ORLANDO
JOSÉ TOBIAS
ANÁLISE
ESTATISTICA
DO
COMPORTAMENTO
DO
ALGORITMO
LMS
FILTRADO
OFLORIANÓPOLIS
`
UNIVERSIDADE
FEDERAL DE SANTA CATARINA
, f .,- z. \
,
/ ou /
CURSO
DE
POS-GRADUAÇAO
EM
ENGENHARIA
ELETRICA
ANÁLISE
ESTATISTICA
Do
ACOMPQRTAMENTO
Do
ALGORITMO
LMS
FILTRADO
Tese submetida à
Universidade Federal de Santa Catarina
como
parte dos requisitos para aobtenção do grau de
Doutor
em
Engenharia Elétrica.ORLANDO
JOSÉ TOBIAS
'
ANÁLISE
ESTATÍSTICA
DO
COMPORTAMENTO
DO
S
ALGORITMO LMS
FILTRADO
Orlando
José
Tobias
'Esta
Tese
foi julgadaadequada
para obtençãodo
Título deDoutor
em
Engenharia Elétrica,Área
de Concentraçãoem
Sistemas de Informação, e aprovadaem
suafonna
finalpelo
Curso
dePós-Graduação
em
Engenharia Elétricada
Universidade Federal de Santa Catarina.”/
P\
, C 'ri E Prof. Jos 'z eiryênnudez, Ph.D. rientad r _ .C
Prof. Rui Seara, Dr.
A o-orientador
-¬z'.zz.z^'2Ye”>'~
§
__ ¬
ro . 1 . .. °. ana ecker, D.Sc.
Coordenador do Curso de Pós-Graduação
em
Engenharia ElétricaBanca
Examinadora: » '.__
K
/
S%
Prof. Jos' r ' a Bermudez, Ph.D. . resi nte
/
`CC-/“-á
-
Prof. Rui Seara, Dr.
2
W.)
Z
1>wfJí›séJ<›â z Espíndola, Ph.D.Prof.
~í:<:m
Dr..Í
Áa
Prof. Carlos Aurélio Faria da Rocha, Dr.
$
ÀGRADECIMENTOS
A
meus
pais Catalina e Orlando que,com enorme amor
e sacrifício,fizeram
com
que eu
pudesse chegar
onde
cheguei.A
Patrícia e Diego pela alegriade
viver.À-sociedade brasileira, representada pela
CAPES,
pela concessãode
uma
bolsade
~estudos, permitindo assim a realizaçao deste trabalho.
Aos amigos do LINSE
pela agradável convivência.Resumo
da Tese apresentada àUFSC
como
parte dos requisitos necessários para a obtençãodo
grau de Doutorem
Engenharia Elétrica.I I '
ANALISE
ESTATISTICA
DO
COMPORTAMENTO DO
ALGORITMO
LMS
FILTRADO
Orlando
José
Tobias
Outubro/1999
Orientador: José Carlos Moreira
Bermudez, PhD.
Co~orientador: Rui Seara, Dr.Area
de Concentração: Sistemas de Informação.Palavras-chave: Algoritmos adaptativos, Algoritmo
LMS
filtrado, Controle ativo de ruídoNumero
de Páginas: 135.RESUMO:
Neste trabalho, é apresentadauma
análisedo comportamento
estocásticodo
algoritmoLMS
filtrado(FX-LMS).
É
obtidauma
expressão recursiva para osmomentos
de primeira e de segundaordem
dos coeficientesdo
filtro adaptativo parasem
a consideraçao de adaptaçao lenta.O
modelo
proposto nao depende do tipodo
sinal de referência,podendo
ser sendo ruído brancoou
colorido.Também,
não
é utilizada anclássica suposição da teoria da independência.A
solução deWiener
é determinada explicitamenteem
função das estatísticas da entrada e as respostas ao impulso doscaminhos
primário e secundário.É
mostrado,também,
queem
regime permanente o valor esperado dos coeficientesdo
filtroconvergem
para a solução deWiener
para o casoem
que ocaminho
secundário é estimadosem
erro. Simulaçõesmostram
um
excelente casamentocom
ocomportamento
predito pelomodelo
Abstract of Thesis presented to
UFSC
as a partial fulfillment of the requirements for the degree of Doctor in Electrical Engineering.STATISTICAL
ANALYSIS
OF
THE BEHAVIOR
OF
THE
FILTERED-LMS
ALGORITHM
Orlando
José Tobias
October/ 1999
Advisor: J osé Carlos Moreira
Bermudez, PhD.
Co-advisor: Rui Seara, Dr.
Area
of Concentration: Information systems.Keywords:
Adaptive algorithms, FilteredLMS
algorithm, Active noise control.Number
of Pages: 135.ABSTRACT
: In thiswork
is presented an statistical analysis of the filtered-LMSalgorithm
(FX-LMS).
We
derive recursive expressions for the first and secondmoments
of the filter weights Without thecommon
assumption of slow adaptation.The
proposedmodel
does notdepend
of the nature of the reference signal, white noise or a correlated process. Also, themodel
is derived Without invoking theclassical assumption of the independence theory.
The optimum
Weight vector isdetermined as a function of the input signal statistics and the impulse responses of the primary and secondary paths. Simulation results
show
a very close agreement with the behavior predictedby
the theoretical model.SUMÁRIO
SUMÁRIO
1.
INTRODUÇAO
. . . . _MOTIVAÇAO
DO
PRESENTE TRABALHO . . . . .1.1. INTRODUÇÃO
Ao
ÇONTROLE DE RUÍDO ACÚSTICO . . . . _ADAPTABILIDADE . . . . .
1.3.
ALGORITMO
ADAPTATIVO . . . . .1.4.
ALGORITMO
LMS
EILTRADO . . . . .1.5. ESTIMAÇÃO DE
S
. . . . .1.6. ESTADO ATUAL DA ARTE . . . . .
1.7. ORGANIZAÇÃO DA TESE . . . . _
2.
MOMENTO
DE PRIMEIRA
ORDEM
. . . . .INTRODUÇAO . . . . .
2.1. CONSIDERAÇÕES INICIAIS -
DIAGRAMA
EM BLOCOS. . . . .
2.2.
EQUACIONAMENTO
DO
SISTEMA . . . . . . . .2.2.1. Sinal de erro . . . . .
2.2.2. Atualização dos coeficientes
do
filtro adaptativo 2.3.SOLuÇAo
ÓTIMA . . . _ .2.3.1. Princípio da Ortogonalidade . . . . . . . . _
2.3.2. Superfície de erro
-
Mínimo
EMQ
. . . . .2.3.3.
Forma
canônica da Superfíciede
erro . . . . .2.4. CÁLCULO
DO
MOMENTO
DE PRIMEIRAORDEM
. . . . .SUMÁRIO
REGIME PERMANENTE
QUANDO Ê
¢
S
_ . . . _ _ _ _ . . _ _ _ _ _ . _ .30
2.5.1. Estimação
do
erroem
excesso para o regime permanente. _ _ _ 31VETOR
DE ERRO Nos COEEICIENTES . . _ . . . _ _ _ . _ . _ _ _ _ _ _ . . _ . . . _ _32
EFE1TO DOS ERRO DE ESTIMAÇÃO
DO CAMINHO
SECUNDÁRIO _ . _ _ . _ . . . _ . _ .34RESULTADOS DE SIMULAÇÕES . . . _ . . . _ .36
2.8.1. Avaliação da suposição (II) . . . _ . . . _ . . . . . _ . . . _ .36
2.8.2. Avaliação
do
modelo:Caso
1 . . . . _ . _ _ _ _ . . _ . . . . . _ . _ _ _ _ _46
2.8.2. Avaliação
do
modelo:Caso
2 _ . _ . . . _ . . . . _ _ _ . . . . _ . _ _49
2.8.2. Avaliação
do
modelo:Caso
3 . . . . . _ . . _ _ _ . _ . . . _ _ 52CONCLUSÕES . _ _ . . . . . . . _ . . _ . . . . _ _ . . . . _ _ . . _ . . . . . _ _ . . _ _ 55
3
MOMENTO
DE
sEGuNDA
ORDEM
. . . . . . _ . . . . _ . . . . . _ ... . .só
INTRODUÇAO
. . . . . . . _ _ 56ALGORITMO
DLMS
. . _ . . _ _ _ . . . . _ . . . _ _ . . . _ . . . _ . . . _ _ 573.1.1. Sinal
de
erro _ _ _ _ . . . . _ . . . _ _ _ _ _ . . _ . . . _ .573.1.2.
Equação de
atualização dos coeficientes . . . _ _ _ . . . . . _ . _ _ 583.1.3. Vetor
de
coeficientes Ótimo . . . _ . . . _ _ . . . _ . . . _ . _ _ . _ _ 593.1.4. Erro
médio
quadrático . . . _ . . _ _ . _ . . . _ . . . _ . _ . . . . _ _59
3.1.5. Valor
em
regimepermanente do
vetorde
coeficientes . . . _ . _ _60
3.1.6. Vetor erro nos coeficientes
em
relação aWw
. . . . . _ . . . _ _ 613.1.7. Estudo
do comportamento médio
dos coeficientesquando
Ê¢D
. . . . _ _ . _ . . . _ . _ . _ . . . . . . _ . . . _ . _ . . . .._61
3.1.8. Erro
médio
quadráticoem
funçãode V(n)
. . . . . . . . . . . . . _ _63
3.1.9. cálculo
de
E[V(n-D)VT(n-D)]
. . . _ _ . . . _ . . . . . ...õ3
~
3.1.10. Estudo
do
casocom
estimaçao perfeitado
atraso . _ . . . _ . _ _ .7OSUMÁRIO
3.1.11. Estudo da estabilidade
do
algoritmoDLMS
. . . .753.1.12. Análise
do
caso geral(Õ
¢
D)
. . . . . . . .773.1.13. Análise
do
DLMS
utilizando a teoria da independência . . . .783.1.14. Conversão
do
caso sob análise no caso estudado por Long et al . . . . . . . . .79
3.2. RESULTADOS DE SIMULAÇÕES PARA
o
ALGoR1TMoDLMS
. . . .843.2.1. Simulação 1 . . . . . . . . _ .
84
3.2.2. Simulação 2 . . . .86
3.2.3. Simulação 3 . . . _' . .
86
3.2.4. Simulação 4 . . . _
88
3.3.CASO
GERAL . . . . . . . .9O 3.3.1. Sinalde
erro . . . . . . . . . . . . . . . .913 3.3.2. Erro
médio
quadrático . . . . 91 3.4. RESULTADOS EXPERIMENTAIS . . . . . . . . . . _94
3.4.1. Simulação 1 . . . . . . . . . . . .94
3.4.2. Simulação 2 . . . . . . . .96
3.4.3. Simulação 3 . . . . . . .97
3.4.4. Simulação 4 . . . . . . . . . . .98
3.5. CoNcLusöES . . . . . . . .99
4.
AP|.1cAçoEs
. . . . . . . . . . . . . . . . . . . 101Exemplo
4.1 . . . . . . . . . . . .101Exemplo
4.2 . . . . . . . .105Exemplo
4.3 . . . .108Exemplo
4.4 . . . . . . . .112Exemplo
4.5 . . . . . . . . . . . . . . . . . . .116SUMÁRIO
~5.
CoNcLusoEs
. . . _ _6.
REFERÊNCIAS
BIBLIoGRÁFICAs
. . . _ _APÊNDICE
A
. . . _ . . . _ . . . . . _ _APÊNDICE
B
. . . _ _ . _ . _ . . . _ . . . . . _ . . . . _ _ Matrizde
correlação _ _ . _ . . . _ . . . . _ _ _ _ . . . _ . _ . _ _ _ . _ _ Simpiificação daEquação
(b.4) . _ _ _ _ _ _ _ _ . . _ . . _ _ _ _ . . . _ . _ _Determinação da
Equação
associada à (b.4) . _ . _ _ _ . . . _ . . _ _ _APÊNDICE
C
. . . _ . . . _ . _ . . . . _ _Cálculo
do
momento
de
quartaordem de
uma
variável gaussianai
Int
duçã
~
MOTIVAÇAO DO
PRESENTE
TRABALHO
O
princípio básicode
funcionamentode
um
filtro adaptativo é a capacidade de variar seus parâmetros, atravésde
um
algoritmode
controle,de
formaque
convirjam auma
soluçãoque
minimizeuma
determinada função custo.A
ampla
aceitação dos filtros adaptativos é evidenciada pela vasta literatura pertinente,como
também
pelas mais diversas situaçõesem
que
estesvem
sendo
aplicados. Dentre os algoritmosde
controle o mais utilizado é,sem
dúvidas, o algoritmoLMS
(Least Mean-Square), principalmente pela sua simplicidade ~e fácil implementaçao.
Nos
últimos anos, a áreade
controle ativode
ruido acústico e vibraçõesvem
recebendo muita atenção por partede
pesquisadores eempresas
envolvidascom
este problema.O
desempenho
de
um
sistemade
controle ativo é determinado, fundamentalmente, pelo algoritmode
controleou
algoritmode
adaptação.A
efetividadede
um
algoritmo adaptativodepende de
suaadequação
ao problemasendo
tratado ede
um
bom
projeto.Tanto
aadequação ao
problemaquanto
a qualidadedo
projetodependem, no
entanto,do conhecimento que
o projetistatem
das propriedadesde
cada algoritmo considerado.Em
geral, este conhecimento é obtido atravésde modelos
analíticosque permitem
predizer ocomportamento do
sistema,ao
invésde
avaliar seudesempenho
por meiospuramente
experimentais. Modelos analíticospermitem
a inferência sobre o funcionamentodo
algoritmoem
diversas situações, o estudo sobre aadequação do
algoritmo à aplicação, acomparação
dosdesempenhos
de
diferentes algoritmos e o estudo da estabilidade. Portanto, taismodelos
viabilizam projetos mais rápidos e melhores.Uma
variantedo
algoritmo LMS, oLMS
filtradoou
FXLMS
(FilteredX
LMS), é o algoritmo mais utilizadoem
aplicaçõesde
controle ativo. Neste caso, o sinalde
referência é filtrado paracompensar
os efeitosde
operaçoesde
filtragem presentesno caminho de
CAPÍTULO I: INTRODUÇÃO
Por este motivo, as clássicas e consagradas aproximações matemáticas
que permitem
analisar o algoritmo
LMS
não
são extensíveisao
algoritmoFXLMS.
Neste trabalho
apresentamos
uma
análise estatísticado
comportamento do
algoritmoLMS
filtrado. Esta análisedá
origem aum
modelo
analíticoque
permite predizer ocomportamento do
algoritmo F)(LMS.A
abordagem
utilizada para analisar este algoritmo, eque
representauma
alternativa importanteem
relação àsabordagens
usuais, foi a consideraçãode que
a operaçãode
filtragemno
caminho
de adaptação enfatiza a importância da correlação entre vetoresde
entrada consecutivos. Essaabordagem
contradiz claramente a suposição clássica, utilizada para a análise
do
algoritmo LMS,que
inclui-se nachamada
teoria da independência [6]. Nessa teoria, considera-seque
diferentes vetoresde
entrada são estatisticamente independentes. Tal consideração fornece muitobons
resultados para o algoritmoLMS
clássico.No
entanto, a simples extensão para o caso filtrado leva a resultadosque não
refletem ocomportamento
realdo
novo
algoritmo. Simulações numéricas e suas previsõesusando
omodelo
proposto, validam a análise proposta.Os
modelos
analíticos obtidos para ocomportamento
dosmomentos
de
primeira esegunda
ordem
dos coeficientesdo
filtro adaptativo constituem- se na principal contribuição desta tese.1.1
INTRoouçÃo
Ao
coNTRoLE
AT1vo
DE
Ruíoo
Acúsflco
O
termo
Controle Ativode
Ruído Acústicol descreve a supressãode
um
campo
sonoronão
desejado através da superposiçãocom
outrocampo
sonorode
igualmagnitude
porém de
fase invertida. Esta idéianão
é nova,sendo
Paul Lueg [1] o autordo
primeiro artigo publicadoem
1936
sobre este assunto. Através dos anos, esta áreatem
recebido muita atenção e diversas implementações da idéia original já foram exploradas.Algumas
destas
podem
ser encontradasem
artigos [2] e livros [3-4, 25].Para entender o porquê da atenção recebida, é importante
compreender
as .vantagensdo
controle ativoquando
confrontadocom
as técnicas tradicionaisde
reduçãode
ruído (controle passivo).Nas
técnicas passivas faz-se usode
materiais absorventes. Estes materiais são muito efetivos para altas freqüências, geralmente acimade 150
Hz.No
1 Nesta seção estamos nos referindo ao controle ativo
de ruído acústico, no entanto o caso de controle ativo de vibrações é completamente equivalente em relação aos princípios básicos. As principais diferenças situam-se nos transdutores
utilizados.
CAPÍTULO I: INTRODUÇÃO
1 ~ 1 ~
entanto, para obter se
uma
apreciavel reduçaodo
ruido, asdimensoes
dos dispositivosdevem
ser daordem
do
comprimento
daonda
da freqüência a ser atenuada. Assim, para freqüências inferiores a 150 Hz, deve-se utilizar dispositivosde
tamanho
e peso excessivos, tornando esta solução muito onerosa e, às vezes, impraticável.Com
o~
advento das novas geraçoes
de
processadores digitais, as técnicasde
controle ativode
ruído (e vibrações) tornaram-se possíveis. Sua utilização concentra-se na faixa
de
baixas freqüências, jáque
o controle ativode
ruído para altas freqüências é,no momento, de
implementação difícil, devido principalmente à alta velocidade requerida para processar a grande quantidade
de
informação.Além
disso, nesta faixade
freqüências o controle passivo éuma
solução consagrada pela sua eficácia e baixo custo.O
controle ativoem
baixas freqüências representauma
soluçao viável ede
baixo custo para a maioriados
casos práticos, vindo preencher o espaço para o qual o controle clássico é deficiente.
Duto
I ._
D
\\«›>›;›~›=n»››››››››;›zzszzzfzz 5 « 5 »~.-.».z:.-›> '.-;z.;z.›:z.-wp.-«..\;>» :›;:.;.›.›.z«‹. .-55-¿a¿ ¿ ~›~', ; ;›× > ~ ~ :mf :~.;:› vn v › › = -
››> ››› ››~ z;> ~z;wz›.~;z .-zâ \ >›››~›~›~ zz
FOflte de |'UIdO Fê*¿›5z5fg5›»ê.;.‹'5.=;z-.='-.=¬‹:é+=5z5z5<§âÊšÊz§z;35255555?-5-5+;:.sf-I¿â;‹;z›f>›;éz<.%ifÊz5-5-êz5-5-;â-$:5t}z;.§Âtgl§Íͧ.;š§z§ÊÊ2Ê€§z;z›:ÍÊf2›:55Ê55535§5ÊÉšââég§5;z§>›355âš555ê=êê+5;§355Ê?Ê-;¿;š;%;€§e
ggazar...31555;âzêzzzzâzszâââzswsz1;›:z5s:5'5'1'á::;1zzn;›.,'éš;xs¡;;z;z;â;:‹5:2;âéââzzsfi¿ô›z,z§5,riz§z§z›;,¡,z¿5,¿5é.5;5fi:515%555:5›â:as5›z›5›5¿5,55s5;az:1:z1:za;;:z;›5›5:›¿¿›5›5›5›:›;5. : z:=
zgfêf5z_;‹'~2›.1›.5-5-5-:~5‹:-5.;-;z;.;¿€~›-W551;-5-5-5=5~ .1qz;š›z;rg2›Z;‹,ef\z5‹;‹;z5ú5zz:‹êz;2§¿é<§2zg«,«;z,z,zga;gt,zê¿555ê§5=5¿55ê=g=§55zê5g5;5;¿;5g5,5§555555555-5-5-55-2-;~;f5äz.fgê;555;-2-f z-- z-›-
z›:s5s5›;ââa;:;:;:rsz::¡..;.¿_‹¬‹‹‹11;›;›.,z=â:a;s:s::ê;,:_-:seis ¿,z,;;¿,'‹széz;z¬a:-'‹1~,zéaúgzçsêiê àz›¡-ig;5›5,§s§5fé€s5s§àé.1ê;5›;›5›5›5z5›se:â:53:5:5za-5.z;;;›;›<z.::5›é.:;:5:s::a 5 .› -.
,›.›z›.;,z.-.¢.›..- -
.›.›,›.›,›;.;,¿ z.›.;.›.›».-..,=w:»›»;›¿. ›, L .›<›<›<âz..¬:›¿›š:;i\z›~z:,'=<«»ê‹›»= «z =._¡-›.-›=zz.=z.~.-.‹;.›.=zz›¢z›5›=›››,›z›z.;.z.›;.z.;.›.: é.›.›.›¿›».›.›.›.›.z.;.z.é.› ›.
J~._,,¿_. _
-..z.;zz,‹(.WU,,_-\,z,.,..1ç‹.»,›»z›,.; ,(,,¿.M,, ,,¿,¿,.‹ç,_,,\,,5,.-,mzi spa. 1.-zzz-.zz.~emzzza»,›.›s.zzsz.za.z.,.,.z.›.›.›.z.¿..›.5.z;;.z..a».. .. ze?? '~Ê'?~2-:~. Í<`:¡›?‹)H¿ `¡¿:?í?:'*'e"""Í'E'*0f.)L.LuftIiüüfifWvƒ:Ê'“35fšÊ*2$Êf°Ê'?P°'1Ê€*É<H€'2'2~i~2'?›§>**^Q”°="?*2~š~í~š~?~Ê'?~i~š'i'2¬;~¡'¡‹¡:›‹ :ê:Ê‹H'¡"¬í'i¬€'? - ' : ' 'I: ‹<'-f?z:á:;3'¬¿,,.-^‹i;àz§z¡~›~«z=3à:â»1=f>ø'sâ;1;â55;x‹g. zi¿í§¿¿äzêr..'=é<aa§§§ääâaa;rms1:é57.245333TL¬12zszzszägâgšäzâzxsszzšzaws . -. - '- * =: "'* _' zé. ' ”“°¿*` z ¿›»=z›=¬-¬~-:::5:›››.= *=W“~›'» =* vez 5 V .z~.-zzzz.›=;z›.~z› ›z›z›zzwé›:»a5\..;:.:‹».- z:z›z›z›z›z z› « , “N
O
éâëêgšâgçíãêšggzãâgifã 5 Mkzrofone de érêz.-M.-;‹.-,'.-,›,»,>,,-, .zzzzz-5 -.;.z-.az ..z.-.-.-5..5.-,.z.5~.-.;~« :za ,-W» Q , › . » »...,»..~›-;~zz›z.z..m.›sz., ›.›zzzz›z.-mz.-=zz.› zm.-,.-;.5›.-›'.-›.-›z›,›,š5- zzzzzz- z..,.;.;N~flfz3z›:›¿š5š¡š.š.;.â-...MsJ¢;,$*,.>§§.š.›.š.,.›3,›».;.›.›sí;¿.,êzszfi¿›=šg§¡§§g.;.¿.‹.g›‹›z;›z555,>,.zzzârz\.,›,z›zz›gzzz==z=;.z.;zeze» . › .›z- .;z;.-›zz.-z.-›.-›.-,¿,.;z›.›f 555555 .;.-.;.5¢.›z›,§.›.›‹›.›z›,5.=-.‹z‹.z.¢«.,» ¿›,›¿..›.›.›.z›.›.›.›:.z,›¿.\,.,»zz›z:z.››>›,í¿›,›.z.›z.z»5»»z,z›z.›,;¡›¡›¡››¿z¡›.›.;>zz;›z;.›.;.;.›.;.›.›;z › , › .› .;. z.,-:_*Wii:?*'F§í§¿'*~'í§¿n§i§: 5 ":== i-i-i¬:|§-Zí§i§‹,‹§|§|§‹§-/z-f-ifliw*ërzzš”.ytzištf-*àfif:Q-¡-§:2-?';f**z›zàäflë:fra-ëiäëieàèíšišiš,§<§<iÉëÉêãêÉêÉêEê{ê~?~è-¡a2ãiL§t¡z¡:Z*§›kfi-:iiiërê-E-Ê-Ê-if;-2121213 " Í 9%* *››› N "` ›* 5* › " ›››› - Í-E › ›.=¡ ,
ë-5~êz5=›››:4¿›:~v:»:» _._.-5‹z‹››¿›€›É›z›i›ë=ê-5-‹#‹-5Hzz»3<;<›‹;zgÊ›zÍ5›é›ÉÍEf-5-g-gz;aãztztéâzãèëéêêsêâêâêâêz.5 têzéâ -155525.-::¬;v=z‹. 5'-:5z:.z_5<âzzz5555.äë=z-555-5-555-5-ezz=z‹° =- .z' §.5:5â'3=3'àà~3'3ršëâ:: 315z:á'§3i=3sšsšsšfšf5ë:í;'. íâäsézie.sússtsâ5l3:š.›e›»»:»:~:§5:é5;za5âëäêísšefàäëë525211â:5:í:;5;5š&£ë5íà5555.ñc£í3:í:5ä.5:šfšsšsš‹3 . - z=z-5-' 5.5. - -5.5 ' .› -' / ›. Fonte Mlcrofone de secundária, FS sz referência, D Controlador ` Sinal de erro ~ü§L{2f .ÉE=E5E5E5E5E5E5E5E5E55E5šE5E5E=ÉE555=5E5E5=5E5E555=5EÊ?'=' t /
Fig. 1.1.
Diagrama
esquemáticodo
sistemade
controle ativode
ruídoem
dutos.A
Fig. 1.1 apresenta o diagrama esquemáticode
um
sistemade
controle ativode
ruído acústicoem um
duto.Em
geral,um
sistemade
controle ativo para esta aplicação consistede
um
transdutorD
(quepode
serum
microfone,chamado
de
microfonede
referência) para adquiriro
sinaldo
ruídoque
deseja-se cancelar (proveniente da fonte primária);um
sistemade processamento ou
controlador para tratar o sinal adquirido pelo transdutorD
e produzir o sinalque
alimentauma
fonte secundária FS (ou sistemade
fontes secundárias,dependendo
da aplicação),que
é geralmenteum
alto-falanteque
irradia o ant/-ru/210.Se
CAPÍTULO I: INTRODUÇÃO
fonte primária, o sinal
de
referência fornece a informação' necessáriaao
controlador sobre o ruído primário antesque
estechegue
ao pontode
cancelamento,sendo
estauma
condição necessária para 0 casode
um
controlador causal.O
campo
sonoro residual é monitorado, à direita da fonte secundária, atravésde
um
outro transdutorM
(ou microfonede
erro). Nesta aplicação, além da reduçãode
custo, este sistema possui avantagem de não
obstruir ofluxo
normaldo
ar. Outras aplicaçõesem
que
esta técnica ~ Nvem
sendo
utilizadacom
sucesso sao: reduçaode
ruídoem
cabinade
aviões eno
interiorde
carros, capacetes e fonesde
ouvido.Em
geral, sistemascomo
o da Fig. 1.1podem
ser representadosesquematicamente
pelo seguinte diagramaem
blocos:.
Domínio
AcústicoPlanta
V NControlador
' _ ' Sinal MonitoradoDomínio
Elétrico . ~Fig. 1.2.
Diagrama
em
blocosde
uma
aplicaçaode
controle ativo.Neste diagrama, a planta
modela
a resposta (ou o sistema)do
trecho de dutoque
vaidesde
o detector até a fonte secundária. Assim, odiagrama
da Fig. 1.2.pode
ser vistocomo
um
problemade
identificaçãode
sistemas.No
entanto, é interessante notar os diferentes domíniosem
que
seencontram
as transferências e os sinais envolvidos, assimcomo
o pontode
soma
que
encontra-se no domínio acústico,como
indicado na figura. Este fato representa a mais importante diferençaem
relaçãoao
esquema
tradicionalde
~
identificaçao
de
sistemas.CAPÍTULO I: INTRODUÇÃO
1.2.
ADAPTABILIDADE
Alterações nas condições físicas
do meio
(taiscomo
temperatura, umidade, etc.) eno
fluxo de
ar produzem, inevitavelmente,mudanças
na resposta ao impulso da plantaem
funçãodo
tempo. Isto significaque
odesempenho
do
sistemade
controle tende a deteriorar-se senão
for ajustadoadequadamente
em
função destasmudanças.
É nesse ponto,que
é interessante introduzir a propriedadede
adaptabi//'dadeao
controlador.Um
sistemade
controle ativo adaptativozde
ruído acústicotem
a habilidade de identificarmudanças
nas característicasdo
duto pela adaptação da funçãode
transferênciado
controlador. Estes tiposde
sistemas,com
uma
certa capacidadede
aprender, são conhecidoscomo
s/lstemas adaptativos.Um
sistema destes, pelomenos
em
teoria,pode
convergirao
ponto ótimode
funcionamento partindodo
completodesconhecimento do
meio
em
que
está envolvido. Isto fazcom
que
o controle ativo utilizecomo
ferramenta ateoria
de
sistemas adaptat/vos, permitindoque
estes sistemaspossam
ser utilizadosnuma
ampla
faixade
aplicações.RUÍÇÍÓ Planta l `
6
v 25 z f .4 ,ÇÍfontrol_a;cl.*^Í* š šiá zé“zz‹f;z.>:‹z( 'sí .' 1 . I . . - : tfiàzëlöptšãišiší _ fëí¿:¿ Sinal de erro ff 1.;:‹;‹* lí«i,;^,}1vZ;:¿í.<,^:í.`,,,*;I:' *Fig. 1.3.
Diagrama
em
blocosde
um
sistema adaptativo.2 Na
literatura, existe certa confusão em relação à classiflcação controle ativo e adaptativo. Existem controladores ativos
CAPÍTULO I: INTRODUÇÃO
Para representar
um
sistemacom
estas característicasdevemos
alterar o diagramaem
blocos da Fig. 1.2.Em
geral, utiliza-se o sinal monitorado (outambém
chamado
de
sinalde
erro)como
medida de
discrepância entre as atuais respostasdo
controlador edo
sistema desconhecido.O
sinalde
erro é utilizadocomo
entrada paraum
algoritmoque
modifica de
forma contínua os parâmetrosdo
controlador (filtro adaptativo) a fimde
atingir o pontode
funcionamento ótimo.O
diagramaem
blocosque
considera esta situação é apresentado na Fig. 1.3. ~1.3
ALGoRrrMo
ADAPTAT1vo.
~ Existe
uma
grande variedadede
algoritmos adaptativos descritos na literatura.Na
seleçaodo
algoritmodevem
ser considerados aspectoscomo
velocidadede
convergência, robustez, capacidade paraacompanhar
as variaçõesdo
sistema desconhecido e complexidade computacional.Em
geral, a escolhado
algoritmo baseia-seem um
compromisso
entredesempenho
e facilidadede
implementação. Para o casode
controlede
ruído acústicoou de
vibrações, esta escolha é crucial jáque
são necessários filtroscom
grandenúmero
de
coeficientes.O
algoritmo adaptativo mais utilizado pela sua simplicidade é o algoritmoLMS
(LeastMean
Squares), [5-6]implementado
atravésde
filtros FIR. Para
sermos
mais rigorososem
relaçãoao
diagramaem
blocos apresentado naFig. 1.3, o
mesmo
deve
sercomplementado
com
as transferências decorrentesda
passagem
dos sinais entre os diferentes domínios (elétrico-acústico). Isto serábrevemente
discutido na próxima seção.1.4
ALGoRrrMo
LMS
F1|_TRADo
A
utilizaçãodo
algoritmoLMS
supõe que
o sinalde
erro seja diretamente disponível,sendo
originado pela diferença entre o sinalda
fonte primáriae_a
saídado
filtro adaptativo.O
processode
adaptação requerque
o gradientedo
erromédio
quadrático sejaaproximado
pelo produtodo
valor instantâneodo
sinalde
erro e o sinalde
entradado
filtro (sinalde
referência).No
entanto, as características particulares daconfiguração
de
um
sistemade
controle ativo adaptativode
ruídofazem
com
que
o diagramada
Fig. 1.3 deva sermodificado
afim
de
considerar as seguintes diferençasem
relaçãoao
caso~
clássico: o ponto
de
soma
representa a regiaodo
espaço (domínio acústico)onde
ocorre 6CAPÍTULO I: INTRODUÇÃO
~ r 1 1 ~
a superposiçao dos sinais acusticos oriundos das fontes primaria (ruido nao desejado) e secundária (antiruído). Outra diferença diz respeito ao sinal
de
erro,que
correspondeao
sinal elétrico obtidodo
microfonede
erro, a partirdo
campo
sonoro residual.Entrada
VPlanta
~.*<~% +ifi
_ _ . _ _ E _ .zøz ..zz:~.<>,;;f;»~», =.=~ 1/' z”4
. Filtro mà/ U)Adaptativo
Esümação
ACaminho
secundariodo caminho
S
secundário ,
LMS
Fig. 1.4.
Diagrama
em
blocosdo
algoritmoLMS
filtrado.Nos
sistemasde
controle ativo adaptativode
ruído acústico, o sinalde
errode
cancelamento acústico
não pode
ser acessado diretamente. Ele é acessadocomo
um
sinal elétricoapenas
à saídade
um
transdutor(normalmente
um
microfone).Da
mesma
forma, o sinalde
saidado
filtro adaptativo nãopode
serempregado
diretamente na operaçãode
cancelamento acústico. Este sinal elétrico é primeiramente processado por
um
sistemaque
o converteem um
sinal acústico. Estas conversõesde
natureza dos sinaisdão
origemao
que
chamamos
de
caminho
secundáriodo
sinal, o qual écomposto
pelas respostasdo
seguintes elementos:caminho
secundário,que
écomposto
pelas respostas dos seguintes elementos: o conversor digital-analógico (D/A)em
sériecom
o filtro adaptativo, filtrode
~
reconstruçao, amplificador
de
potência, alto-falante,caminho
acústicoque
vaido
alto- falante até o microfonede
erro, pré-amplificador, filtro anti-recobrimento e, finalmente,conversor analógico-digital (A/D)
que
fornece o sinalde
erro para o algoritmo.O
caminho
secundário,denotado
por S, .afeta ocomportamento do
algoritmopodendo
causar dificuldades no processode
convergência [14-15]. Portanto, seu efeitodeve
sercompensado,
afim
de
evitar a instabilidadedo
algoritmo adaptativo. Existem váriasCAPÍTULO I: INTRODUÇÃO
configurações possíveis
que
podem
ser utilizadas paracompensar
o efeitode
S.Uma
N _
delas propõe a inclusao
de
um
filtro inversoS
'em
sériecom
S
afim
de remover
seuefeito. Porém, a solução mais utilizada consiste na utilização
de
um
filtroS
com
respostaao
impulso igual àde S
para filtrar o sinalde
referência.Na
prática,S
éuma
estimativa da respostaao
impulso S. Finalmente,uma
descrição mais precisado
diagramaem
blocos da Fig. 1.3, representando oesquema
do
algoritmo conhecido porLMS
Filtradoou
FXLMS3, é mostrada na Fig. 1.4.
1.5
ESTIMAÇÃO
DE
S
O
algoritmoLMS
filtrado requer, para seu funcionamento, o conhecimento da respostado
filtro S,chamado
decaminho
secundário.Assumindo que
as característicasde S
são invariantesno
tempo, é possível modelar sua resposta atravésde
um
procedimento off- linenuma
primeira etapade
treinamento.Ao
final desta etapa, omodelo S
obtido é incluídono
sistema para operação normal.Na
etapade
treinamento,um
ruído branco éutilizado
como
sinalde
entrada,uma
vezque
possuiuma
densidade espectral constante para todas as freqüências.A
montagem
experimental para a determinação da estimativade S
é mostrada na Fig. 1.5 [4].A
modelagem
off-//ne éuma
ferramenta muito útil para a determinação da resposta S.~
Entretanto, possui o problema
de
nao
acompanhar
possíveismudanças
do caminho
secundário. Para os casosem
que
a respostado caminho
secundário possa ser varianteno tempo,
é desejável realizar talmodelagem
de
forma contínua (estimaçãoem
tempo
real (on-//ne)). Outraopção
a serempregada,
ao invésda
estimação contínua, é a estimaçãoem
determinados intervalosde
tempo.Supondo
que S
varie lentamente, as~
adaptaçoes
do
controlador edo
estimadordo caminho
secundáriopodem
ser consideradas separadamente.Como
exemplo, a Fig. 1.6 mostra o diagramaem
blocos para o casode
estimação on-//ne proposto porWidrow
e Stearns [5].3
Sigla em inglês, derivada de filtered-X LMS.
I _ CAPÍTULO z INTRODUÇAO V Alto-falante Microfone de erro -en'eia:-ê~; h _¿:~š."f›~ššf= .~:f›z- ¬s¡|izró« -§‹az'zT_ .. kéšz .» _» z, .; c _,¿~_~f És =f › :se f= ‹ ' rzazš «wi .~s=*j¢¿==ff É *É §~z'››g . ,._. M :Í ñ I »‹-.z » V - fmz: .z.~, 1- . mn: _ ,4 A .¿› 1 , . . .. 'H Í ff; :.' ~..>¬* I-,`*1:.;.‹ 2 5~.§;z~z.mÍ.,› _-S, .z§,,-, 1% _ 3. ¿›. ' Caminho Primário _ š. ›%i»r-=: '› S
ii
‹~
Í ~LMS
1 éFig 1 6
Diagrama
em
blocosde
um
sistemacom
estimação on-//nede
S
É amplifieador age t, M itm afã eeúñffiimelnto ff* '~» "`**Í”š°í**‹ä§Í"Fig 1.5.
Montagem
experimental para a estimaçãode
S
_ . . . . . . . - - . . . . . . . . . . . . . . . . . . -.~...-- fã? .4 ~ 'fa _ _
LMS
Bloco de Estimação V ' `z¡§'&§'_'›:~Wø§§á V " on-liiie›CAPÍTULO I: INTRODUÇÃO
~
Como
vimos, a utilizaçaodo
algoritmoFXLMS
surge de forma natural devido às características particularesdo
sistemade
controle ativo adaptativo. Portanto, existe a necessidadedo
detalhado conhecimentodo comportamento do
algoritmo para as diversas condiçõesde
funcionamento.1.6
EsTADo
ATUAL DA ARTE
~
Os
primeiros aproporem
a utilizaçaodo
algoritmoLMS
filtrado foramWidrow
e Stearns [5].A
utilização deste algoritmo foi dentrodo
contexto da teoriade
controle adaptativo,não sendo
fornecida qualquer análisedo
seucomportamento.
É citado,também,
nessa referência,um
exemplo
com
a utilizaçãodo
algoritmoLMS
filtrado para o controlede
ruído acústico. Burgess [15], paralelamente a
Widrow
e Stearns, desenvolveu o algoritmoLMS
filtrado aplicadoao
problemade
controle ativode
ruído acústiconum
duto.Em
[15], a única análise realizada por foi a obtenção das expressõesde
atualização dos coeficientesdo
filtro adaptativo.Uma
publicação recente [16], apresentouuma
análise estatísticado comportamento
deste algoritmosendo
calculados osmomentos
de
primeira ede segunda
ordens. Entretanto, a análiseem
[16] aborda o problemado
pontode
vista clássico, utilizando a teoria da independência [17-18].Como
demonstram
os resultados obtidos a partir da análise proposta nesta tese, asequações
apresentadasem
[16]fornecem
resultadosque não descrevem
o realcomportamento do
algoritmo.Análises
do comportamento
estatísticodo
algoritmoLMS
freqüentementeempregam
um
conjunto
de
aproximaçõesdenominado
“Teoria da Independência" [5,18]. Deste ~conjunto, a aproximaçao talvez
mais
importante é ade que
diferente vetoresde
entrada~ ~
sao independentes. Esta
pode
seruma
situaçao real nos sistemas adaptativosdenominados combinadores
lineares, nos quais cada coeficientedo
filtro adaptativo atua sobreuma
seqüência diferentede
entrada.No
casode
sistemasusando
filtros adaptativos transversaiscom
uma
única entrada, vetoresde
entrada consecutivosde dimensão
N
têm
(/l/-1)
componentes
em
comum.
Assim, tais vetores são altamente correlacionados.Apesar
de
desprezar a correlação entre os vetoresde
entrada, a aplicaçãoda
Teoria da Independência leva a resultados muitosbons
quando
aplicada à análisedo
comportamento
estatísticodo
algoritmoLMS
usando
passosde
adaptação reduzidos. Alguns trabalhos mais recentes analisam ocomportamento do
algoritmoLMS
.A
CAPÍTULO I: INTRODUÇÃO
~ ~
modelaçao
considerando esta correlaçao acarretaum
tratamento matemático bastantecomplexo
[19,21].Em
[19] é descritauma
análise para oLMS
clássicoque
considera a correlação dosdados de
entrada. Nessa análise, verifica-seque
é possível obter predições mais exatasde
seucomportamento
estatístico e,também,
que
os limitesde
estabilidade obtidos para a taxade
aprendizagem são mais severosdo
que
os resultantes da~
consideraçao
de
independência.O
custo desta descrição mais exata éum
importanteaumento
da complexidade matemáticado
modelo.Como
exemplo
disto, o trabalho~ / ~
reporta
que
sao necessarias28000 equaçoes
para descrever ocomportamento de
um
filtrode
6 coeficientes. Contudo, o algoritmoLMS
tem
a possibilidadede
ser estudado à luz dasduas
abordagens, fornecendo muitosbons
resultadosem
ambos
os casos. Porém, no casodo
LMS
filtrado, verifica-seque
um
bom
modelo depende
da consideraçãoda
N
correlaçao entre vetores
de
entrada,como
serámostrado
mais adiante.Uma
outra análisedo
LMS
filtrado é apresentadaem
[4, pag. 65]. Nesse trabalho, é feita a suposiçãode que
os coeficientesdo
filtro adaptativo variam lentamente ede que
os sistemasque
compõem
ocaminho
adaptativo são lineares e invariantesno tempo,
possibilitando assim a troca daordem
entre osmesmos.
Neste caso, o diagramaem
blocos é
dado
por: çfx . z.z, -.;=››š$" `\.*",¿×,°m¶ f M1. ,f + -2 zw
Entrada
Planta
caminho
V FI tro secundárioAdaptativo
~.z¿z$\z,_.,. z,z.z,.,..z,z,zz-.zfzz-› .W W,¿@M
zh wøÁ
LMS
` zâzó:CAPÍTULO I: INTRODUÇÃO
Esta versão fornece bons resultados para o caso
em
que
ocaminho
secundário e sua estimação são iguais ecom
uma
taxade
aprendizagem (p) muito pequena. Essemodelo
torna-se limitado para o estudo da influência dos erros na estimação docaminho
secundárioou
para o estudodo
comportamento do
algoritmo para taxasde
aprendizagem maiores.Em
[22] é utilizado omodelo
da Fig. 1.4, mas,com
a inversão das posiçõesdo
filtro adaptativo edo caminho
secundário. Nesse trabalho, o objetivo é determinar a influência dos erros na estimaçãode S
sobre ocomportamento do
algoritmo.Também
é determinadauma
expressão para descrever 0comportamento
dinâmico dos pesos baseadano
intercâmbio das posições, a qualnão modela
ocomportamento
real. Outra deficiênciado modelo
da Fig. 1.7pode
ser apontadaquando
for necessário consideraruma
não-linearidade (devido principalmente ao alto-falante). Nesse caso, não é possível efetuar a troca entrecaminho
secundário e filtro adaptativo. Portanto, para esse último caso a análise resulta impraticável.A
abordagem
proposta nesta tese nãoimpõe
grandes limitações ao valor da taxade
aprendizagem enão
utiliza a simplificação decorrente datroca
de
posição dos blocos (Fig. 1.7). Isto permiteuma
análise mais realistado
desempenho
do
algoritmo [30,33-34].Um
outro resultado importante é obtido para o caso especialem
que
ocaminho
secundário representaum
atrasode
um
número
determinado
de
amostras. Tal situação é conhecida na literatura por algoritmoDLMS
(Delayed-LMS) [9, 26, 29, 32]. Neste caso, os trabalhosque conhecemos
da literaturatambém
utilizam a Teoria da Independência. Assim,não
é possível estudar o efeitode
erros na estimação
do
atrasonem
determinar ocomportamento
dos coeficientesdo
filtro nesta condição.Com
onovo
modelo
proposto, é possível obter dois resultados importantes: demonstrar porque o algoritmoDLMS
não
convergecom
ruído branco na entrada eem
condiçõesde
erro na estimaçãodo
atraso e,em
segundo
lugar, sob similar~
condiçao, o
mesmo
converge se a entrada for correlacionada.A
proposta deste trabalho é o desenvolvimentode modelos
para ocomportamento
dosmomentos
de
primeira ede segunda
ordensdo
algoritmoLMS
filtrado.Os
novosmodelos
permitem
derivarum
conjuntode
importantes parâmetrosde
projeto (velocidadede
convergência, erro mínimo, desajuste, etc.), oferecendoao
projetista a possibilidadede
estudar odesempenho
do
algoritmo nas mais diversas condiçõesde
funcionamento.CAPÍTULO I: INTRODUÇÃO
~
1.7 ORGANIZAÇ/-\o
DA
TEsE
No
Capitulo 2,abordamos
o cálculodo
momento
de
primeiraordem
do
algoritmoLMS
~filtrado e
apresentamos
resultadosde
simulaçoesmostrando
a validade da análise proposta.O
momento
de segunda
ordem
é tratadono
Capítulo 3,no
qual é apresentadoprimeiramente o caso mais simples,
que
é o algoritmoDLMS,
seguido da análisedo
caso geral.Ao
finalde
cada caso analisado são apresentados resultadosde
simulações.O
Capítulo4
é dedicado auma
análise exploratória,no
domínio da frequencia, dos efeitos das operaçõesde
filtragem sobre odesempenho
do
algoritmoFXLMS.
Finalmente, no Capítulo 5 são apresentadas as conclusões deste trabalho, assim
como
A
1\/Iornento
de
~
INTRoDuçAo
Neste capítulo é apresentada a análise
do
momento
de
primeiraordem
(comportamento
médio) dos coeficientes
do
filtro adaptativousando
o algoritmoFXLMS.
Nessa análise,não
é utilizada achamada
teoria da independência [18], usualmenteempregada
no
estudodo
algoritmoLMS
clássico eem
estudos recentesdo
algoritmoLMS
filtrado [2-4,16,22].Com
estanova
abordagem
é obtida,também,
a solução Ótima e o valorem
regimepermanente
dos coeficientesdo
filtro adaptativo.Um
parâmetro importante para o estudodo
comportamento do
algoritmo, o vetorde
erro nos coeficientesem
relaçãoao
valorem
regime permanente, étambém
examinado. Finalmente, resultadosde
simulações são mostrados afim
de comprovar
a qualidadedo modelo
proposto. Estes resultados sãotambém
comparados
com
os resultados obtidos utilizando a teoria da independência.A
comparação
mostra claramenteque
a teoriada
independêncianão
fornece resultados aceitáveis.2.1
CoNs1DERAçöEs
IN1c1A1s-
DIAGRAMA
EM
B|_ocos
A
Fig. 2.1 mostra o diagrama esquemático parauma
aplicaçãode
controlede
ruído acústico.A
Fig. 2.2, apresenta o diagramaem
blocos para o algoritmoFXLMS
[2-5],o
qualpode
ser usado para modelar o sistema da Fig. 2.1.Na
Fig. 2.2,W°
é o sistema desconhecido,W(n)
é o filtro adaptativo e S,Ê
são filtros lineares invariantesno
tempo.
Com
relação à Fig. 2.1,W”
modela
a resposta desconhecida, localizada entre os pontosA
e B.S modela
a resposta entreC
e B eÊ modela
o correspondente filtrode
compensação.
A
resposta entreA
e E é desconsideradaem
relação a outros efeitosde
filtragem.Também
é desconsiderada a realimentação acústica existente entreD
e E [4].Na
literatura, a respostade S
édenominada
resposta ao impulsodo caminho
secundário.CAPÍTULO II: CÁLcuLo Do
MOMENTQ
DE PRIMEIRAORDEM
[2, capítulos 3 e 7].
No
entanto, na prática,uma
estimativa perfeita é muito difícilde
serobtida. Portanto, o caso mais geral corresponde ao
de
estimação imperfeita.Todas
as respostasao
impulso sãomodeladas
atravésde
filtros linearescom
respostaao
impulso finita, filtros FIR. Então, os sinais e respostasao
impulso envolvidos na presente análise,são: ,
o Sinal
de
referência x(n): estacionário ecom
variância of;o Ruído
de medição
z(n) : ruído branco estacionário enão
correlacionadocom
nenhum
outro sinal
do
sistema, possuindo variância csi ;o
W°:
vetor representando a respostaao
impulsodo
sistema a ser identificado.Em
controle ativode
ruído acústico,. representa a respostado
caminho
acústico; oOs
sistemasW”
,S
eÊ
sãomodelados
atravésde
filtros FIR;o
W(n)
: vetor das amostras da respostaao
impulsodo
filtro adaptativo;o e(n) : sinal
de
erro;o y(n): saída
do
filtro adaptativo;o y,(n): saída
do
blocoem
sériecom W(n);
o x/._ (n): saída
do
blocode
estimaçãodo caminho
secundário;o d(n) : saída desejada;
o X¡_(n) : vetor
X(n)
filtrado (saídade
Ê).Fonte
de
ruídoA
Caminho
acústico_
PIIÊ
M¡°r°fÍme_de
E
. Altofalante referencia Filtro AdaptativoC
Sinalde
erroB
Fig. 2.1.Diagrama
esquemático para o casode
controlede
ruído acústico.CAPÍTULO II: CÁLCULO DO
MOMENTO
DE PRIMEIRAORDEM
Z(n) “ ' d('1) J" e(n) `4
y,(f1) +w<n›
s
_ W . Í '-zz_?'W¿í/í z -'~í_i§ .. É uz sis ' z , ,z;z;z V' ~ *if 2LMS
iFig. 2.2.
Diagrama
em
blocosdo
algoritmoLMS
filtrado.Os
vetores utilizados são definidos pela seguintes estruturas:vetor
X(n)
zX(n)
=
[x(n),x(zz -1),---,zm-
N
+1)]T vetorWo):
W<›z› =[w.,<n›,w.<n›,---,wN-.<›n›]T vetor S:S
=
[s0,s.,---,sM_,]T vetor Ê:Ê=[š
0” š1” M-1Y
vetorW°:
W°
=
[w§,w1°,-~-,w§,_1]T vetorX¡(n):
X¡
(n)=
[xi (zz),x¡ (n -1),---,ס, (fz-
N
+1)j'Note
que
éassumido
igualdimensão
para os vetoresW°
eW(n),
com
o objetivode
facilitar a notação.No
casoque
um
desses vetores possuamenor número
de
componentes, o
mesmo
poderá ser preenchidocom
zeros afim
de
igualar as dimensões.Os
vetoresS
eÊ possuem dimensões
M
eM
, respectivamente.CAPÍTULO III CÁLCULO DO
MOMENTO
DE PRIMEIRAORDEM
É
2.2.
EQuAc1oNAMENTo
Do
SISTEMA
~ N
Em
funçao das definiçoes anteriormente apresentadas,temos
que: M-1x¿. (n)
=
zm
-
z) (2.1) €X¡_(n)
=
25,.Xm
-1) (2.2) 2.2.1 Sinalde
erroConsiderando o sistema da Fig. 2.2 temos:
601)
=
6101)* Yz (H)+
201) z (2-3) onde:dm)
=
XT<n)W°,
(2.4) y(fl)=
XT(f1)W(n)
=
WT(fl)X(f'l) z (2-5) M-1 M-l y,(n)=
25,. y(n-z')=
28,.X'(n-z')W(n-z'),
(2.õ) i=0 i=0 substituindo (2.6)em
(2.3), temos: M..zm)
=d<n)- ZS,
XT(n.-z')w(n-z')+z(n). (2.7) NA
Eq. (2.7), mostraque
o erro éuma
funçaodo
sinal desejado, dln) , e deM
vetoresconsecutivos
do
sinalde
entrada edo
coeficientesdo
filtro adaptativo.2.2.2. Atualização dos coeficientes
do
filtro adaptativoA
equação de
atualização dos coeficientesdo
filtro adaptativousando
o algoritmoLMS
filtrado [4, 30], édada
por: _CAPÍTULO II; CÁLCULO DO
MOMENTO
DE PRIMEIRAORDEM
M4
w(n
+1)=
W(›‹z)+
p@(n){z.‹,X<zz-
pi
=
W(")
+
H@(fl)X¡. (11) z (2-3)onde p
representa a taxade
aprendizagem.Se
substituirmos (2.7)em
(2.8)temos
a expressão recursiva final para atualização dos coeficientesdo
filtro adaptativo:'W(n+1)=
W(n)+p(MÊl§jX(n-
j)XT(fz)W°
' ' _ ^_›Fo'
M-1 ' (Zig)-
.šX(n-j)XT(n-z')w(n-z')+ z§,.X(n-j)z(n)}.
= = j=() ;MÊ :Mi 54 2.3.SOLUÇÃO
ÓTIMA
_ ~ ~Para a estrutura convencional
nao
filtrada, a soluçaode Wiener
édada
por [5,6]:WWW,
= R5'P
. (2.10)Onde R0 =E[X(n)XT(n)]
eP=E[d(n)X(n)].
Na
presente análise, a presençado
filtro~ ~
S no caminho
secundáriomodifica
a expressao da soluçaode
ótima para o problemade
filtragem linear. Portanto, é interessante determinar a expressão
do
vetor ótimo para este caso. Para a determinação da solução ótima para o caso filtrado,faremos
usodo
diagramaem
blocos da Fig. 2.3.d
(n) + }'1(n) X<›1>W
S
sw)
2D
NFig. .3. iagrama
em
blocos para a determinaçao da soluçãode
Wiener.CAPÍTULO II: CÁLCULO DO
MOMENTO
DE PRIMEIRAORDEM
~
A
expressaodo
erro instantâneo obtido partir da Fig. 2.3tem
amesma
formaque
a Eq.(2.7).No
entanto, note-seque
agora o vetorW
de
coeficientes é feito fixo.Com
esta condição, a expressão para o erro instantâneoao quadrado
é:@2(n)=z12(n)-2{d(n)fiÊIs,
XT(n-j)}W+W
Í
S
X(n-¡)XT(zz-z')}W
.(2.11)`l
;MÊ ;MÊ 3*
Tomando
o valor esperadoem
(2.11),temos
uma
expressão para o erromédio
quadrático:
2
`i
;MÊ :Mi _D:
E[z2(n)]= E[d2(n)]-
fãs,
E[d<n)xT (H-
¡)]w+
W
.S .E[X(n-
¡)xT(n - z')]w _ (2.12)Chamando
R¡__,.=E[X(n-j)XT(n-i)]
e PJ.=E[d(n)XT(n-j)],
a Eq. (2.12)pode
ser€XDI'€SSã COITIOZ
E[e2(n)]=E[¢12(n)]-zfãsí
I>',¶w+w{
_ _SRFJW.
(2.13) ¡=o `I ;MÊ :Mi 54Para
obtermos
uma
expressão maiscompacta de
(2.13),definimos
as seguintes quantidades: ___ M-2 PX=
2;,
PJ. , (2.14a) .l= E gv `. \.š
O l;/L J.” 75=
_ ,._,. (2.14b)CAPÍTULO II: CÁLCULO DO
MOMENTO
DE PRIMEIRAORDEM
Note
que
Ê”
corresponde à matrizde
autocorrelaçãodo
sinalX(n)
filtrado por S.Da
~mesma
forma, P, correspondeao
vetor correlaçao cruzada entre d(n) e o sinalX(n)
filtrado por S. Substituindo (2.14)
em
(2.13) eusando
a notaçãoJ
=
E[e2(n)] , temos:-
J
=
E[d2(n)]-
zíffw +
wT1"í_u,w. (z.15)~
É interessante observar
que
a funçao custo, Eq. (2.15), para a estrutura filtrada possui amesma
formaque
ado
caso clássico.De
forma análogaao
caso clássico, paraobtermos
o vetorde
coeficientes ótimo W”,que
minimiza o erromédio
quadrático, derivamos (2.15)em
relação à variávelW
e igualamos a derivada a zero.Com
este procedimentodeterminamos
asequações
normais, expressas a seguir:R.v.vW‹›r
_
P.v Íonde
W”, é o vetor ótimode
coeficientes, O qual minimizaJ
. Pela definiçãoda
matrizÊ”
é fácil observarque
amesma
éuma
matriz simétrica, jáque
R,_¡=
R/T._,. .Assumindo
que
a inversade
Ê_\__\_ existe, os coeficientes ótimos sãodados
por:_
_
~_I~W;›II
_
RV.v.v P.\' 'Note que,
novamente,
a expressão (2.17) édo
mesmo
tipoque
a obtida para a estrutura convencional.No
entanto, a diferença principal encontra-se na definição das matrizes lim,e Piz,
Onde
ficaem
evidência O efeitodo
filtroem
sériecom
o filtro adaptativo.A
expressão (2.17) foi apresentada
em
[22],onde
amesma
foi derivadade
forma
heurística.CAPÍTULO II: CÁLCULO Do
MOMENTO
DE PRIMEIRAORDEM
~
É interessante expressar a relaçao entre a solução
de
Wiener, Eq. (2.17), e a respostaao
impulso da planta física,
W”,
para o caso da Fig. 2.2.Se
considerarmos a definiçãode
~
Px ,
temos
que:N M-1 M-1
P,
=
ZS,
P,z
2;,
E[d(zz)X(zz-z')]. (2.1s)i=0 i=0
A
partir da Fig. 2.2temos que
a'(n)=XT(n)W°+z(n),
substituindo d(n)em
(2.18), temos: 13,z
X(n _
z')XT (zz)W°+
z(n)X(zz-
z')]= S,E[X(n
~
z')XT (zz)]W° |_"'i\ ~.3
orflã ow" avi
_ ¡ "= (2.19a)-
ciwo,
M-lou, definindo
Rx
=
Zs,
R_,. temos:i=0
~ ~
Px
_
R_`,W°. (2.19b)De
(2.17) e (2.19),temos
a relaçãoque estamos
buscando:íí,,_w,,,
z
íi_,.w° _ (2.2o)Assumindo que
a inversade
existe, então~_¡..;
CAPÍTULO III CÁLCULO
DO
MOMENTO
DE PRIMEIRAORDEM
2.3.1.Princípio da ortogonalidade
Da
mesma
formaque
para a estrutura convencional,também
pode-se obter a expressãodo
princípiode
ortogonalidade para a estruturacom
o filtro S. Para isto,vamos
partirda
ÀMÊ :Mi _'.'1 U1
Eq. (2.16). Expandindo os termos, temos:
M~l
[X(n
-
z')XT in-
j)]w,,,-
2
s,E[à(n)X(zz -1)] = 0. (2.22)i=0
Esta expressão
pode
ser rescritacomo:
E[â<n)^Ês,x(n-1%-EÍ
_ _ ,..‹,X(n-z')XT(›z-¡)}w,,=o, (2-23) :_éMÊ \. Kou
aindacomo:
M~l M-lEflâm)
-
2
sjxf (H-
¡)w,,,12
s,.x(n _im
j=0 ¡=o M-lz
E[‹z,,( s,.X(n-
nm
z
o, (2.24) onde: M-I eo=
dm)
-
2
s,,XT(n-
j)W,,,, (2-25) Jpé o sinal
de
erroquando
o filtro opera na condição ótima,ou
seja, paraW
=
WW.
Noteque
(2.24) corresponde à ortogonalidade entre o sinalde
erro eum
sinal correspondente à filtragemde
x(n) pelo filtro S. Este sinalnão
existe fisicamentena
estrutura daFig. 2.3, já
que
x(n) é aplicado à entradado
filtroW.
O
princípio da ortogonalidade provê a condição necessária e suficiente paraque
a função custo, o erromédio
quadrático, atinja omínimo
valor. Tal condição corresponde ao erro eu ortogonalao
vetorM_l
I na
(2
s|_X(,1_¡)¶ ,que
e a versao filtradado
vetorde
entrada. Este resultadotambém
pode
i=0
CAPÍTULO II; CÁLCULO Do
MOMENTO
DE PR1MEn‹AORDEM
ser obtido usando-se as propriedades
de
linearidade e invariânciano
tempo
dos filtrosW
eS
na Fig. 2.3 [22]; podendo-se inverter aordem
entreW
e S.2.3.2. Superfície
de
erro- Mínimo
erromédio
quadráticoA
função custoJ,
definida pelaequação
(2.13) é, damesma
formaque
na estrutura clássica,uma
função quadráticado
vetorde
coeficientesdo
filtro,W.
Utilizando a expressão (2.17)em
(2.15) é possível determinar o valormínimo
paraJ,
erromédio
quadrático mínimo,sendo
sua expressãodada
por:~
J...
=
mih{E[@2<n›]}= E[z2<›z›]+ El¿12<n>]- ÊTIÍXÊ. - <2.2õ›Note-se
que
em
(2.26) é adicionadoum
termo
representandoum
ruídode
medição,dado
por z(n).Usando
(2.17), obtém-se:JW.”
z
E[z2(n)]+ E[d2(n)]- 1">jW,,, . (2.27)Diminuindo (2.27)
de
(2.15) eusando
(2.16), chega-se à seguinte expressão:J
=
Jm
+
(W
f
w,,,)Tñ_u,(w-
WM).
(2.2s) ~Nas
Figs. 2.4 e 2.5, sao mostradas as superfíciede
erro para os casosonde
a entrada é ruído branco e ruído colorido, respectivamente.A
superfície cinza corresponde à superfície para o caso filtrado e a quadriculada para o caso clássico.A
partir dessas figuras pode-seobservar o efeito da filtragem, correlacionando o sinal
de
entrada e, portanto, produzindouma
superfíciecom
gradiente mais suavedo
que no
casonão
filtrado.Na medida
em
que
o sinal
de
entrada for mais correlacionado (Fig. 2.5), a tendência éque
a superfíciede
desempenho
resulte mais achatada (as cun/asde
nível são elipses). Este fato está diretamente relacionadocom
a velocidadede
convergência mais lenta, tanto para o caso clássicoquanto
parao
caso filtrado parao
qual o efeito é ainda mais pronunciado.Na
Fig.~
CAPÍTULO III CÁLCULO DO
MOMENTO
DE PRIMEIRAORDEM
erro.
O
gráfico mostraque
a presençado
filtro namalha de
adaptaçãopode
aumentar
o erromínimo
da superfíciede
desempenho.
E[eZ(n)] 25
N
2 1 A ~'NÕ
â _ . -' .z, §QÇÓ z 1 zg _ ` ¡ ., _ ¡ pLMS
H r \\‹~.~°»~.‹.~.°‹.*›.'~.,., .. F ri°$~$~2~2~2‹2'‹:z‹2z¶ Q ... .. V \\ `\ _ `\§š.\\\ "`\§\\ - \\ \ u _2Ifi
V2 U 2 -4 -4 ' w2Fig. 2.4.a. Superfície
de
erro para oLMS
ciássicoe filtradocom
entradasendo
ruido branco. Elz1‹n›1 35 __ .. .-.T .`....__....- .._..._..._:_____:______._._.__._:__...._. ... _. 25_. _. 213- ,¿.-,__ .. io-› Z‹z
FXLMS
Fig. 2.4.b. Vista frontal
da
Fig. 2.4.a.10 * 1 '° B 6 4 2 D 4 -"Y . , .; ~ .\_\\_?\ g.//,z,À,, _ 2 `›-.›"~«;__Ç;¶í_ -,.*'~',..‹" . * ' " Á U f=z~.-.¿--›~~:: `- 2 EI .z _2 -4 -4
Fig. 2.4.c. Curvas
de
nívelda
Fig. 2.4.a para o caso filtrado.CAPÍTULO II: CÁucu1.o Do
MOMENTO
DE PRnv1EiRAORDEM
EÍ@2(fl)] 5 ' . g S0» _ . ao " Ê . . í ' É .. z 1 ” i4-f"'Í-«MS
zu ' Ê ' ci F F F ~‹_
PXLMS
\ \ _ _.-flã-'_‹'./z r _, 2 . . M A . ‹ _ 2 . 4 u 2 2 O . 4 4 w2Fig. 2.5.a. Superfície
de
erro para oLMS
clássico e filtradocom
entradasendo
ruído colorido. E[e:(n)] 5Q_. ... ...í.e›,_ ... _. w_ 40- ~ ` 30- .4f-“LMS
20-.. 5 . LQí
FXLMS
10- ` =°¬..àà.z.âé¿.;..1
Fig. 2.5.b. Vista frontal da Fig. 2.5.a.
20-' 15 ' 10