Escuela Superior Politécnica de Chimborazo Ing.

Electrónica Telecomunicaciones y Redes

FILTRO WIENER

L. Caiza, S. Asadovay, M. Tixi, L. Martínez

ESPOCH, Riobamba- Ecuador

1. Introducción alimentado por f(k) y produce a su salida

g(k). La diferencia entre la señ al de salida
Los filtros de Wiener son los mejores del filtro, g(k), y la señ al deseada, d(k), es
filtros lineales de mínimos cuadrados, el error de la estimació n, e(k).
que pueden ser usados para predicció n,
estimació n, interpolació n, filtrado de
señ al y ruido, etc. Para diseñ arlos se
necesita tener un conocimiento previo
apropiado de las propiedades
estadísticas de la señ al de entrada.

El problema reside en que este

conocimiento generalmente no se puede
obtener. En su lugar se usan filtros
adaptativos, que hacen uso de los datos
de entrada para aprender los datos
estadísticos requeridos. En cualquier
Fig.1 Filtro Digital Wiener
caso, la teoría de Wiener es importante
para el presente estudio porque los
El objetivo del filtrado de Wiener es
filtros adaptativos que será n empleados
determinar la respuesta impulsional h(k)
convergen asintó ticamente (en media)
de forma que el error e(k) sea, en un
en las soluciones de Wiener.
sentido estadístico, "lo má s pequeñ o
posible". El criterio elegido es la
2. Filtro adaptativo
minimizació n del valor cuadrá tico medio
del error
 Es un sistema digital compuesto
por: filtro lineal programable de
x = E{|e(n)|2}
entrada x(n) y salida ŷ (n).
 Los coeficientes se reprograman
El filtro digital tiene una señ al de entrada
de una muestra a la siguiente a
y produce una señ al de salida. El filtro
través de un algoritmo de
será un filtro de Wiener si su respuesta
adaptació n.
impulsiva se elige para minimizar el
 Los coeficientes cambian su valor
error cuadrá tico medio. El error se define
diná micamente en el tiempo.
como la diferencia entre la salida del
 El sistema puede ser inestable
filtro y la respuesta deseada:
por lo que se utiliza con mucha
frecuencia los sistemas FIR
 Son incondicionalmente estables.

Cuando se trabaja con filtros de Wiener,

3. Filtro de Wiener
En su forma má s general, consiste en una
señ al de entrada, f(k), una respuesta
deseada, d(k), y un filtro lineal de
respuesta impulsional h*(k). Este filtro es
generalmente la respuesta deseada
existe só lo de forma conceptual. Las
propiedades estadísticas de la respuesta
deseada y sus relaciones estadísticas con
la señ al de entrada al filtro se asume que
son conocidas por el diseñ ador.

1
Escuela Superior Politécnica de Chimborazo
La situació n es bastante diferente cuando
se trata con filtros adaptativos. En éstos,
la respuesta deseada existe como una
señ al que puede ser obtenida como
entrada en tiempo real al algoritmo
adaptativo, para conseguir aprender y
adaptarse. Los filtros de Wiener no
aprenden.
Su diseñ o es fijo, basado en un primer
conocimiento estadístico.
La respuesta impulsiva del filtro de
Wiener se obtiene encontrando una
expresió n para el error cuadrá tico medio
y minimizá ndola con respecto a la
respuesta impulsiva. Elevando al
cuadrado en ambas partes, se obtiene:
Sabiendo que:
Se puede sustituir:
Si tomamos valor medio en ambos lados,
encontramos una expresió n para el error
cuadrá tico medio (MSE, mean square
error):
Siendo Φmm la auto correlació n y Φmn
la correlació n cruzada de dos señ ales m y
n. si derivamos con respecto a h, que es la
respuesta impulsiva del filtro, e
igualamos a cero para minimizar el error:
Ing. Electrónica Telecomunicaciones y Redes
Esta es la ecuació n de Wiener-Hopf , que
en forma de convolució n queda:
Tomando transformada Z en ambas
partes:
Con la solució n de Wiener se puede
encontrar la funció n de transferencia del
filtro H*(z) a partir de la transformada
z de la funció n de autocorrelació n de la
señ al de entrada, de la correlació n
cruzada de la señ al de entrada, y de la
respuesta deseada. Si se sustituye esta
ecuació n en la expresió n del error se
obtiene el valor del mínimo MSE:
3.1. Tipos
Existen diversas estructuras para el
filtro de wiener. Comenzaremos con el
caso en que el filtro puede ser no causal y
de duració n infinita, el filtro IIR no
causal.
Posteriormente añ adiremos la
restricció n de causalidad para obtener
un filtro IIR causal. Por ultimo, la
restricció n de longitud finita nos
conducirá al filtro FIR.
3.1.1. Filtro de Wiener  IIR
Nuestro propó sito es diseñ ar un filtro
h(n) que produzca una salida:
y(n) = x(n) * h(n)
2
Escuela Superior Politécnica de Chimborazo
Tan cercana como sea posible, en sentido
cuadrá tico-medio, a la respuesta
deseada, d(n).
El enunciado del problema es idéntico
para filtros FIR y para IIR, pero existe
una gran diferencia que cambia la
solució n.
Para el filtro FIR, existe un nú mero finito
de posibles coeficientes del filtro,
mientras que con el filtro IIR, el nú mero
de incó gnitas, es decir, de valores de h(n)
para todo n, es infinito.
Vamos a considerar dos situaciones:
• Primero el caso en que no
aplicamos restricciones a la
solució n. Obtendremos que el
filtro ó ptimo es, en general, no
causal, y por tanto, irrealizable:  Ordenando términos llegamos a:
Filtro Wiener IIR no causal.
• Posteriormente, aplicaremos la
condició n de causalidad, y para
ello forzaremos  h(n) a cero para
valores de índice n negativos:
Filtro Wiener IIR causal.
3.1.2. Filtro de Wiener IIR no
causal
Para un filtro de Wiener IIR no causal
(sin restricciones), debemos determinar
la respuesta impulsional, h(n),
que minimice el error cuadrá tico medio
donde e(n) es la diferencia entre la
respuesta deseada d(n) y la salida del
filtro de Wiener,
Ing. Electrónica Telecomunicaciones y Redes
Para encontrar la respuesta derivamos x
respecto a h*(k) para todo k e igualamos
las derivadas a cero. Así, obtenemos
Esta ecuació n se conoce como principio
de ortogonalidad, y establece que x es
mínimo y los coeficientes del filtro
asumen sus valores ó ptimos cuando e(n)
está incorrelado con cada muestra de
entrada x(n) que es utilizada para el
cá lculo de la estimació n. Como
consecuencia, el error también es
ortogonal a la salida del filtro. Este
principio establece una condición
suficiente y necesaria para la
optimizació n.
    Observamos que el valor medio
esperado en la izquierda es la
autocorrelació n de x(n), y que el término
de la derecha es la correlació n cruzada
entre x(n) y d(n). Por tanto, podemos
escribir la ecuació n anterior como
    Y así obtenemos las ecuaciones de
Wiener-Hopf para el filtro de Wiener
IIR no causal.
3.1.3. Filtro de Wiener IIR causal
En esta secció n vamos a aplicar la
restricció n de causalidad al filtro de
Wiener. La respuesta impulsional, por
tanto, será cero para valores de n
menores de cero, y la estimació n de d(n)
tomará la forma
3
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes

Debemos encontrar los coeficientes que el usar sensores de vibració n en

minimizan el error cuadrá tico medio, y
para ello, derivamos x respecto a h*(k)
con k = 0 e igualamos las derivadas a
cero. Así obtenemos las ecuaciones de
Wiener-Hopf para el filtro de Wiener
IIR causal:
paneles vibrantes o micró fonos
direccionales con un nulo en la
direcció n donde se recoge la
señ al deseada. Para comprobar el
correcto funcionamiento del filtro
se calculara la coherencia
espectral de los datos con la
referencia.

3.2. Aplicaciones

 La primera aplicació n tiene que

ver con el problema de
recuperació n de una portadora
en ruido aditivo y gaussiano de
potencia σ2
 Otra aplicació n de interés del  El filtro de Wiener como
filtrado de Wiener esta en los cancelador de ecos. Por falta de
denominados canceladores de aislamiento en el transformador
ruido. En esta ocasió n, se supone híbrido cercano al origen de la
que la señ al deseada s(t) conversació n 2, la conversació n
(habitualmente voz o audio) se ve de 1 vuelve después de atravesar
afectada por un ruido aditivo el híbrido (modelado como un
h(t)*w(t), donde h(t) es el canal canal lineal). El cancelador debe
de propagació n del ruido hasta el generar una réplica de dicho
micró fono. Si dicho ruido puede canal para eliminar el eco.
captarse (muy importante) libre
de señ al deseada, vía otro
micró fono (o un galga
extensiométrica si
 Se trata de una superficie
vibrante, caso de ruido de baja
frecuencia), entonces puede
usarse de referencia para
cancelar este a la salida Lo que se
espera del filtro de Wiener es que
sea capaz de lograr una copia
adecuada del canal h(t).
 Nó tese que en este caso, bajo un
diseñ o ó ptimo del filtro, el error
será precisamente la señ al 4. Programa en Matlab
deseada libre de ruido. Esto
ocurrirá cuando el filtro copie
La siguiente funció n implementada en
perfectamente el canal de
Matlab se encarga de calcular los
propagació n del ruido. Es crucial
coeficientes de un filtro FIR segú n el
que el canal, denominado de
método de Wiener.
datos en la figura, no contenga
señ al deseada s(n), de otro modo
Una utilidad puede ser la cancelació n de
se
ruido donde, teniendo acceso a la fuente
 Produciría la cancelació n de ésta.
de ruido, podemos conseguir el filtrado
Por esta razó n es recomendable

4
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes

de la señ al contaminada, siendo w=R\p

imprescindible que el ruido de la señ al
contaminada esté lo suficientemente
correlado con el ruido de la fuente a la w=
que tenemos acceso. Usando, tal y como
se explica en la ayuda de la funció n, el 0.1208
siguiente có digo, podremos obtener un 0.1070
filtro de orden 'p' con el que realizar una 0.0905
estimació n del ruido aditivo de la señ al 0.0416
informació n, restando finalmente este a -0.0104
la señ al contaminada. -0.0574
-0.0774
 Definimos la señ al de entrada: -0.0922
-0.0831
P=15; Orden del filtro -0.0703
N=200; Número de -0.0269
muestras 0.0172
k=1: N; Vector 0.0613
w0=0.45; Frecuencia del 0.0723
filtro 0.0783
d=sin(w0*k)'; Señal
deseada Estos son los coeficientes que mejor
eps=1;Varianza del ruido filtran el ruido de la señ al. Obviamente, la
Blanco respuesta que te dará es diferente, ya que
n=eps*randn(N,1); no estamos utilizando la matriz de
x=d+n; Señal más ruido autocorrelació n real, sino una estimació n
plot(x,'r'); en base a las muestras de que
pause; disponemos, que cambian cada vez que
creamos la señ al x al tener una
componente aleatoria.

Vamos a ver có mo queda la señ al

después de filtrarla con nuestro filtro
recién calculado, y lo compararemos con
la señ al deseada.

xrec=filter(w,1,x);
plot(xrec);
hold on;
plot(d,'g');
hold off;

 Aplicar el filtrado de Wiener:

r=xcorr(x); Correlamos la señal de

entrada
R=toeplitz(r(N:N+P-1)); Calculamos la
matriz R
ptemp=xcorr(x,d);
p=ptemp(N:N+P-1); Calculamos el vector
P

5
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes

No está mal, compará ndolo con la señ al receptores de comunicaciones,

original. codificadores de fuente, etc.
Todos los sistemas incluyen de
A continuació n se muestra un ejemplo de un modo u otro un filtro de
la utilizació n del filtro Wiener en
Wiener.
procesamiento de imá genes.
 El filtrado lineal ó ptimo (filtro de
Wiener) aparece en multitud de
problemas de comunicaciones.
 El filtro de Wiener extrae de la
entrada la parte correlada con la
señ al deseada (si p=0, w=0).
 La señ al de error resultante está
incorrelada con la entrada (y con
la salida del filtro): Principio de
ortogonalidad.

6. Recomendaciones

 Para el estudio del filtro Wiener

es necesario tener previos
conocimientos de Estadística y
Transformada Z.
 Al programar en Matlab, tomar
en cuenta que la matriz de
correlació n debe tener su
inversa.
5. Conclusiones
7. Referencias
 En tecnología digital el diseñ o
mediante filtros FIR, el filtrado
 http://www.dma.fi.upm.es/doce
MSE se implementa en
ncia/cursosanteriores/02-
prá cticamente todas las
03/segundociclo/redesdeneuron
aplicaciones de procesado de
as/Temas/7FiltrosAdaptativos.p
señ al. Desde receptores de
df
comunicaciones, codificadores de
 http://physionet.cps.unizar.es/~
fuente, prospecció n acú stica, etc.
eduardo/docencia/tds/librohtml
todos los sistemas incluyen de un
/adapt1.htm
modo u otro un filtro de Wiener.
 http://physionet.cps.unizar.es/~
 El filtro Wiener determina la
eduardo/docencia/tds/librohtml
respuesta impulsional de forma /adapt1.htm
que el error sea lo má s pequeñ o  http://physionet.cps.unizar.es/~
posible. eduardo/docencia/tds/librohtml
 El filtro se basa en el principio de /adapt1.htm
ortogonalidad de datos que
consiste en derivar e igualar a
cero la funció n.
 En tecnología digital el diseñ o
mediante filtros FIR, se
implementa en las aplicaciones
de procesado de señ ales, desde