Beruflich Dokumente
Kultur Dokumente
M
etodo de mnimos cuadrados (LS)
LS: Solucion determinista a problemas de estimacion lineal
Planteamiento del problema
Determinar los coeficientes optimos de un filtro FIR dados los patrones de entrada x(n) y las salidas deseadas d(n)
Solucion estocastica: minimizar
Filtro de Wiener
J(w) = E |e(n)|2
LMS
Solucion determinista: minimizar
N
1
Mnimos cuadrados
X
J(w) =
|e(n)|2
RLS
n=0
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Principio de ortogonalidad
Problema a resolver: encontrar el mnimo para J =
N
1
X
e(n)e (n)
n=0
Gradiente
k J = 2
N
1
X
n=0
k J = 0 Principio de ortogonalidad
La serie temporal de errores mnimos, emin (n), es ortogonal con la serie temporal
de entrada del filtro x(n k)
N
1
X
k = 0, 1, 2, , M 1
n=0
Corolario: La salida del filtro optimo, ymin (n), es ortogonal al error emin (n)
N
1
X
i=0
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Ecuaciones normales
Principio de ortogonalidad
N
1
X
x(n k) d (n)
M
1
X
n=0
i x (n i)
=0
i=0
N
1
X
x(n k)x (n i) =
n=0
N
1
X
n=0
H
= XH d
X X w
Notacion Problema: XN M wM
1 + eM 1 = dM 1 (Normalmente N > M )
x(0)
x(1)
..
.
x(1)
x(0)
..
.
x(M + 1)
..
.
x(M + 2) 1
..
..
.
.
M
x(N M )
1
x(N 1) x(N 2)
e(0)
e(1)
..
.
e(N 1)
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
d(0)
d(1)
..
.
d(N 1)
Soluci
on LS
Solucion u
nica
a) N M (Sistema sobredeterminado)
b) Rank(XH X)=M (columnas linealmente independientes)
1 H
H
= X X
X d
w
Infinitas soluciones
N < M (Sistema indeterminado)
Solucion de norma mnima
H
=X
w
1
X X
d
H
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Pseudoinversa
Definiendo el operador pseudoinversa X+
= X+ d
w
1 H
X X
X ,
1
+
H
H
X = X X X
,
X1 ,
Si N > M
Si N < M
Si N = M
=X X X
d = Xw
X d
|
{z
}
Px
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
LS/Filtro de Wiener
Ecuaciones normales
H
= XH d
X X w
= M 1
M M w
Interpretacion de y
: estima de la autocorrelacion
= XH X =
N
1
X
xn xH
n
n=0
N
1
X
d(n)xn
n=0
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Propiedades
La matriz
es hermtica ( = H )
es semidefinida positiva (xH x 0)
El estimador LS es insesgado si el error tiene media nula
Si el error es blanco, de media nula y varianza 2
H
wo )(w
wo ) = 2 1
E (w
El estimador LS es el mejor estimador lineal insesgado (BLUE)
Si ademas el error es gaussiano, el estimador LS alcanza el lmite de
Cramer-Rao (es el mejor estimador, lineal o no lineal)
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
N
1
X
a(n)|e(n)|2
n=0
Ecuaciones normales
XH AXw = XH Ad
Solucion (si N M y Rank(XH AX)=M )
1 T
H
= X AX
w
X Ad
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
LS regularizado
Funcion de coste
J(w) = wH Aw + ||d Xw ||2
A: hermtica positiva semidefinida
Solucion
1 H
= X X+A
w
X d
H
Tpicamente: A = I
1 H
= X X + I
w
X d
H
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
1
=
(N xN + x(N + 1))
N +1
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Funci
on de coste y soluci
on LS
Funcion de coste (determinista) en el instante n
Jn (w) =
N
X
i=1
e(n) = d(n) wH xn
: factor de olvido exponencial (0 < < 1)
La solucion cumple las ecuaciones normales
n wn = n
n =
N
X
i=1
ni xi xH
i ,
wn = 1
n n
n =
N
X
ni xi d(n)
i=1
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Cuestiones preliminares
En la solucion obtenida para cada instante n intervienen todos los
datos hasta ese instante (aunque ponderados de distinta manera)
La estima LS es determinista; no obstante, si = 1 y los procesos
que intervienen son ergodicos
lmn n1 n = R
lmn n1 n = p
lm LS = Wiener
n
La inversion de la matriz de autotocorrelacion para cada n necesitara O(M 3 ) operaciones y O(M 3 ) posiciones de memoria
Se puede hacer el calculo de forma recursiva?
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
C
alculo recursivo de 1
n
n+1 =
N
+1
X
H
n+1i xi xH
=
+
x
x
n
n+1 n+1
i
i=1
1
n+1
= n +
1
H
xn+1 xn+1
2 1
H
1
x
x
n+1
n
n+1 n
= 1 1
n
1
1 + 1 xH
n+1 n xn+1
Definiciones
Pn = 1
on
n Inversa de la autocorrelaci
kn+1
1 Pn xn+1
=
Vector de ganancia
H
1
1 + xn+1 Pn xn+1
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
C
alculo recursivo de 1
n (II)
Ecuacion de Ricatti para el RLS
Pn+1 =
Pn
kn+1 xH
n+1 Pn
Vector de ganancia
kn+1 = Pn+1 xn+1
son los datos blanqueados por la inversa de la matriz de autocorrelacion
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Actualizaci
on del filtro
Solucion de mnimos cuadrados
wn+1 = 1
n+1 n+1
que puede desarrollarse como
wn+1 = Pn+1 n+1 = Pn+1 n + Pn+1 xn+1 d (n + 1)
Teniendo en cuenta la recursion de la ecuacion de Ricatti
H
wn+1 = P
k
x
P
+
P
x
d
(n + 1)
n
n
n+1
n
n
n+1
n+1
n+1
| {z }
| {z }
wn
kn+1
Expresion final
wn+1
H
= wn + kn+1 d (n + 1) xn+1 wn
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
RLS/LMS
H
RLS: wn+1 = wn + kn+1 d (n + 1) xn+1 wn
H
LMS: wn+1 = wn + xn d (n) xn wn
En ambos casos se actualiza el filtro mediante un termino de error
Para obtener wn+1
El LMS utiliza los datos en n
El RLS utiliza todos los datos (a traves de Kn+1 )
En el LMS el error se multiplica por xn
En el RLS el error se multiplica por
Ejemplo: Identificaci
on
1 r
r 1
Ejemplo: Identificaci
on (II)
Coeficiente de
correlacion de la
entrada r = 0.1
Coeficiente de
correlacion de la
entrada r = 0.8
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
1Pnxn+1
=
1 + 1xH
n+1 Pn xn+1
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
mejor seguimiento
mayor desajuste
RLS: capacidad de seguimiento determinada por el factor de olvido
mejor seguimiento
mayor desajuste
Para un mismo desajuste (que fija y ) el LMS tiene habitualmente
un mejor comportamiento en ambientes no estacionarios.
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)
Conclusiones
El RLS obtiene de manera recursiva el estimador LS
Utiliza todos los datos pasados (ponderados por un factor de olvido)
Evita la inversion de la matriz de autocorrelacion en cada paso: se actualiza 1
n+1
a partir de 1
n
Insensible a la dispersion de autovalores de la matriz de autocorrelacion
El valor de ganancia kn desacopla la convergencia de los coeficientes
Para = 1 y procesos ergodicos el RLS converge a Wiener y no existe desajuste
En comparacion con el LMS
Velocidad de convergencia muy superior (del orden de 2M )
Gasto computacional superior (versiones rapidas: Fast-RLS)
Para un mismo desajuste se comporta peor en ambientes no estacionarios
El RLS puede presentar problemas de estabilidad numerica
Doctorado en Tecnologas de las Comunicaciones - Procesado Digital de Seales en Comunicaciones (Curso 2003/04)