20 -1 1 Обучающие кривые весовых коэффициентов Линии уровня трехмерной поверхности среднеквадратической ошибки LMS-алгоритм: (k ) d (k ) h HN (k 1)x N (k ) ˆ (k 1) h N (k ) h N (k 1) h N h N (k 1) x N (k ) (k ) НТК МЭС-2012, Москва, Россия, 08-12.10.2012 17 Действительно ли средний квадрат ? 10 2 8 1.8 6 1.6 2.2 12 0 2 max Постоянная времени (число итераций): 1.4 4 1.2 2 0 Условие сходимости LMSалгоритма: 1 1 0 50 100 150 200 250 k, номер итерации 300 350 400 0 50 1 реализация 100 150 200 250 k, номер итерации 300 350 400 2.2 2 2 1.8 1.8 1.6 1.6 1.4 1.4 1.2 1.2 1 1 100 150 200 250 k, номер итерации 2 min Дополнительная среднеквадратическая ошибка: 1 50 1 100 реализаций 2.2 0 2max k n , 300 100 000 реализаций 350 400 N 2 exc min 0 50 100 150 200 250 k, номер итерации 300 350 2 разных шага сходимости n 1 n N 2 n n 1 400 min E e(k ) 2 2 d Обучающие кривые среднеквадратической ошибки НТК МЭС-2012, Москва, Россия, 08-12.10.2012 18 rNH h N ,o Что такое NLMS-алгоритм ? Алгоритм Ньютона: h N (k ) h N (k 1) R N1 h (k 1) N Упрощенная корреляционная матрица: Упрощенный алгоритм Ньютона: Лемма об обращении матриц ˆ N (k ) 2 I N x N (k )x HN (k ) R ˆ 1 (k )x (k ) (k ) h N (k ) h N (k 1) ˆ R N N C B H A 1D 1 C1 C1B H DC1B H A NLMS-алгоритм: | N (k ) d (k ) h H N (k 1)x N (k ) | | | ˆ x ( k ) (k ) |h N (k ) h N (k 1) H N 2 x N (k )x N (k ) | НТК МЭС-2012, Москва, Россия, 08-12.10.2012 19 1 BC1 Что такое RLS-алгоритм ? k Целевая функция : E N (k ) k i e N (i)e N (i) i 1 Условие минимума : h E N (k ) r N (k ) R N (k )h N (k ) 0 N Оптимальное решение : N h N (k ) R N1 (k )r N (k ) C B Лемма об обращении матриц k H A 1D 1 C1 C1B H DC1B H A R N (k ) k i x N (i)x HN (i) R N (k 1) x N (k )x HN (k ) i 1 RLS-алгоритм: 1 N g N (k ) R (k )x N (k ) R N1 (k 1)x N (k ) g N (k ) x HN (k )R N1 (k 1)x N (k ) R N1 (k ) 1 R N1 (k 1) g N (k )x HN (k )R N1 (k 1) N (k ) d (k ) h HN (k 1)x N (k ) h N (k ) h N (k 1) g N (k ) N (k ) НТК МЭС-2012, Москва, Россия, 08-12.10.2012 20 1 BC1 Адаптивный фильтр на основе QR-разложения "1" b (k ) ~ RN ,1,1 sN ,1 (k ) u N(1), 2 (k ) u N(1),1 (k ) bN(1) (k ) cN , 2 ( k ) ~ RN H, 2,1 aN , 2 (k ) sN , 2 (k ) s N , 3 (k ) u N(3,)2 (k ) u N(3,)1 (k ) bN( 4) (k ) u N( N,12) (k ) bN( N 2) (k ) u N( N, 22) (k ) u N( N,11) (k ) ~ RN ,HN ,1 N (k ) ~ x N( 0, )N (k ) ~N( 0) (k ) h1 (k ) u N( N, 21) (k ) s N , 2 (k ) N (k ) ~ x N(1,)N (k ) c N , 2 (k ) x N( 2,)N 1 (k ) x N( 2,)N 2 (k ) ~N(1) (k ) c N , 2 (k ) rN , 2 (k ) s N , 2 (k ) ~ x N( 2,)N (k ) ~N( 2) (k ) u N( N, N2)2 (k ) ~ R N , N 2 , N 3 Обратное QR-разложение hN 2 (k ) x N( N, N3)1 (k ) x N( N, N3) (k ) ~N( N 3) (k ) c N , N 2 (k ) c N , N 2 (k ) c N , N 2 (k ) ~ ~ ~ rN , N 2 (k ) RN , N 2, N RN , N 2, N 1 ~N( N 2 ) (k ) x N( N, N21) (k ) x N( N, N2 ) (k ) c N , N 1 (k ) u N( N, N1)1 (k ) u N( N, N1) (k ) cN , N ( k ) cN , N ( k ) cN , N ( k ) cN , N ( k ) ~H ~ H ~H s N , N (k ) RN , N , N 2 s N , N (k ) RN , N , N 1 s N , N (k ) RN , N , N s N , N (k ) N (k ) x N( N, N3)2 (k ) cN , N 1 (k ) u N( N, N) 2 (k ) u N( N, N21) (k ) ~ RN ,HN 1, N 1 sN , N 1 (k ) u N( N, N1)2 (k ) u N( N,3) (k ) h3 (k ) ~ x N(1,)N 1 (k ) c N , 2 (k ) rN ,1 (k ) s N ,1 (k ) ~ ~ ~ ~ s N , 2 (k ) RN , 2, N 2 s N , 2 (k ) RN , 2, N 1 s N , 2 (k ) RN , 2, N u N( N,31) (k ) sN , N (k ) c N ,1 (k ) ~ RN ,1, N cN , N 1 (k ) cN , N 1 (k ) ~ ~ RN ,HN 1,3 sN , N 1 (k ) sN , N 1 (k ) RN ,HN 1, N 2 cN , N ( k ) N (k ) RN , 2 , N 2 x N( 2,)3 (k ) ~N( 2) (k ) u N( N,32) (k ) ~H s N , N ( k ) RN , N , 3 h2 (k ) c N ,1 (k ) c N ,1 (k ) ~ ~ s N ,1 (k ) RN ,1, N 2 s N ,1 (k ) RN ,1, N 1 s N ,1 (k ) ~N( N 3) (k ) cN , N ( k ) N (k ) ~ s N , 2 ( k ) RN , 2 , 3 u N(3,)3 (k ) ~H s N , N ( k ) RN , N , 2 u N( N, 2) (k ) c N ,1 (k ) ~ xN(1,)N 2 (k ) c N , 2 (k ) s N , 3 (k ) cN , N ( k ) u N( N,1) (k ) bN( N ) (k ) cN , N 1 (k ) ~ RN ,HN 1, 2 ~ x N(1,)3 (k ) cN , N 1 (k ) ~ RN ,HN 1,1 bN( N 1) (k ) s N , 3 (k ) s N ,1 (k ) c N , 2 (k ) cN , 3 (k ) ~ RN H,3,3 ~ RN ,1,3 ~ x N(1,)2 (k ) u N( 2,)3 (k ) cN ,3 ( k ) ~ RN H,3, 2 s N ,1 (k ) ~ RN , 2, 2 sN , 2 (k ) c N ,1 (k ) c N ,1 (k ) ~ RN ,1, 2 ~N(1) (k ) u N( 2,)2 (k ) cN ,3 ( k ) ~ RN H,3,1 aN ,3 (k ) s N ,1 (k ) cN , 2 ( k ) ~ RN ,H2, 2 u N( 2,)1 (k ) bN( 2) (k ) aN , N (k ) ~ x N( 0, )N1 (k ) ~ x N( 0, )N2 ~ x N( 0,3) (k ) ~ x N( 0, )2 (k ) c N ,1 (k ) cN ,1 (k ) ~ RN ,H1,1 a N ,1 (k ) aN , N 1 (k ) ~ x N( 0,1) (k ) u N( 0,)1 (k ) (0) N N (k ) u N( N, N) 1 (k ) hN 1 (k ) N (k ) ~ RN , N 1, N 1 ~N( N 1) (k ) ~N( N 2) (k ) c N , N 1 (k ) ~ RN , N 1, N ~ rN , N 1 (k ) x N( N, N1) (k ) ~N( N 1) (k ) cN , N (k ) ~ RN , N , N u N( N, N) (k ) ~N( N ) (k ) hN (k ) Прямое QR-разложение НТК МЭС-2012, Москва, Россия, 08-12.10.2012 ~ rN , N (k ) ~N( N ) (k ) N (k ) 21 LMS или RLS ? 2.2 1.5 1 1 2 h1 h1 1.5 0.5 0 50 100 150 200 250 k, номер итерации 300 350 0 400 0.5 0 1.8 0.5 0 50 100 150 200 250 k, номер итерации 300 350 400 1 1.6 2 1.4 0.5 0 3 1.2 h2 h2 0 -0.5 -0.5 -1 -1 0 50 100 150 200 250 k, номер итерации Весовые коэффициенты LMS-алгоритма (зеленые кривые) 300 350 400 1 0 0 50 100 150 200 250 k, номер итерации Весовые коэффициенты RLS-алгоритма (зеленые кривые) 300 350 50 100 250 200 150 k, номер итерации 300 350 400 400 Обучающие кривые: 1, 2 – LMS, 3 - RLS LMS-алгоритм – линейная вычислительная сложность, зависимость длительности переходного процесса и остаточной ошибки в установившемся состоянии от шага сходимости За и против: RLS-алгоритм – квадратичная или линейная вычислительная сложность, быстрая сходимость, отсутствие шага сходимости и дополнительной остаточной ошибки в установившемся состоянии НТК МЭС-2012, Москва, Россия, 08-12.10.2012 22 LMS или RLS ? За и против: 1.05 1.04 1.03 2 1 1.8 2 1 2.2 1.02 1.01 1 1.6 3, 4 2 1.4 0.99 300 320 340 360 k, номер итерации 380 400 LMS-алгоритм – зависимость длительности переходного процесса и остаточной ошибки в установившемся состоянии от соотношения собственных чисел корреляционной матрицы входного сигнала адаптивного фильтра 3, 4 1.2 1 0 50 100 150 200 250 k, номер итерации Обучающие кривые: 1, 2 – LMS, 3, 4 - RLS 300 350 400 RLS-алгоритм – независимость длительности переходного процесса и остаточной ошибки в установившемся состоянии от соотношения собственных чисел корреляционной матрицы входного сигнала адаптивного фильтра НТК МЭС-2012, Москва, Россия, 08-12.10.2012 23 Можно ли уменьшить сложность RLS-алгоритмов ? Инвариантность к сдвигу: x(k ) x N (k ) x N 1 (k ) x(k N ) x ( k 1 ) N k Корреляционная матрица: Корреляционная матрица: R N 1 (k ) k i i 1 k R N 1 (k ) i 1 k i x N 1 (i)x H N 1 f 2 (k ) | rNfH (k ) (i ) ----------------------------- f r ( k ) R ( k 1 ) | N N x N 1 (i)x H N 1 R N (k ) | rNb (k ) (i) ------------------------- bH b2 r ( k ) ( k ) | N Лемма об обращении клеточных матриц g N (k ) R N1 (k )x N (k ) Векторы коэффициентов Калмана: 0 g N 1 (k ) R N 1 (k )x N 1 (k ) E Nf , min (k ) g N (k 1) g ( k ) g N 1 (k ) R N 1 (k )x N 1 (k ) N E Nb , min (k ) 0 Вектор весовых коэффициентов: 1 1 a N 1 (k )e Nf (k ) b N 1 (k )e Nb (k ) h N (k ) h N (k 1) g N (k ) N (k ) НТК МЭС-2012, Москва, Россия, 08-12.10.2012 24 Лемма об обращении клеточных матриц | | f2 fH k ( k ) r (k ) k i H N | R ( k ) x ( i ) x ( i ) f N 1 N 1 N 1 r ( k ) R ( k 1 ) | i 1 N N ------------------------------------------------------------------------------------ A B B H C ( A BC1B H ) 1 ( A BC1B H ) 1 BC1 1 H 1 H 1 C 1B H ( A BC1B H ) 1 BC1 C 1 C B ( A BC B ) 1 1 | | b k R ( k ) r (k ) k i H N N | R x N 1 (i)x N 1 (i) bH N 1 (k ) b2 | r ( k ) ( k ) i 1 N ------------------------------------------------------------------------------------ A B B H C A 1 A 1B(C B H A 1B) 1 B H A 1 (C B H A 1B) 1 B H A 1 A 1B(C B H A 1B) 1 . (C B H A 1B) 1 НТК МЭС-2012, Москва, Россия, 08-12.10.2012 25 Лестничные RLS-алгоритмы 0f (k ) 1b (k 1) Адаптивный фильтр на основе априорных ошибок: 1f (k ) Nf 2 (k ) Nf 1 (k ) Nb1 (k 1) x(k ) 1f (k 1) z 1 0b (k ) Nf 1 (k 1) 0 (k ) d (k ) Nb 1 (k ) N (k 1) N 1 (k 1) 2 (k 1) 1 (k ) e0f (k ) z 1 1b (k ) Nb 2 (k ) 1 (k 1) N 2 (k ) 2 (k ) N 1 (k ) e1f (k ) eNf 2 (k ) Адаптивный фильтр на основе апостериорных ошибок: 1b (k ) Nb1 (k ) 1f (k ) Nf 1 (k ) N (k ) eNf 1 (k ) x(k ) z 1 b 0 e (k ) e (k ) b 1 e0 (k ) e1 (k ) e z 1 (k ) 2 (k ) 1 (k ) d (k ) b N 2 e2 (k ) eNb 1 (k ) N 1 (k ) eN 2 ( k ) eN 1 (k ) НТК МЭС-2012, Москва, Россия, 08-12.10.2012 N (k ) eN (k ) 26 Одинаковые или разные RLS-алгоритмы ? 200 ERLE, дБ 150 1 100 6 2 7 3,4 8 5 9 50 0 0 1000 2000 3000 Номер итерации, k 4000 5000 1 – QR RLS with square roots; 2 – a priori and a posteriori lattice RLS; 3 – RLS-алгоритм; 4 – square root free QR RLS ; 5 – FK; 6 – SNR=30 dB; 7 – SNR=40 dB; 8 – SNR=50 dB; 9 – SNR=60 dB НТК МЭС-2012, Москва, Россия, 08-12.10.2012 27 Как фильтровать нестационарные сигналы ? k i x N (i ) Возрастающее окно: i 1,, k k R N (k ) k i x N (i )x HN (i ) min 1 i 1 R N (k 1) x N (k )x HN (k ) 01 k1 0.5 N i k2 k i x N (i ) k2 L 1 k1 L Скользящее окно: R N (k ) k i k L 1 k i x N (i)x HN (i) R N (k 1) x N (k )x HN (k ) x N (k L)x HN (k L) k2 L 012 k1 i k2 i k L 1,, k L L НТК МЭС-2012, Москва, Россия, 08-12.10.2012 28 p N (k L) Весовые коэффициенты h N (k ) Последовательные вычисления Весовые коэффициенты p N (k L) Вычисления, зависящие от Вычисления, зависящие от p N (k ) p N (k ) Вычисления, зависящие от Вычисления, зависящие от x N ( k L) x N (k L) Вычисления, зависящие от Вычисления, зависящие от x N (k ) x N (k ) Вычисления, зависящие от Вычисления, зависящие от Можно ли распараллелить вычисления ? h N (k ) Параллельные вычисления НТК МЭС-2012, Москва, Россия, 08-12.10.2012 29 Что дают скользящее окно и регуляризация ? 50 2 40 40 30 30 20 20 10 0 ERLE, дБ ERLE, дБ 1 50 1 0 1 2 3 Номер итерации, k 4 5 x 10 4 10 2 0 0 1 2 3 Номер итерации, k 4 x 10 1 – возрастающее окно 1 – скользящее окно и регуляризация 2– скользящее окно 2– скользящее окно НТК МЭС-2012, Москва, Россия, 08-12.10.2012 5 30 4 Какие бывают адаптивные алгоритмы ? Винеровская фильтрация Метод Ньютона Метод наискорейшего спуска NLMS LMS Аффинных проекций Быстрый аффинных проекций Линейно-ограниченные NLMS Линейно-ограниченные АР Метод наименьших квадратов RLS на основе MIL Линейно-ограниченные FAP RLS на основе QR-разложения Быстрые RLS (FRLS) Линейно-ограниченные LMS Лестничные RLS Линейно-ограниченные RLS и FRLS Разновидности алгоритмов адаптивной фильтрации НТК МЭС-2012, Москва, Россия, 08-12.10.2012 31 Действительно ли применяются АФ? Конференц-связь (акустический эхокомпенсатор) Адаптивная антенная решетка Модем канала ТЧ (электрический эхокомпенсатор, эквалайзер) Да! DSL-модем (электрический эхокомпенсатор, эквалайзер) Вэб-камера (шумоочистка речи) Жесткий накопитель (эквалайзер в канале считывания данных) НТК МЭС-2012, Москва, Россия, 08-12.10.2012 32 Адаптивные фильтры: что сделал автор ? Модели адаптивных фильтров (~400 шт.) на языке MATLAB Эхокомпенсатор Эквалайзер Платформа «Мультикор»: прикладная библиотека Анализатор AnCom A-7: непрерывный рефлектометр Антенные решетки на языке графического программирования LabVIEW НТК МЭС-2012, Москва, Россия, 08-12.10.2012 33 Как научиться адаптивной обработке сигналов ? По книгам на английском языке Книга, которую когданибудь и я напишу ??? По книгам на русском языке И (или) по первоисточникам, которых по разным оценкам не менее 10 000 на сегодняшний день….. НТК МЭС-2012, Москва, Россия, 08-12.10.2012 34 Спасибо! Вопросы? Эл. почта: djigan@elvees.com Тел.: +7-905-589-0703 Зеленоград, Москва, Россия НТК МЭС-2012, Москва, Россия, 08-12.10.2012 35 DSPA-2013 15-я Международная Конференция «ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ И ЕЁ ПРИМЕНЕНИЕ» конец марта – начало апреля 2013 г., Москва, Россия http://www.rntores.ru http://www.dspa.ru НТК МЭС-2012, Москва, Россия, 08-12.10.2012 36 10th IEEE EAST-WEST DESIGN & TEST SYMPOSIUM (EWDTS 2012) Signal and Information Processing in Radio and Communication Engineering 14-17 сентября 2012, Харьков, Украина, http://www.ewdtest.com/conf hahanov@kture.kharkov.ua НТК МЭС-2012, Москва, Россия, 08-12.10.2012 37