Filtracja adaptacyjna - podstawy

HTML
DOWNLOAD

Wielkość: px

Rozpocząć pokaz od strony:

Download "Filtracja adaptacyjna - podstawy"

Marcin Mazur
7 lat temu
Przeglądów:

1 Fltracja adaptacyjna - podstawy Współczynn fltrów adaptacyjnych są zmennym w czase w celu optymalzacje zadanego ryterum Powszechnym algorytmem dla fltrów adaptacyjnych jest algorytm LMS Least Mean Square) Fltry adaptacyjne są mplementowane zwyle jao FIR, tóre są struturalne stablne Taa fltracja jest powszechne stosowanym algorytmem

2 Schemat bloowy uładu fltracj adaptacyjnej rn) reference sgnal xn) Flter wth varable coeffcents Calculaton for adapton of coeffcents yn) - + New set of coeffcents en) Error sgnal

3 Rozwązane problemu metodą najmnejszych wadratów poszuujemy mnmum e r y n n n. 2 ) n Crteron mn J E e. J N 1 2 E e x ) 2E r x ) 2 b E x x ). b N 1 FIR flter: y b x. n n 0 n n n n n n 0 Optmum : R b x r xr

4 Algorytm LMS Poszuujemy mnmum J od b: J 2 b E e x ). n n Rozwązane teracyjne [ ] ) 0, N 1 b n + 1) b n) +δ E en xn. Zbeżne gdy ro adaptacj λ2 δ <. max Wartość mas. tablcy R x

5 Algorytm LMS Wartość średna E[en)xn-)] jest neznana W tym algorytme wartość średna jest zastępowana przez en)xn-) Algorytm jest zbeżny gdy ro oblczeń jest wystarczająco mały Nazwa algorytmu: LMS Least Mean Square) lub Wdrow algorthm: [ ] 0, N 1 b n + 1) b n) +δ en xn.

6 Algorytm LMS W ażdym rou algorytm LMS wyonuje: fltruje sygnał wejścowy dla współcz. b modyfuje współcz. b Input x n x n z -1 x n- 1 z -1 z -1 x n-n+1 b 0 b 1 b N-1 Reference r n Σ y n - Σ e n *x n e n *x n-1 e n *x n-n+1 e n e e n *x n-

7 Algorytm LMS Równane fltru FIR: y N 1 b n) x. n n 0 Równane atualzacj współczynnów: [ ] 0, N 1 b n + 1) b n) +δ en xn. Wth: e r y. n n1 n1

8 Realzacja stałoprzecnowa Gdy fltr LMS jest realzowany na procesorze sygnałowym stałoprzecnowym: Doładność oblczeń jest stotna gdy rnde *x n- ) jest mnejsze nż stosowana doładność oblczeń to ne ma fltracj adaptacyjnej Zbeżność oblczeń zależy od: rou δ: węszy δ to szybsza zbeżność ale gorsza doładność oblczeń lczba współczynnów N: błąd całowty jest proporcjonalny do N

9 Kro algorytmu LMS Raz podczas wszystch teracj: oblcz błąd e n r n -y n saluj błąd przez ro adapt. δ: e n δe n. Podczas wszystch teracj, dla ażdego współczynna b: mnóż błąd przez sygnał: e e n x n- mnóż x n- b zapamętaj wyn oblcz nowe współczynn: newb b +e atualzuj współczynn: b newb.

10 Fltr adaptacyjny LMS na PS C54x Równana fltracj atualzacj współczynnów: wyonywane dla ażdego momentu n: en rn 1 yn1. y N 1 b n) x. n n 0 [ ] 0, N 1 b n + 1) b n) +δ en xn. Realzowane nstrucje LMS: B B + b *x n- ); A rnde +b ) oblcza y n oblcza poprawone b w jednym rou operacja zaorąglana jest stotna poneważ δ może być bardzo małe

11 Fltr adaptacyjny LMS na PS C54x Fltr LMS FIR): 2N cyl na zero/begun. LMS Xmem, Ymem A) + Xmem)<< A zaorąglone) B) + Xmem) x Ymem) B wyorzystuje obydwa ACCUs A B. Xmem wsazuje na b, Ymem na x n- Dane x są zachowane w buforze cylcznym.

12 Przyład fltru adapt. LMS na PS C54x Defnuj 2 secje dla danych współczynnów adr_debut_coef AR3 Data Memory h0) h1) h2) Data Memory xn-) Crcular buffer adr_debut_dat AR2.mmregs.global adr_debut_dat, adr_fn_dat.global adr_debut_coef, adr_fn_coef N.set 32 adr_debut_dat.usect "buf_data", N adr_debut_coef.usect "buf_coef", N

13 Przyład fltru adapt. LMS na PS C54x Incjalzacja.text * Intalzaton of BK, AR0,FRCT STM #N, BK STM #1, AR0 SSBX FRCT * Intalsaton of AR2, AR3, AR0 STM #adr_debut_dat),ar2 STM #adr_fn_coef),ar3 STM #1, AR0 włącza tryb zaorąglana

14 Przyład fltru adapt. LMS na PS C54x * after calculaton of error e r-y * load T wth e LD erreur, T * ntalzaton of B LD #0,B * Calculaton of yn) and update of coef STM #N-2, BRC MPY *AR2, A mnożene, dodawane LMS *AR3, *AR2+ RPTB end-1 zaorąglane ST A,*AR3+0% MPY *AR2, A LMS *AR3, *AR2+ end STH A,*AR3 STH B, *yn

15 Synteza analza sygnału mowy Sygnał mowy może być tratowany jao wyjśce fltru o zmennych w czase parametrach, tórego pobudzenem jest sygnał losowy oraz cąg mpulsów

16 Wdmo sygnału dźwęowego

17 Synteza sygnału dźwęowego Cyfrowy model generowana sygnału mowy Charaterystya wdmowa Pobudzene szum bały cąg mpulsów Fltr lnowy zmenny w czase Sygnał mowy

18 Synteza sygnału dźwęowego Cyfrowy model generowana sygnału mowy Pobudzene: szum bały cąg mpulsów Model głośn Model śceż głosowej Czynn orecj wdma Model emsj warg Sygnał mowy

19 Synteza sygnału dźwęowego Transmtancja cyfrowego modelu generowana sygnału mowy H z) 1 z K ) ct ct 1 e cos bt ) z + e z 1 Gdze b c bezpośredno zależą od częstotlwośc F szeroośc pasma B -tego formantu: b 2πF, c 2 πf Sygnał wyjścowy Sz) jest dany zależnoścą G G S z) H z) U z) U z) A z) Uz) jest pobudzenem; Az) manown w wyrażenu na Hz) )

20 Synteza sygnału dźwęowego Dla sygnału mowy o postac równana różncowego M s n) α s n 1 ) + Gu n) oraz dla fltru Az) o postac M A z ) 1 1 a z to synteza sygnału mowy sprowadza sę do wyznaczena wartośc a

21 Synteza sygnału dźwęowego W metodze lnowej predycj sygnału mowy ang. LPC) ażda próba jest lnową ombnacją poprzedzających ją próbe M n s a n s 1 ) ) ˆ błąd predycj jest zapsany jao M n s a n s n s n s n e 1 ) ) ) ˆ ) ) Co odpowada wyjścu fltru o transmtancj Az)

22 Synteza sygnału dźwęowego Dąży sę do mnmalzacj średnowadratowego błędu predycj o postac gdze 2 1 ) ) n M n s a n s E Kolejne pochodne cząstowe względem a przyrównuje sę do zera, w wynu czego uzysuje sę równane: M M j j j a 1 1,...,,0) ), Φ Φ n n s j n s j ) ) ), Φ

23 Synteza sygnału dźwęowego Mamy uład M równań z M newadomym: M 1 a Φ j, ) Φ j,0) j 1,..., M Sposób rozwązana zależy od postac tablcy Φj,); Wyróżna sę dwe metody: autoorelacj autoowarancj Dla metody autoorelacj sygnał mowy jest nezerowy dla 0 n N-1; poza tym przedzałem jego wartośc są równe zeru Wówczas można wyazać Φ j, ) R j ) gdze R ) N 1 n 0 s n) s n + )

24 Synteza sygnału dźwęowego Należy rozwązać uład równań M 1 a R ) R ) 1,..., M Metoda elmnacj Gaussa pozwala rozwązać uład M równań z M newadomym. To jest macerz Toepltza stałe wartośc na poszczególnych dagonalach), co ułatwa oblczena

25 Synteza sygnału dźwęowego Do rozwązana uładu opracowano algorytmy Levnsona Robnsona, procedurę reursyjną Durbna: 1) 2 ) 1) 1) ) ) 1) 1 1 1) 0) ) / ) ) 0) j j j j j E E j a a a a E j R a R R E dla 1 M Rozwązanem jest zbór a j a j M) przy 1 j M Metoda słada sę z dwóch etapów, najperw oblcza sę elementy macerzy uładu a następne rozwązuje powstały uład

26 Woodery LPC Kodowane sygnału mowy do zapewnena małej szybośc przesyłana danych sn) Analzator LPC Uład odowana Kanał Uład deodowana Syntezator LPC Współczynn według metody LPC atualzuje sę zwyle co 20ms. Wówczas szybość przesyłana sygnału mowy wynos rzędu 1000 btów/s

27 Rozpoznawane mowy Wyróżnamy trzy etapy: - parametryzacja sygnału - lasyfacja stopeń podobeństwa zboru parametrów do zborów bblotecznych) - podjęce decyzj sn) Pomar parametrów Klasyfacja Reguły decyzyjne Rozpoznane słowo Bblotea wzorców parametrycznych

28 Kerun rozwoju PS DaVnc Dgtal Meda Processors Mroontroler plus PS w jednym, dodatowe złącza, wspomagane przetwarzana vdeo. Transport Stream InterFace Ethernet MAC Hgh-Defnton Vdeo/Imagng Coprocessor

29 Kerun rozwoju PS np. TMS320DM355 DSPs SOCs

30 Kerun rozwoju PS Łatwejsze dołączane do zewnętrznych urządzeń

31 Kerun rozwoju PS Zastosowana PS przy przetwarzanu sygnału vdeo

32 Kerun rozwoju PS Zastosowane PS na ażdym etape przetwarzana oraz transmsj sygnału vdeo

33 Kerun rozwoju PS Nowe zastosowana rodzny TMS320C2000 Sterowane ntelgentnym urządzenam eletrycznym, pomar zużyca energ przez seć energetyczną moc oblczeń 150MIPS, szybość transmsj 100bps, zasęg do lu m

34 Kerun rozwoju PS Nowe zastosowana rodzny TMS320C2000 Sterowane dołączanem odnawalnych źródeł energ; optymalne przewarzane DC/DC

35 Kerun rozwoju PS Nowe zastosowana rodzny TMS320C2000 Zastosowane w przemyśle oraz w domach źródła energ) Możlwość montorowana zużyca energ, a taże sterowana zdalne przez modem lub nne nterfejsy Dane oprócz przetwarzana w czase rzeczywstym są równeż magazynowane do późnejszej analzy porównawczej Do przetwarzana próbe, wylczana FFT, wylczana RMS prądu, napęca, mocy, perwszej harmoncznej oraz harmoncznych wyższych rzędów ocena jaośc energ); rodzna C2000- F2833x) oraz np. TMS320C6745

36 Kerun rozwoju PS Mern zużyca energ

37 Kerun rozwoju PS Kontrola zużyca energ w przenośnych urządzenach

38 Kerun rozwoju PS Zarządzane energą w domowej nstalacj energetycznej

Podobne dokumenty

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5