Professional Documents
Culture Documents
+ = +
+
x
w w
x x
PLANTAS ESPARSAS
LMS e NLMS baixa taxa de convergncia para plantas
com resposta ao impulso esparsa
Plantas esparsas Cancelamento de eco, equalizao de canais
e processos ssmicos
Duttweiler (2000) Prope o algoritmo PNLMS
PNLMS Explora a caracterstica esparsa da planta para
aumentar a taxa de convergncia do algoritmo
ALGORITMO PNLMS
PNLMS Cada coeficiente ativo atualizado proporcionalmente
sua magnitude
T
( ) ( ) ( )
( 1) ( )
( ) ( ) ( )
k k e k
k k
k k k
+ = +
+
G x
w w
x G x
1
( )
( ) , 1, 2, ,
1
( )
i
i
N
l
l
k
g k i N
k
N
=
|
= =
|
min
( ) max[ ( ), | ( ) |]
i i
k k w k | = |
min
( ) max[ , || ( ) || ] k k
| = o w
Ganho individual
Atualizao dos coeficientes
Funo de proporcionalidade
Fator de ativao (comum a
todos os coeficientes)
ALGORITMO PNLMS - CARACTERSTICAS
Atribui ganhos mais elevados aos coeficientes mais significativos
(ativos)
Aumento da taxa de convergncia para plantas esparsas
Rpida convergncia inicial
Atribui ganhos menores aos coeficientes de pequena magnitude
(inativos)
Diminuio da taxa de convergncia aps o perodo inicial
ALGORITMO IAF-PNLMS
IAF-PNLMS Utiliza fatores de ativao individuais para prover
ganho proporcional a todos os coeficientes do filtro adaptativo (ativos
e inativos)
Funo de Proporcionalidade
Fator de ativao individual
( ) max[ ( ), | ( ) |]
i i i
k f k w k | =
1 1
| ( ) | ( 1), , 1, 2, 3,...
( )
2 2
( 1), caso contrrio
i
i
i
k f k k mN m
f k
f k
+ = =
w
ALGORITMO IAF-PNLMS - CARACTERSTICAS
Atribui ganhos maiores aos coeficientes ativos do que o algoritmo
PNLMS
Maior taxa de convergncia para plantas exibindo alta esparsidade
Atribui ganhos menores aos coeficientes inativos do que o algoritmo
PNLMS
Diminuio da taxa de convergncia aps o perodo inicial
Maior desalinhamento em regime permanente
DEFINIO DO PROBLEMA
Ganho atribudo aos coeficientes ativos permanece elevado mesmo aps
esses coeficientes alcanarem a vizinhana de seus valores timos.
Como consequncia, ganho alocado aos coeficientes inativos se
mantm baixo por todo o processo adaptativo.
Estratgia Reduzir o ganho atribudo aos coeficientes que j
convergiram e redistribu-los aos demais coeficientes.
ABORDAGEM PROPOSTA
Nova distribuio de ganho
Se
Caso contrrio
o
o
| ( ) |
i i i
w w k s +
1
( )
i
k
N
| =
( ) max[ ( ), | ( ) |]
i i i
k f k w k | =
Coeficiente na vizinhana de seu
valor timo
Reduo de ganho
Mantm o ganho do
algoritmo IAF-PNLMS
Coeficiente em adaptao
AVALIAO DE CONVERGNCIA
Critrio exige conhecimento a priori da resposta ao
impulso da planta (geralmente no disponvel em aplicaes reais)
Novo critrio Taxa de variao da magnitude dos coeficientes
o
o
| ( ) |
i i i
w w k s +
| ( ) ( ) |
, , 1, 2, 3,
min[ ( ), ( )] ( )
( 1), caso contrrio
i i
i i i
i
Q k P k
k m m
Q k P k V k
V k
= A =
( ) | ( ) | | ( 1) | | ( 1) |
2
i i i i
Q k w k w k w k
A
= + + + +
( ) | ( ) | | ( 1) | | ( 1) |
2 2
i i i i
P k w k w k w k
A A
= + + + A+
= Nmero de amostras de
A
( )
i
w k
DISTRIBUIO DE GANHO
Distribuio de ganho implementada
Se
Caso contrrio
( )
i
V k s c
1
( )
i
k
N
| =
Assumido que o coeficiente convergiu
Novo limiar de convergncia
c
( ) max[ ( ), | ( ) |]
i i i
k f k w k | =
Assumido que o coeficiente NO convergiu
Mantm o ganho do
algoritmo IAF-PNLMS
RESULTADOS DE SIMULAO
Sinal de entrada branco. Mudana de planta com esparsidade 0,77 para
planta com esparsidade 0,43 na iterao 10000. SNR = 30 dB.
IAF-PNLMS
Proposto
D
e
s
a
l
i
n
h
a
m
e
n
t
o
n
o
r
m
a
l
i
z
a
d
o
(
d
B
)
-10
0
-20
-30
-40
Iteraes
0 1 3 2
4
10
. N A =
RESULTADOS DE SIMULAO
Sinal de entrada branco. Planta com esparsidade 0,77 deslocada 12
posies para a direita na iterao 10000. SNR = 30 dB.
IAF-PNLMS
Proposto
D
e
s
a
l
i
n
h
a
m
e
n
t
o
n
o
r
m
a
l
i
z
a
d
o
(
d
B
)
-10
0
-20
-30
-40
Iteraes
0 0,4 0,8 1,2 2 1,6
4
10
. N A =
RESULTADOS DE SIMULAO
Sinal de entrada correlacionado (processo AR2) com disperso dos
autovalores Planta com esparsidade 0,77. SNR = 30 dB.
120. _ =
IAF-PNLMS
Proposto
Iteraes
0 1 2 3 4 5
4
10
D
e
s
a
l
i
n
h
a
m
e
n
t
o
n
o
r
m
a
l
i
z
a
d
o
(
d
B
)
-10
0
-20
-30
-40
. N A =
CONSIDERAES SOBRE O ALGORITMO
PROPOSTO
O novo algoritmo, atravs da avaliao da taxa de variao da
magnitude do coeficiente, reduz o ganho dos coeficientes que j
atingiram a vizinhana do seu valor timo e o redistribui aos demais
coeficientes.
Melhor poltica de distribuio de ganho
Maior velocidade de convergncia
Menor desalinhamento em regime permanente
Maior complexidade computacional
Pode ser aplicado a outros algoritmos do tipo proporcional
Nova Estratgia de Distribuio de Ganho de
Adaptao Aplicada ao Algoritmo IAF-PNLMS
Planta esparsa (Modelo 1 da ITU-T Recomendation 168) Entrada branca SNR=30 dB
1) Maior coeficiente da planta
2) Coeficiente com magnitude intermediria (entre 0,4 e 0,6 a magnitude do maior coeficiente)
3) Coeficiente inativo (magnitude no mnimo 100 menor do que a maior magnitude)
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
V
a
l
o
r
d
o
c
o
e
f
i
c
i
e
n
t
e
Iteraes
IAF-PNLMS
Proposto
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0
10
20
30
40
50
60
70
Iteraes
V
a
l
o
r
d
o
g
a
n
h
o
IAF-PNLMS
Proposto
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.14
-0.12
-0.1
-0.08
-0.06
-0.04
-0.02
0
Iteraes
V
a
l
o
r
d
o
c
o
e
f
i
c
i
e
n
t
e
IAF-PNLMS
Proposto
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0
5
10
15
20
25
Iteraes
V
a
l
o
r
d
o
g
a
n
h
o
IAF-PNLMS
Proposto
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x 10
4
-0.5
0
0.5
1
1.5
2
2.5
x 10
-3
Iteraes
V
a
l
o
r
d
o
c
o
e
f
i
c
i
e
n
t
e
IAF-PNLMS
Proposto
Valor timo
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x 10
4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Iteraes
V
a
l
o
r
d
o
g
a
n
h
o
IAF-PNLMS
Proposto
Planta esparsa (Modelo 1 da ITU-T Recomendation 168) Entrada branca SNR=30 dB
1) Maior coeficiente da planta
2) Coeficiente com magnitude intermediria (entre 0,4 e 0,6 vezes a magnitude do maior coeficiente)
3) Coeficiente inativo (magnitude no mnimo 100 menor do que a maior magnitude)
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
Iteraes
V
a
l
o
r
d
o
c
o
e
f
i
c
i
e
n
t
e
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
Iteraes
T
a
x
a
d
e
v
a
r
i
a
o
d
a
m
a
g
n
i
t
u
d
e
2500 0 7500 10000 5000
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.14
-0.12
-0.1
-0.08
-0.06
-0.04
-0.02
0
Iteraes
V
a
l
o
r
d
o
c
o
e
f
i
c
i
e
n
t
e
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Iteraes
T
a
x
a
d
e
v
a
r
i
a
o
d
e
m
a
g
n
i
t
u
d
e
5000 7500 10000 2500 0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
-0.5
0
0.5
1
1.5
2
2.5
x 10
-3
Iteraes
V
a
l
o
r
d
o
c
o
e
f
i
c
i
e
n
t
e
0 2500 5000 7500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
Iteraes
T
a
x
a
d
e
v
a
r
i
a
o
d
a
m
a
g
n
i
t
u
d
e