Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FILTRO WIENER
1. Introducción
Los filtros de Wiener son los mejores El objetivo del filtrado de Wiener es
filtros lineales de mínimos cuadrados, determinar la respuesta impulsional h(k)
que pueden ser usados para predicció n, de forma que el error e(k) sea, en un
estimació n, interpolació n, filtrado de sentido estadístico, "lo má s pequeñ o
señ al y ruido, etc. Para diseñ arlos se posible". El criterio elegido es la
necesita tener un conocimiento previo minimizació n del valor cuadrá tico medio
apropiado de las propiedades del error
estadísticas de la señ al de entrada. El
problema reside en que este x = E{|e(n)|2}
conocimiento generalmente no se puede
obtener. En su lugar se usan filtros El filtro digital tiene una señ al de entrada
adaptativos, que hacen uso de los datos y produce una señ al de salida. El filtro
de entrada para aprender los datos será un filtro de Wiener si su respuesta
estadísticos requeridos. En cualquier impulsiva se elige para minimizar el
caso, la teoría de Wiener es importante error cuadrá tico medio. El error se define
para el presente estudio porque los como la diferencia entre la salida del
filtros adaptativos que será n empleados filtro y la respuesta deseada:
convergen asintó ticamente (en media)
en las soluciones de Wiener.
2. Filtro de Wiener
Cuando se trabaja con filtros de Wiener,
generalmente la respuesta deseada
En su forma má s general, consiste en una
existe só lo de forma conceptual. Las
señ al de entrada, f(k), una respuesta
propiedades estadísticas de la respuesta
deseada, d(k), y un filtro lineal de
deseada y sus relaciones estadísticas con
respuesta impulsional h*(k). Este filtro es
la señ al de entrada al filtro se asume que
alimentado por f(k) y produce a su salida
son conocidas por el diseñ ador.
g(k). La diferencia entre la señ al de salida
del filtro, g(k), y la señ al deseada, d(k), es
el error de la estimació n, e(k). 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.
1
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes
Se puede sustituir:
2.1. Tipos
2
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes
Para el filtro FIR, existe un nú mero finito que el ruido de la señ al contaminada esté
de posibles coeficientes del filtro, lo suficientemente correlado con el ruido
mientras que con el filtro IIR, el nú mero de la fuente a la que tenemos acceso.
de incó gnitas, es decir, de valores de h(n) Usando, tal y como se explica en la ayuda
para todo n, es infinito. Vamos a de la funció n, el siguiente có digo,
considerar dos situaciones: podremos obtener un filtro de orden 'p'
con el que realizar una estimació n del
Primero el caso en que no ruido aditivo de la señ al informació n,
aplicamos restricciones a la restando finalmente este a la señ al
solució n. Obtendremos que el contaminada.
filtro ó ptimo es, en general, no
causal, y por tanto, irrealizable:
Filtro Wiener IIR no causal. % Calcula y devuelve los coeficientes de
Posteriormente, aplicaremos la un filtro FIR por el método de
condició n de causalidad, y para % Wiener segú n la siguiente estructura:
ello forzaremos h(n) a cero para %
valores de índice n negativos: % w = fWiener(x1,x2,p,N)
Filtro Wiener IIR causal. %
% Donde en 'w' se almacenan los
La funció n de transferencia del IIR en coeficientes del filtro FIR de Wiener. 'x1'
tiempo discreto es: % se corresponde con, en el caso de
cancelació n de ruido, la señ al
% contaminada y, 'x2' con el ruido
procedente de la fuente de ruido. Es
% necesario que 'x1' y 'x2' se encuentren
lo má s correlados posible. El
% orden del filtro deseado se pasa a
través del parámetro 'p' y, 'N'
% indica finalmente el nú mero de
muestras de las que queremos hacer uso
Y del FIR es: de
% las señ ales 'x1' y 'x2' para la obtenció n
del filtro (para funcionamiento
% ó ptimo, N = length(x1)).
3
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes
0.1208
N=200; 0.1070
k=1:N; 0.0905
w0=0.45; 0.0416
d=sin(w0*k)'; %Senal deseada -0.0104
-0.0574
La señ al a tratar es la señ al deseada con -0.0774
un ruido blanco de distribució n normal, -0.0922
varianza 1. -0.0831
-0.0703
-0.0269
eps=1; 0.0172
n=eps*randn(N,1); 0.0613
x=d+n; 0.0723
0.0783
plot(x,'r');
%hold on; Estos son los coeficientes que mejor
%plot(d) filtran el ruido de la señ al . Obviamente,
%hold off; la respuesta que te dará es diferente, ya
pause; que no estamos utilizando la matriz de
autocorrelació n real, sino una estimació n
en base a las muestras de que
disponemos, que cambian cada vez que
creamos la señ al x al tener una
componente aleatoria.
xrec=filter(w,1,x);
%plot(x,'r');
Calculamos la matriz R y el vector p y le %hold on;
decimos a Matlab que resuelva w de la plot(xrec);
4
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes
No está mal, compará ndolo con la señ al Prueba variaciones de los pará metros de
original. Para entender el tipo de filtrado la señ al y del filtro y describe có mo
que realiza el filtro de Wiener, vamos a cambian los efectos del filtrado: prueba
ver la respuesta frecuencial del filtro diferentes ó rdenes (P=6, 50 y 200),
frente al espectro de la señ al que hemos diferentes nú meros de muestras (N=25 y
recibido: 1000), diferentes frecuencias (w0=0.2 y
1.0) y diferentes varianzas (eps=0.25 y
X=abs(fft(x,1024)); 5).
W=abs(fft(w,1024));
Comprueba el efecto de añ adir un offset
plot(X./max(X)); de 0.5 al ruido.
hold on;
plot(W./max(W),'r'); eps=1;
hold off; n=eps*randn(N,1)+0.5;
D=abs(fft(d,1024));
Xrec=abs(fft(xrec,1024));
plot(D,'g');
5
Escuela Superior Politécnica de Chimborazo Ing. Electrónica Telecomunicaciones y Redes
6. Referencias
http://www.dma.fi.upm.es/doce
ncia/cursosanteriores/02-
03/segundociclo/redesdeneuron
as/Temas/7FiltrosAdaptativos.p
df
http://physionet.cps.unizar.es/~
eduardo/docencia/tds/librohtml
/adapt1.htm
http://physionet.cps.unizar.es/~
eduardo/docencia/tds/librohtml
/adapt1.htm
4. Conclusiones http://physionet.cps.unizar.es/~
eduardo/docencia/tds/librohtml
En tecnología digital el diseñ o /adapt1.htm
mediante filtros FIR, el filtrado
MSE se implementa en
prá cticamente todas las
aplicaciones de procesado de
señ al. Desde receptores de
comunicaciones, codificadores de
fuente, prospecció n acú stica, etc.
todos los sistemas incluyen de un
modo u otro un filtro de Wiener.
El filtro se basa en el principio de
ortogonalidad de datos que
consiste en derivar e igualar a
cero la funció n. Esto ha permitido
descubrir un método de conocer
las prestaciones del filtro antes
de proceder a su diseñ o.
Se ha utilizado una herramienta
Simulink y Matlab que permite al
usuario concentrarse en los
problemas del algoritmo má s que
en los de su implementació n,
pues le oculta a éste detalles de la
misma.
5. Recomendaciones