Capítulo 2: FILTROS ADAPTATIVOS FILTROS ADAPTATIVOS 2.1. FILTROS DE WIENER FILTROS DE WIENER Los filtros de Wiener son los mejores filtros lineales de mínimos cuadrados que pueden ser usan para predicción, estimación, interpolación, filtrado de señal y ruido, etc. Para diseñarlos se necesita tener un conocimiento previo apropiado de las propiedades estadísticas de la señal 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 caso, la teoría de Wiener es importante para el presente estudio porque los filtros adaptativos que serán empleados convergen asintóticamente (en media) en las soluciones de Wiener. Obsérvese el esquema de la Figura 6: Filtro digital Entrada fk h*k = ? Salida gk Error ek + Respuesta deseada dk Figura 6: Filtro de Wiener digital El filtro digital tiene una señal de entrada y produce una señal de salida. El filtro será un filtro de Wiener si su respuesta impulsiva se elige para minimizar el error cuadrático medio. El error se define como la diferencia entre la salida del filtro y la respuesta deseada: ek dk gk Cuando se trabaja con filtros de Wiener, generalmente la respuesta deseada existe sólo de forma conceptual. Las propiedades estadísticas de la respuesta deseada y sus relaciones 12 FILTROS ADAPTATIVOS FILTROS DE WIENER estadísticas con la señal de entrada al filtro se asume que son conocidas por el diseñador. La situación es bastante diferente cuando se trata con filtros adaptativos. En éstos, la respuesta deseada existe como una señal que puede ser obtenida como entrada en tiempo real al algoritmo adaptativo, para conseguir aprender y adaptarse. Los filtros de Wiener no aprenden. Su diseño es fijo, basado en un primer conocimiento estadístico. La respuesta impulsiva del filtro de Wiener se obtiene encontrando una expresión para el error cuadrático medio y minimizándola con respecto a la respuesta impulsiva. Elevando al cuadrado en ambas partes, se obtiene: ek2 d k2 g k2 2d k g k Sabiendo que: gk f k l hl l 0 se puede sustituir: ek2 d k2 hl h f k l f k l 2 m hl f k l d k l Si tomamos valor medio en ambos lados, encontramos una expresión para el error cuadrático ): medio (MSE, E ek2 E d k2 hl h E f k l f k l dd la autocorrelación y hl E f k l d k l (0) hl h l siendo 2 m ff (l ) 2 m hl fd (l ) l la correlación cruzada de dos señales y . Si derivamos respecto a , que es la respuesta impulsiva del filtro, e igualamos a cero para minimizar el error: hl* ff ( j l) fd ( j) l 13 FILTROS ADAPTATIVOS FILTROS DE WIENER Esta es la ecuación de Wiener-Hopf, que en forma de convolución queda: hl* * ff (k ) fd (k ) Tomando transformada en ambas partes: H * (z) ff ( z) fd ( z) H * (z) ó (z) ff ( z ) fd Con la solución de Wiener se puede encontrar la función de transferencia del filtro de la transformada a partir de la función de autocorrelación de la señal de entrada, de la correlación cruzada de la señal de entrada, y de la respuesta deseada. Si se sustituye esta ecuación en la expresión del error se obtiene el valor del mínimo MSE: E ek2 mín dd hl* (0) fd (l ) l 14 FILTROS ADAPTATIVOS 2.2. FILTROS LMS ADAPTATIVOS FILTROS LMS ADAPTATIVOS La teoría de filtrado adaptativo es fundamental para el control inverso adaptativo. Los filtros adaptativos se usan para modelado de plantas, modelado inverso de plantas, y para hacer cancelaciones de ruido de la planta. Se va a tratar de presentar el filtro adaptativo como un bloque, que tiene una señal de entrada, una de salida, y una señal de entrada especial llamada ‘el error’, que se usa en el proceso de aprendizaje. El propósito de este apartado es ofrecer una introducción a la teoría de filtrado digital adaptativo. El filtro adaptativo que aquí se va a considerar tiene la siguiente forma: Z -1 Z -1 Z -1 coeficientes ajustables Salida del filtro adaptativo yk Error ek Filtro adaptativo + Respuesta deseada dk Señal de entrada f(t) Sistema dinámico desconocido que va a ser modelado Señal de salida d(t) Figura 7: Modelando un sistema desconocido mediante un filtro discreto adaptativo La Figura 7 ilustra el filtro adaptativo como sería usado en el modelado de una planta desconocida. Este filtro es causal y tiene una respuesta impulsiva finita (FIR). 15 FILTROS ADAPTATIVOS FILTROS LMS ADAPTATIVOS Además de las señales ya comentadas, hay que utilizar una más: la señal deseada, para poder generar la señal de error. La salida de la planta desconocida nos da el valor de la señal deseada. El filtro adaptativo de la Figura 7 es un filtro digital. El sistema desconocido que va a ser modelado es un filtro analógico. Las entradas al filtro adaptativo son, por tanto, versiones muestreadas de las señales de entrada y salida del sistema desconocido. Los coeficientes del filtro adaptativo se ajustan automáticamente mediante un algoritmo que minimiza el error cuadrático medio. Cuando los coeficientes convergen y el error se hace pequeño, la respuesta impulsiva del filtro adaptativo es muy parecida a la del sistema desconocido. El análisis del filtro adaptativo puede ser desarrollado considerando primero el combinador lineal adaptativo de la Figura 8, un subsistema de la Figura 7. Coeficientes W w1 x1k w2 x1k Señal de entrada xk Señal de salida yk w3 - x1k Error ek = dk - yk w4 + x1k señal deseada dk Figura 8: Combinador adaptativo lineal Se tienen las siguientes señales: La señal de entrada, que es un conjunto de n señales. La k-ésima señal de entrada es: Xk x1k , x2 k ,..., xlk ,..., xnk T El conjunto de coeficientes o pesos se designan con el vector: 16 FILTROS ADAPTATIVOS FILTROS LMS ADAPTATIVOS WT w1 , w2 ,..., wl ,..., wn La señal de salida k-ésima será: n yk WT Xk wl xlk l 1 Si se denota la señal deseada como , el error en el instante k-ésimo es: ek dk yk dk El error cuadrático medio es el valor esperado de MSE siendo E ek2 E d k2 WT Xk : 2 E d k X kT W W T E X k X kT W la correlación cruzada entre la señal de entrada autocorrelación de la señal de entrada E d k2 2 P T W W T RV y la señal deseada , y la . Se puede observar que el MSE es una función cuadrática de los coeficientes, con lo que tendrá la forma de una parábola. El proceso adaptativo estará continuamente ajustando los coeficientes, buscando la parte más baja de la parábola. Para obtener los coeficientes óptimos, habrá que derivar el MSE e igualarlo a cero. El algoritmo LMS utiliza el método del para la actualización de los coeficientes del vector de pesos. Este algoritmo realiza los cambios de forma proporcional al gradiente, tal como se puede ver en la siguiente ecuación: Wk siendo 1 Wk k la estimación del gradiente: k Nk y Nk el ruido del gradiente. El gradiente se define como la derivada del cuadrado del error respecto a cada uno de los coeficientes. Si se hace esa derivada, se obtiene como conclusión que el gradiente tiene el valor: 17 FILTROS ADAPTATIVOS FILTROS LMS ADAPTATIVOS 2ek X k k Sustituyendo en la ecuación anterior, se obtiene la ecuación que rige al algoritmo LMS: Wk 1 Wk 2 ek X k 18 FILTROS ADAPTATIVOS 2.3. APLICACIÓN PRÁCTICA DE FILTROS ADAPTATIVOS APLICACIÓN PRÁCTICA DE FILTROS ADAPTATIVOS Existen muchas aplicaciones prácticas para el modelo de filtros FIR adaptativos descritos en este capítulo. Uno de los más interesantes es la cancelación de ruido adaptativa. La idea es sustraer el ruido de una señal ruidosa. Cuando se hace empleando técnicas de filtrado adaptativo se puede obtener una mejora sustancial de la tasa de señal a ruido. La separación de una señal de un ruido aditivo, incluso cuando sus respectivos espectros de potencia se solapan, es un problema común en proceso de señal. La Figura 9 (a) muestra un esquema típico para solucionar este problema usando filtros de Wiener o Kalman. El propósito del filtro óptimo es pasar la señal sin distorsión. En general esto no se puede hacer perfectamente; incluso con el mejor de los filtros se distorsiona la señal, y parte del ruido pasa a la señal de salida. La Figura 9 (b) muestra otro desarrollo para este problema, usando cancelación de ruido adaptativa. La señal primaria contiene la señal de interés, , y un ruido aditivo. Se asume que se puede obtener un ruido de entrada de referencia, , que está correlado con el ruido original . En la Figura 9 (b), el filtro adaptativo recibe la referencia de ruido, la filtra y sustrae el resultado de la señal primaria. Desde el punto de vista del filtrado adaptativo, la señal primaria actúa como señal deseada y la salida del sistema como error. La salida del sistema se obtiene sustrayendo el ruido de referencia filtrado de la señal primaria. 19 FILTROS ADAPTATIVOS APLICACIÓN PRÁCTICA DE FILTROS ADAPTATIVOS Filtro óptimo s + no entrada salida (a) entrada primaria s + n0 Fuente de señal salida del sistema + n1 Fuente de ruido - Filtro adaptativo entrada de referencia error e cancelador de ruido adaptativo (b) Figura 9: Separación de señal y ruido: (a) clásica; (b) con filtro adaptativo Para hacer la cancelación de ruido adaptativa se podría esperar que el filtro necesitara algún conocimiento sobre la señal o sobre los ruidos , , antes de que pudiera adaptarse para producir la señal . Pero no hace falta. Tan sólo hay que saber que que está correlada con ,y está incorrelada con ambas. Asumiendo ésto, y que las señales son estadísticamente estacionarias y de media 0, se tiene: e s n0 y Elevando al cuadrado se obtiene: e2 s2 n0 y 2 2s n0 Tomando el valor esperado y haciendo uso de que la señal y está incorrelada con y con , se obtiene que el valor mínimo del error es: 20 FILTROS ADAPTATIVOS APLICACIÓN PRÁCTICA DE FILTROS ADAPTATIVOS E e2 mín E s2 E n0 Cuando el filtro es ajustado de forma que minimizado. En ese momento, es minimizada, y 2 mín es minimizado, es la mejor estimación del ruido primario es también . Además, cuando es también minimizada, ya que e s n0 y Ajustar o adaptar el filtro para minimizar la potencia total de salida es hacer que sea la mejor estimación de la señal . La cancelación de ruido adaptativa es una técnica muy potente en proceso de señal. La primera aplicación que tuvo fue la cancelación de la interferencia de 60 Hz (o 50 Hz) en electrocardiogramas. Las causas de la interferencia son las inducciones magnéticas y las corrientes desplazadas de la potencia de línea y los lazos de tierra. El filtrado convencional se ha usado para combatir dicha interferencia, pero la mejor solución parece ser la cancelación de ruido adaptativa. La Figura 10 muestra la aplicación de esta cancelación a los electrocardiogramas. La señal primaria se toma de un preamplificador de electro (ECG); la entrada de referencia de los 60 Hz se toma de una salida de la pared. El filtro adaptativo contiene dos coeficientes variables, uno aplicado a la entrada de referencia directamente y el otro a una versión de ésta desfasada 90º. La salida del filtro se sustrae de la entrada primaria. Un resultado típico del experimento se muestra en la Figura 11. La Figura 11 (a) muestra la señal primaria, un electro con una cantidad excesiva de interferencia de 60 Hz, y la Figura 11 (b) muestra la señal de referencia de la salida de la pared. La Figura 11 (c) es la salida del cancelador de ruido. Se llama la atención del lector sobre la ausencia de interferencia y la claridad de los detalles una vez que el proceso adaptativo converge. 21 FILTROS ADAPTATIVOS APLICACIÓN PRÁCTICA DE FILTROS ADAPTATIVOS Figura 10: Cancelación de la interferencia de 60 Hz en electrocardiogramas Figura 11: Resultados de la cancelación de ruido en el experimento: (a) entrada primaria, (b) entrada de referencia, (c) salida de la cancelación de ruido Otra aplicación útil de la cancelación de ruido adaptativa es la eliminación de interferencia del corazón de una madre cuando se quiere hacer un electrocardiograma a un feto. La Figura 12 muestra la localización de los corazones del feto y de la madre, y el lugar de los cables de 22 FILTROS ADAPTATIVOS APLICACIÓN PRÁCTICA DE FILTROS ADAPTATIVOS entrada. El cable abdominal nos da la señal de entrada (conteniendo el electro del feto con la interferencia de la madre), y el cable del pecho nos da el electro de la madre puro. Figura 12: Cancelación del latido de la madre en el electrocardiograma del feto La configuración del cancelador de ruido adaptativo está basada en el esquema mostrado en la Figura 8, en el cual la señal deseada será la tomada por el electrodo del abdomen, y la señal de entrada la tomada por el electrodo del pecho. Esta configuración constituye un cancelador de ruido de referencia múltiple, que trabaja como un cancelador de un sólo canal. La Figura 13 muestra los resultados. El electro maternal del cable del pecho es filtrado adaptativamente y sustraído de la señal abdominal, dejando el electro del feto totalmente puro. Esto es un problema interesante ya que los electros del feto y de la madre tienen espectros superpuestos. Los dos corazones son eléctricamente aislados y trabajados independientemente. La frecuencia del segundo armónico del electro materno está cerca del armónico fundamental del ECG del feto, por lo que las técnicas de filtrado ordinarias tendrían mucha dificultad con este problema. Figura 13: Resultados del electrocardiograma del feto: (a) entrada de referencia (cable del pecho), (b) entrada primaria (cable del abdomen), (c) salida del cancelador de ruido. 23