Professional Documents
Culture Documents
SignalProcessing PDF
SignalProcessing PDF
XỬ LÝ TÍN HIỆU
Eastern International University
School of Engineering
Assoc. Prof. Dương Hoài Nghĩa
nghia.duong@eiu.edu.vn - 0918 416 425
Điện tâm đồ
Xử lý tín hiệu 4
Các thành phần của tín hiệu điện não EEG Tiết bị đo tín hiệu EEG và vị trí các điện cực
2. Định nghĩa
• Tín hiệu nhân quả: x(t) = 0 ∀ t < 0
• Tín hiệu phản nhân quả: x(t) = 0 ∀ t > 0
• Tín hiệu không nhân quả: x(t) ≠ 0 ∃ t < 0
+∞
• Năng lượng của tín hiệu x(t): Ex =
∫ -∞ |x(t)|2 dt
Xử lý tín hiệu 6
Nếu Ex tồn tại ⇒ x(t) là tín hiệu năng lượng
1 T
• Công suất của tín hiệu x(t): Px = lim T→∞
2T ∫- T
|x(t)|2 dt
1 T 2 T 2 T
T ∫0 T ∫0 T ∫0
Xo = x(t)dt , Sk = x(t)sin(kωo t)dt , Ck = x(t)cos(kωo t)dt
2) Dạng phức
+∞ +∞
x(t) = ∑ X& k ekωo t = Xo +
k=-∞
∑ 2|X& |cos(kω t+ϕ
k=1
k o k )
& = 1 T x(t)e-jkωo t dt = | X
T ∫0
X & | ∠ϕk
k k
+∞
1 T
T ∫0
Đẳng thức Parseval: Px = | x ( t ) | 2
dt = ∑ | X& k |2
k = −∞
&
3) Phổ biên độ và phổ pha rời rạc | X k | ∠ϕk
Ví dụ:
1 1
sin(2πfot) [δ(f-fo) - δ(f+fo)] cos(2πfot) [δ(f-fo) + δ(f+fo)]
2j 2
1 1 1
sign(t) 1(t) δ(f) +
jπf 2 j2πf
+∞
Chập theo f z(t) = x(t)y(t) ⇔ Z(f) = X(f)*Y(f) = ∫ -∞ X ( λ ) Y ( f − λ ) dλ
2) Tính chất
Linearity y(t) = a1x1(t) + a2x2(t) ⇒ Y(s) = a1X1(s) + a2X2(s)
dx
y(t) = ⇒ Y(s) = sX(s) - x(0)
dt
Differentiation
dnx
y(t) = n
⇒ Y(s) = snX(s) - sn-1x(0) - sn-2x’(0) - ... - x(n-1)(0)
dt
t X(s)
Integration y(t) = ∫ 0
x(τ)dτ ⇒ Y(s) =
s
Initial value theorem lim s→∞ sX(s) = x(0+)
Xử lý tín hiệu 9
1 ωo
t sin(ωot)
s2 s 2 + ω o2
n! s
tn cos(ωot)
s n +1 s 2 + ω o2
1 ωo
e-at e-at sin(ωot)
s+a (s + a) 2 + ω o2
1 s+a
te-at e-at cos(ωot)
(s + a) 2 (s + a) 2 + ω o2
+∞ +∞ +∞ +∞
=
∫ -∞ X(f)
∫ -∞ x*(t)ej2πft dt df =
∫ -∞ X(f)X*(f) df =
∫ -∞ |X(f)|2 df
+∞ +∞
⇒ Ex =
∫ -∞ |x(t)|2 dt =
∫ -∞ |X(f)|2 df (đẳng thức Parseval)
Hàm tương quan chéo giữa các tín hiệu x(t) và y(t)
+∞
rxy(τ) =
∫ -∞ x(t)y*(t-τ) dt
Định lý Wiener – Khintchine: Mật độ phổ năng lượng của tín hiệu x(t)
+∞ +∞ +∞
F{rx(τ)} =
∫ -∞ rx(τ)e-j2πfτ dτ =
∫ -∞ ∫ -∞ x(t)x*(t-τ) dt e-j2πfτ dτ
+∞ +∞
=
∫ -∞ x(t)e-j2πft
∫ -∞ x*(t-τ)ej2πf(t-τ) dt dτ
+∞ +∞
=
∫ -∞ x(t)e-j2πft dt
∫ -∞ x*(t’)ej2πft’ dt’ = X(f)X*(f) = |X(f)|2
+∞
⇒ Sx(f) =
∫ -∞ rx(τ)e-j2πfτdτ
a a − a n a n −3 a a − a n a n −5 b a − a n −1b n − 3
với b n −1 = n −1 n − 2 , b n − 3 = n −1 n − 4 , c n −1 = n −1 n − 3
a n −1 a n −1 b n −1
- Biểu diễn bằng đáp ứng xung
Tính nhân quả
Chập
+∞ +∞
y(t) = u(t)*h(t) = ∫ u(τ )h(t - τ )dτ = h(t)*u(t) = ∫ h(τ )u(t - τ )dτ
−∞ −∞
3. Lọc elliptic
1
|H(jω)| =
ω
1 + ε 2 R 2n ( , L)
ωo
với ε là hệ số gợn, ωo là tần số cắt, Rn(x) là hàm hữu tỷ Chebyshev bậc n
Xử lý tín hiệu 13
Hình 3.13
BÀI TẬP
1.1) Cho hệ thống tuyến tính biểu diễn bởi phương trình vi phân
y& + 2y = u
a) Tìm đáp ứng xung h(t) và hàm truyền đạt H(s).
b) Tìm y(t) nếu u(t) = 1(t).
c) Tìm phổ biên độ và phổ pha của y(t) nếu u(t) = e-t1(t).
1.2) Cho hệ thống tuyến tính biểu diễn bởi phương trình vi phân
&y& + 2 y& + 5y = u
a) Tìm đáp ứng xung h(t) và hàm truyền đạt H(s).
b) Tìm y(t) nếu u(t) = 1(t).
c) Tìm phổ biên độ và phổ pha của y(t) nếu u(t) = e-t1(t).
1.3) Xác định lọc thông thấp Butterworth với ωc = 100rad/s, |H(j200)| < 0.2
1.4) Xác định lọc thông thấp Chebyshev với ωo = 100rad/s, |H(j200)| < 0.2, δ = 0.1
Xử lý tín hiệu 14
Chương 2 LẤY MẪU TÍN HIỆU
+∞
Tín hiệu lấy mẫu: s(t) = ∑ δ(t − kT)
k = −∞
+ ∞ , t = 0 +∞
với δ(t) là xung Dirac δ(t) =
0 , t ≠ 0
và
∫− ∞ δ(t)dt = 1
Xử lý tín hiệu 15
Tín hiệu ra của khâu lấy mẫu lý tưởng
+∞ +∞
y*(t) = y(t)s(t) = ∑ y(kT)δ(t − kT) ⇒ Y*(s) = ∑ y(kT)e − kTs
k = −∞ k = −∞
Khai triển chuổi Fourier của tín hiệu lấy mẫu
1 + ∞ jkω t 2π
s(t) = ∑
T k=-∞
e o
với ωo =
T
+∞ +∞
1 1
⇒ y*(t) = y(t)s(t) = y(t)
T
∑e
k=-∞
jkωo t
⇒ Y*(s) =
T
∑ Y(s-jkω )
k=-∞
o
+∞
1
⇒ Y*(jω) =
T
∑ Y(j(ω-kω )) ⇒ Y*(jω) có chu kỳ = ωo ⇒ định lý Shanon.
k=-∞
o
Hình 2.7
Y(z) = Y*(s)
e Ts = z
+∞
∑ U(s − jkωe )
1
Y(s) = G(s)U*(s) = G(s)
T
k = −∞
+∞ +∞ +∞
∞
2) Biến đổi Z hai phía X(z) = ∑ x(k)z-k
k = −∞
|k|
Ví dụ: x(k) = 0.8
∞ −1 ∞ ∞ ∞
X(z) = ∑ 0.8|k|z-k = ∑ 0.8-kz-k + ∑ 0.8kz-k = ∑ 0.8kzk + ∑ 0.8kz-k
k = −∞ k = −∞ k =0 k =1 k =0
∞ ∞
0 .8 z z
= ∑ (0.8z) +k
∑ (0.8z-1)k = +
1 − 0 .8 z z − 0 .8
k =1 k =0
-1
Miền hội tụ ROC: |0.8z | < 1 và |0.8z| < 1 ⇒ 0.8 < |z| < 1/0.8
Dịch trong
Y+(z) = z-nX+(z) + ∑
k =0
x(k-n)z-k
3 miền thời n
gian (n>0) y(k) = x(k+n) ⇒ Y(z) = z X(z)
−1
Y+(z) = znX+(z) - ∑
k =− n
x(k+n)z-k
1 z
u(t) u(k)
s z -1
1 z
e-at e-akT
s+a z - e -aT
1 Tz
t kT
s2 (z - 1) 2
ωo e− aTsin(ωoT)z
e-atsin(ωot) e-akTsin(ωokT)
(s + a) 2 + ω o2 z 2 - 2e-aT cos(ωoT)z + e- 2aT
Hình 3.1
c) Phương pháp khai triển thành phân thức tối giản (partial fraction expansion method)
X + (z) 10z + 5 25 18.75 43.75
= = + -
z z(z − 1)(z − 0.2) z z − 1 z − 0 .2
18.75 43.75
⇒ X(z) = 25 + -
−1
1− z 1 − 0.2z −1
⇒ x(k) = 25δ(k) + 18.75u(k) – 43.75(0.2)ku(k)
⇒ x(0) = 0, x(1) = 10, x(2) = 17, …
10z + 5
Ví dụ: X+(z) =
(z − 1)(z − 0.2)
(10z + 5)z k
X+(z)zk-1 = ⇒ x(k) = K1 + K2 + K3
z(z − 1)(z − 0.2)
(10z + 5)z k 25, k = 0
K1 = lim z → 0 {zX(z)zk-1} = lim z → 0 =
(z − 1)(z − 0.2) 0, k ≠ 0
(10z + 5)z k 15
K2 = lim z → 1 {(z - 1)X(z)zk-1} = lim z → 1 = = 18.75
z ( z − 0 .2 ) 0 .8
(10z + 5)z k 7
K3 = lim z → 0.2 {(z – 0.2)X(z)zk-1} = lim z → 0.2 = 0.2k = -43.75(0.2k)
z(z − 1) − 0.16
⇒ x(0) = 25 + 18.75 - 43.75 = 0
x(1) = 18.75 – 43.75(0.2) = 10
x(2) = 18.75 – 43.75(0.22) = 17
...
Xử lý tín hiệu 20
+1 / 2
IDTFT: x(k) = ∫−1/ 2 X(ej2πf)ej2πfkdf
Hình 3.2
Y(z)
Hàm truyền đạt: H(z) = (sơ kiện zero)
U(z)
Đáp ứng xung: h(k) = Z-1{H(z)}
u(k) = δo(k) ⇒ y(k) = h(k)
Tính nhân quả: h(k) = 0 ∀k < 0
+∞ +∞
y(k) = u(k)*h(k) = ∑ u(n)h(k-n) = h(k)*u(k) = ∑ h(n)u(k-n)
n = −∞ n = −∞
z z z
Đáp ứng nấc: u(k) = 1(k) ⇒ U(z) = ⇒ Y(z) = H(z) ⇒ y(k) = Z-1{H(z) }
z −1 z −1 z −1
Xử lý tín hiệu 21
Tính nhân quả: y(k) = 0 ∀k < 0
p q
Biểu diễn bằng phương trình sai phân: y(k) = ∑ aiy(k-i) + ∑ biu(k-i)
i =1 i=0
Biểu diễn bằng phương trình trạng thái:
x(k+1) = Ax(k) + Bu(k)
y(k) = Cx(k) + Du(k)
H(z) = D + C(zI-A)-1B
Điều kiện ổn định: tất cả các cực nằm bên trong vòng tròn đơn vị
pz = epsT (T: chu kỳ lấy mẫu)
Tiêu chuẩn Jury: Ví dụ P(z) = 2z3 + 3z2 + 4z + 5 = 0
2 3 4 5
5 4 3 2
12 5 12 4 12 3
= -10,5 = -7 = -3,5
25 2 25 3 25 4
-3,5 -7 -10,5
1 − 10,5 − 3,5 1 − 10,5 − 7
= -9,3 = -4.7
− 10,5 − 3,5 − 10,5 − 10,5 − 3,5 − 7
-4.7 -9.3
1 − 9,3 − 4,7
= -6,9
− 9,3 − 4,7 − 9,3
Điều kiện ổn định (cần và đủ): tất cả các phần tử ở hàng lẻ trên cột 1 có cùng dấu.
3.4 LỌC SỐ
1) Lọc
Xét hệ thống hình 3.3. Quan hệ giữa tín hiệu vào x(n) và tín hiệu ra y(n) được xác định bởi
+∞
y(n) = ∑ gkx(n-k) (3.8)
k = −∞
với gk là đáp ứng xung của hệ thống. Lấy biến đổi Fourier hai vế của (3.8) ta được
Y(f) = G(f)X(f) (3.9)
trong đó G(f) là hàm truyền đạt của hệ thống.
Hình 3.3
Dải tần số có |G(f)| lớn được gọi là dải thông. Dải tần số có |G(f)| bé được gọi là dải chắn. Để tín
hiệu không bị méo dạng, ta cần có
Xử lý tín hiệu 22
y(n) = Gox(n-N) (3.10)
-jNf
Y(f) = Goe X(f) (3.11)
nếu mọi thành phần tần số của x(n) đều thuộc dải thông của lọc. Trong đó Go và N ≥ 0 là hằng số.
(3.10) cho thấy y(n) đồng dạng với x(n) và trể N bước lấy mẫu so với x(n). Hàm truyền đạt của lọc
lý tưởng
G e -jTf , f ∈ B
G(f) = o (3.12)
0 , f ∉B
lọc thông thấp lọc thông cao lọc thông dải lọc chắn dải
Hình 3.4: Các loại lọc lý tưởng (f: tần số chuẩn hóa, tần số lấy mẫu f ↔ 0.5)
Theo chiều dài của đáp ứng xung: lọc FIR và lọc IIR
Theo giải thuật thực hiện: lọc không đệ quy (non recursive, transversal), lọc đệ quy (recursive) và
lọc dựa vào biến đổi Fourier rời rạc.
3.4 TỔNG HỢP LỌC SỐ CÓ ĐÁP ỨNG XUNG DÀI HỬU HẠN (FIR)
Lọc FIR (finite impulse response)
L
y(n) = ∑ gkx(n-k) (3.13)
k=0
1) Phương pháp dựa vào biến đổi Fourier ngược đặc tính tần số của lọc lý tưởng
Ví dụ: Lọc thông thấp lý tưởng
Hình 3.6: Lọc thông thấp lý tưởng với tần số cắt fc = 0.05
f: tần số chuẩn hóa (tần số/tần số lấy mẫu), không có đơn vị.
0. 5 fc e j2πnf c − e -j2πnf c sin(2πnf c )
gn = ∫− 0.5 G o (f)e j2 πfn df = ∫− f c e j2πfn df = = 2f c
j2πn 2πnf c
sin(2πnf c )
gn = 2f c ,n∈Z (3.14)
2πnf c
(3.14) cho thấy lọc lý tưởng là hệ thống không nhân quả (do đó không thể thực hiện được) và có đáp
ứng xung dài vô hạn. Để có lọc với đáp ứng xung dài hữu hạn, ta loại bỏ các đáp ứng xung với n lớn
g n , − M ≤ n ≤ M
hn = = gnwn (3.15)
0, n ≠
1, - M ≤ n ≤ M
với wn = (3.16)
0, n ≠
là cửa sổ chử nhật. Hàm truyền đạt của lọc (3.15)
M
H(z) = ∑ gnz-n (3.17)
n = −M
(3.17) cho thấy H(z) là lọc không nhân quả, có đáp ứng xung dài hữu hạn. Để có lọc nhân quả ta có
thể dịch phải (làm trể) hn M bước lấy mẫu
M M 2M 2M
H (z) = z-M ∑ gnz-n = ∑ gnz-n-M = ∑ gm-Mz-m = ∑ h mz-m (3.18)
n = −M n = −M m =0 m =0
2M
⇒ H (z) = ∑ h nz-n (3.19)
n =0
Xử lý tín hiệu 24
sin(2π(n − M)f c )
với h n = gn-M = 2f c (3.20)
2π(n − M )f c
(3.19) cho thấy H (z) là lọc nhân quả với đáp ứng xung dài hữu hạn. Từ (3.15), hn = gnwn, ta có
H(ej2πf) = G(ej2πf)*W(ej2πf) (3.21)
Từ (3.18) và (3.21) ta có
H ( ej2πf) = H(ej2πf)e-j2πfM = [G(ej2πf)*W(ej2πf)]e-j2πfM (3.22)
j2πf
Với * là phép chập (convolution) và W(e ) là biến đổi Fourier của cửa sổ hình chử nhật (3.16)
M
e j2πfM − e − j2πf ( M +1) e − jπf (e j2πf ( M + 0.5) − e − j2πf ( M + 0.5) )
W(ej2πf) = ∑ e-j2πfk = =
k = −M 1 − e − j2πf e − jπf (e jπf − e − jπf )
sin( 2πf (M + 0.5))
⇒ W(ej2πf) = (3.23)
sin( πf )
2) Cửa sổ
1, - M ≤ n ≤ M
Cửa sổ chử nhật wn = (3.24)
0, n khac
M +1 - | n |
Cửa sổ tam giác (Bartlett) wn = M + 1 , - M ≤ n ≤ M (3.25)
0 , n khac
πn
Cửa sổ Hanning wn = 0.5 + 0.5cos( M + 1), - M ≤ n ≤ M (3.26)
0 , n khac
πn
Cửa sổ Hamming wn = 0.54 + 0.46cos( M + 1), - M ≤ n ≤ M (3.27)
0 , n khac
πn 2πn
Cửa sổ Blackman wn = 0.42 + 0.5cos( M + 1) + 0.08cos( M + 1), -M≤ n ≤ M (3.28)
0 , n khac
So sánh các loại cửa sổ
Cửa sổ Peak side-lobe Width of main lobe (f)
2
Chử nhật -13 dB
L +1
4
Bartlett -25 dB
L
4
Hanning -31 dB
L
4
Hamming -41 dB
L
6
Blackman -57 dB
L
Xử lý tín hiệu 25
Hình 3.7 trình bày đáp ứng xung h(n) và đáp ứng tần số |H(f)| của các lọc FIR với chiều dài N khác
nhau tổng hợp dùng biến đổi Fourier. Tất cả các lọc đều là lọc thông thấp với tần số cắt fc = 0.1. Ta
nhận thấy khi tăng N (tăng bề rộng cửa sổ chử nhật) dải chuyển tiếp của đáp ứng tần số |H(f)| thu
hẹp lại.
A) N = 21 B) N = 51
C) N = 101 D) N = 201
Hình 3.7: Đáp ứng xung h(n) và đáp ứng tần số |H(f)| của các lọc thông thấp
FIR (tần số cắt fc = 0.1) với chiều dài N khác nhau (cửa sổ chử nhật).
Hình 3.8 trình bày đáp ứng tần số |H(f)| và đáp ứng xung h(n) của các lọc thông thấp FIR có tần số
cắt fc = 0.1, chiều dài N = 101 và với cửa sổ chử nhật (A), cửa sổ tam giác (B), cửa sổ Von Hann
(C), và cửa sổ Hamming (D). Ta thấy các cửa sổ tam giác, Von Hann, và Hamming làm giảm độ
gợn của đáp ứng tần số |H(f)| và mở rộng dải tần số chuyển tiếp.
Xử lý tín hiệu 26
Hình 3.8: Đáp ứng tần số |H(f)| và đáp ứng xung h(n)
của các lọc thông thấp FIR có tần số cắt fc = 0.1, chiều dài N = 101
với các cửa sổ chử nhật (A), tam giác (B), Von Hann (C), và Hamming (D).
3.5 TỔNG HỢP LỌC SỐ CÓ ĐÁP ỨNG XUNG DÀI VÔ HẠN (IIR)
1) Phương pháp dựa vào phân bố của cực và zero
Ví dụ 1: Thiết kế lọc thông dải với
- Tần số giữa của dải thông π/4
- Bề rộng dải thông π/20
- Loại bỏ hoàn toàn các tần số 0 và π
Cực: p = re± jπ/4. Dải thông π/20 ≈2(1 - r) ⇒ r = 1 - π/40 = 0.92 ⇒ p = 0.92e± jπ/4
Zero: 1 và –1
H o (z - 1)(z + 1) H o (z 2 - 1)
Vậy: H(z) = =
(z - 0.92e jπ/4 )(z - 0.92e - jπ/4 ) z 2 - 1.3z + 0.84
|H(ejπ/4)| = 1 ⇒ Ho = 0.42
Xử lý tín hiệu 27
Hình 3.9: Cực và zero của lọc thông dải Hình 3.10: Cực và zero của lọc chắn dải
Ví dụ: Thiết kế lọc thông thấp Butterworth có tần số cắt (3dB) Ωc = 0.2π, |H(0.4π)| ≤ -30dB
1 1
|H(0.4π)| = = ≤ 10-30/20 ⇒ n ≥ 4.29 ⇒ n=5
tg(0.2π )
2n
1 + 2 . 236 2n
1 +
tg(0.1π )
i =1 i i =1
n n
A
⇒ hD(k) = ∑ A i e p kTi ⇒ Lọc số HD(z) = ∑ 1 - e p Ti z -1 i
i =1 i =1
(với T là chu kỳ lấy mẫu)
Ví dụ: Lọc thông thấp Butterworth bậc 3 với tần số cắt 1 rad/s
1
HC(s) =
(s + 1)(s + 0.5 + j0.866)(s + 0.5 − j0.866)
1 − 0.5 + j0.2887 − 0.5 − j0.2887
= + +
s + 1 s + 0.5 + j0.866 s + 0.5 − j0.866
1 − 0.5 + j0.2887 − 0.5 − j0.2887
HD(z) = −T -1
+ -T(0.5+ j0.866) -1
+
1− e z 1− e z 1 − e -T(0.5− j0.866) z -1
z (−0.5 + j0.2887)z (−0.5 − j0.2887)z
= + +
z − e −T z−e -T(0.5+ j0.866)
z − e -T(0.5− j0.866)
BÀI TẬP
3.1) Cho hệ thống tuyến tính biểu diễn bởi phương trình sai phân
y(k+1) = 0.8y(k) + 2u(k)
a) Tìm đáp ứng xung h(k) và hàm truyền đạt H(z).
b) Tìm y(k) nếu u(k) = 1(k).
c) Tìm y(k) nếu u(k) = 1 khi k ≥ 0 và y(-1) = 0.5.
d) Tìm phổ biên độ và phổ pha của y(k) nếu u(k) = 0.8k1(k).
3.2) Cho hệ thống tuyến tính với đáp ứng xung
h(k) = 0.8k + 0.9k
a) Tìm hàm truyền đạt H(z).
b) Tìm y(k) nếu u(k) = 1(k).
c) Tìm y(k) nếu u(k) = 1 khi k ≥ -1 và y(-1) = y(-2) = -1.
Xử lý tín hiệu 30
Chương 4 BIỂU DIỄN TÍN HIỆU RỜI RẠC TRONG MIỀN TẦN SỐ RỜI RẠC
4.1 CHUỔI FOURIER RỜI RẠC CỦA TÍN HIỆU TUẦN HOÀN
1) Định nghĩa
Giả thiết x(n) có chu kỳ N, x(n) = x(n+mN), ∀m∈ Z
N-1 2π N-1
-j kn
X(k) = ∑
n=0
x(n) e N
= ∑
n=0
x(n) WNkn
N-1 2π N-1 2π
1 j kn 1 -j
x(n) =
N
∑
k=0
X(k) e N
=
N
∑
k=0
X(k) WN-kn với WN = e N
Hình 4.1
2π
-j
Ví dụ: x(n) = n, n = 0, 1, 2, 3, N = 4, W4 = e 4
= -j
X(0) = 6
2π 4π 6π
-j -j -j
X(1) = ( e 4
+ 2e 4
+ 3e 4
) = (-j - 2 + 3j) = (-2 + 2j)
4π 8π 12π
-j -j -j
X(2) = ( e 4
+ 2e 4
+ 3e 4
) = (- 1 + 2 – 3) = -2
6π 12π 18π
-j -j -j
X(3) = ( e 4
+ 2e 4
+ 3e 4
) = (j - 2 - 3j) = (- 2 - 2j)
2π 4π 6π
1 j n j n j n
Vậy x(n) = [ 6 + ( -2 + 2j ) e 4
- 2e 4
+ ( -2 -2j ) e 4
]
4
2) Tính chất
Tuyến tính: x(n) = a1x1(n) + a2x2(n) ⇒ X(k) = a1X1(k) + a2X2(k)
Đối xứng: x(n) thực ⇒ phần thực và module chẳn, phần ảo và argumen lẻ
Trễ: kn o
y(n) = x(n-no) ⇒ Y(k) = WN X(k )
4.2 BIẾN ĐỔI FOURIER RỜI RẠC (DFT) CỦA TÍN HIỆU CÓ CHIỀU DÀI HỮU HẠN
1) Định nghĩa: x(n) có chiều dài N
N-1 2π N-1
1 j kn 1
x(n) =
N
∑
k=0
X(k) e N
=
N
∑
k=0
X(k) WN-kn , 0 ≤ n ≤ N - 1 IDFT
N-1 2π N-1
-j kn
X(k) = ∑
n=0
x(n) e N
= ∑
n=0
x(n) WNkn , 0≤k≤N-1 DFT
2π
-j
với WN = e N
Xử lý tín hiệu 31
Ví dụ: x(n) = n, n = 0, 1, 2, 3
x(n) = 0, n < 0 hoặc n > 3
Hình 4.2
2π
-j
W4 = e = -j 4
X(0) = 6
2π 4π 6π
-j -j -j
X(1) = e 4
+ 2e 4
+ 3e 4
= -j - 2 + 3j = -2 + 2j
4π 8π 12π
-j -j -j
X(2) = e 4
+ 2e 4
+ 3e 4
= - 1 + 2 - 3 = -2
6π 12π 18π
-j -j -j
X(3) = e 4
+ 2e 4
+ 3e 4
= j - 2 - 3j = - 2 - 2j
2π 4π 6π
1 j n j n j n
Vậy x(n) = [ 6 + ( -2 + 2j ) e 4 - 2 e 4 + ( -2 -2j ) e 4 ], n = 0, 1, 2, 3
4
Dạng ma trận: Đặt
1 1 1 LL 1
−1
x ( 0) X ( 0) 1
1 w N w 2Nx1 LL w N
N
x (1) X (1)
−
xN = , XN = , WN = 1 w N
2
wN2 x 2 2
LL w N ( N 1)
M M M M
M LL M
x ( N − 1) X ( N − 1)
1 w N −1 w 2( N −1) LL w ( N −1)( N −1)
N N N
−1 1 *
Ta có WN = WN
N
DFT: XN = WNxN
1 *
IDFT: xN = WN XN
N
2) Tính chất
Tuyến tính: x(n) = a1x1(n) + a2x2(n) ⇒ X(k) = a1X1(k) + a2X2(k)
Đối xứng: x(n) thực ⇒ phần thực và module chẳn, phần ảo và argumen lẻ
Trễ vòng: DFT{x(n-no)N} = WNkn X(k)N o
Hình 4.3
x1 = {1, 2} (M = 2)
x2 = {3, 5, 4} (L = 3)
⇒N=L+M-1=4
⇒ x1 = {1, 2, 0, 0}, x2 = {3, 5, 4, 0}
y(n)4 = x1(n)4⊗4x2(n)4
⇒ y(0) = 3, y(1) = 11, y(2) = 14 ...
Hình 4.4
{u(n)} có chiều dài M, {h(n)} có chiều dài L ⇒ y(n) có chiều dài N = L+M-1
Bổ sung L – 1 zero vào {u(n)} → Tính {U(k)} với chiều dài N (DFT)
Bổ sung M – 1 zero vào {h(n)} → Tính {H(k)} với chiều dài N (DFT)
Tính Y(k) = H(k)U(k) với k = 1 : N-1 → Tính y(n) (IDFT)
Xử lý tín hiệu 33
Bài tập: x(n) = {1, 3, 2}, h(n) = {2, -1}. Tìm y(n) = x(n)*h(n)
Hình 4.5
Hình 4.6
Xử lý tín hiệu 34
X(k) = FFT{x(n)}
N-1 2π
1 -j kn 1
x*(n) =
N
∑
k=0
X*(k) e N
=
N
FFT{ X*(k)}
Hình 4.7
Hình 4.8
Hình 4.9
Xử lý tín hiệu 35
Chương 5 TÍN HIỆU NGẪU NHIÊN
2. Tính chất
Định lý
• P( A ) = 1 – P(A)
• P(A+B) = P(A) + P(B) – P(AB)
Nếu A và B xung khắc: P(AB) = 0 ⇒ P(A+B) = P(A) + P(B)
Tổng quát nếu A1, A2, … , An là các biến cố đôi một xung khắc
P(A1+A2+…+An) = P(A1) + P(A2) + … + P(An)
• P(A/B) = P(AB)/P(B) xác suất A xảy ra khi B xảy ra
⇒ P(AB) = P(A/B)P(B) = P(B/A)P(A)
Nếu A và B là các biến cố độc lập ⇒ P(A/B) = P(A) ⇒ P(AB) = P(A)P(B)
Tổng quát: P(A1A2 … An) = P(A1)P(A2/A1) … P(An/A1A2 … An-1)
Chứng minh
P(A1A2 … An) = P(An/A1A2 … An-1)P(A1A2 … An-1)
= P(An/A1A2 … An-1)P(An-1/A1… An-2)P(A1A2 … An-2)
= P(An/A1A2 … An-1) P(An-1/A1… An-2)P(An-2/A1… An-3)P(A1… An-3)
= P(An/A1A2 … An-1) P(An-1/A1… An-2)P(An-2/A1… An-3) ... P(A2/A1) P(A1)
Ví dụ: Gieo súc sắc (dice). Gọi Ak là sự kiện xuất hiện mặt có giá trị bằng k với k = 1, 2, 3, 4, 5, 6.
Không gian mẫu: Ω = {A1, A2, A3, A4, A5, A6}. Nếu súc sắc hoàn toàn đối xứng
P(A1) = P(A2) = P(A3) = P(A4) = P(A5) = P(A6) = 1/6.
Gọi B là sự kiện xuất hiện mặt có giá trị bằng bội số của 3 và C là sự kiện xuất hiện mặt có giá trị
bằng bội số của 2. Do các sự kiện A1, A2, A3, A4, A5, A6 xung khắc nhau
Xử lý tín hiệu 36
P(B) = P(A3) + P(A6) = 1/3.
P(C) = P(A2) + P(A4) + P(A6) = 1/2.
Gọi D là sự kiện không xuất hiện mặt 6: P(D) = 1 - P(A6) = 5/6.
Gọi E là sự kiện xuất hiện mặt 2 hoặc mặt 3: P(E) = P(A2) + P(A3) = 1/3.
Gọi F là sự kiện xuất hiện mặt chẳn: P(F) = P(A2) + P(A4) + P(A6) = 1/2.
Xác suất xuất hiện mặt 2 nếu mặt chẳn xuất hiện: P(A2/F) = P(A2F)/P(F) = 1/3
Ví dụ: Giả thiết xác suất để một thiết bị có tuổi thọ trong khỏang thời gian t ∈ [t1, t2] được cho bởi
t2 3x10 − 9 t 2 (100 − t ) 2 , 0 ≤ t ≤ 100
P{t1 ≤ t ≤ t2} =
∫t 1
f(t)dt với f(t) =
0 , elsewhere
70
Xác suất để thiết bị có tuổi thọ từ 60 đến 70 năm: P1 =
∫ 60 f(t)dt = 0.154
100
Xác suất để thiết bị có tuổi thọ trên 60 năm: P2 =
∫ 60 f(t)dt = 0.317
Xác suất để thiết bị hỏng sau khi sử dụng từ 60 đến 70 năm nếu tuổi thọ của thiết bị trên 60 năm
P
P3 = 1 = 0.486
P2
Định lý: A1, A2, … , An là 1 nhóm đầy đủ các biến cố (đôi một xung khắc và chắc chắn
một biến cố xảy ra)
• Công thức xác suất đầy đủ (total probability): với mọi biến cố F
n
P(F) = ∑ P(F / Ai )P(Ai )
i =1
• Công thức Bayes: với mọi k
P(F / A k )P(A k ) P(A k )P(F / A k )
P(Ak/F) = =
P(F) n
∑
P(A i )P(F / A i )
i =1
Chứng minh
• Ω = A1 + A2 + … + An ⇒ F = FΩ = FA1 + FA2 + … + FAn
⇒ P(F) = P(FA1) + P(FA2) + … + P(FAn)
n
= P(F/A1)P(A1) + P(F/A2)P(A2) + … + P(F/An)P(An) = ∑ P( F / A i ) P (A i )
i =1
P(F / A k )P(A k )
• P(AkF) = P(Ak/F)P(F) = P(F/Ak)P(Ak) ⇒ P(Ak/F) =
P(F)
Xử lý tín hiệu 37
Ví dụ: Một hộp chứa 3 banh đỏ và 2 banh trắng. Lấy ngẫu nhiên liên tiếp 2 banh. Tìm xác suất để
banh 1 đỏ và banh 2 trắng.
P(banh 1 đỏ) = 3/5.
P(banh 2 trắng / banh 1 đỏ) = 2/4.
P(banh 1 đỏ và banh 2 trắng) = P(banh 2 trắng / banh 1 đỏ)P(banh 1 đỏ) = 0,3.
Gọi Ak là sự kiện lấy linh kiện trong hộp k, k = 1, 2, 3, 4, và B là sự kiện lấy phải linh kiện hỏng.
Các sự kiện A1, A2, A3, A4 tạo thành 1 nhóm đầy đủ các biến cố. Ta có
P(A1) = P(A2) = P(A3) = P(A4) = 1/4.
P(B/A1) = 1/20. P(B/A2) = 2/5. P(B/A3) = 1/10. P(B/A4) = 1/10.
4
a) P(B) = ∑ P(B/Ak)P(Ak) = 0.1625
k =1
b) P(A2/B)P(B) = P(B/A2)P(A2) ⇒ P(A2/B) = (2/5)(1/4)/0.1625 = 0.615
Ví dụ: Thảy đồng xu 2 lần liên tiếp. Biết xác suất có mặt xấp (X) là p và xác suất có mặt ngữa (N) là
q = 1–p. Gọi A là sự kiện xuất hiện mặt xấp ở lần 1 và B là sự kiện xuất hiện mặt xấp ở lần 2. Ta có
P(A) = pp + pq
P(B) = pp + qp
P(AB) = pp
P(A)P(B) = (pp + pq)(pp + qp) = pppp + 2pppq + ppqq = pp(pp + 2pq + qq) = pp
⇒ P(A)P(B) = P(AB): A và B là các sự kiện độc lập.
Ví dụ: Hai xe X và Y đến ga một cách ngẫu nhiên và độc lập nhau tại các thời điểm x và y
0 ≤ x ≤ T và 0 ≤ y ≤ T
Xe X dừng lại ga trong khoảng thời gian a. Xe Y dừng lại ga trong khoảng thời gian b.
a) Tìm xác suất để X đến ga trước Y.
b) Tìm xác suất để hai xe gặp nhau.
c) Giả thiết hai xe gặp nhau. Tìm xác suất để X đến ga trước Y.
Xử lý tín hiệu 38
Định nghĩa không gian xác suất bao gồm các cặp (x,y) tương ứng với 1 điểm trong hình vuông cạnh
T. Xác suất để t1 ≤ x ≤ t2 được xác định bởi 2 vạch thẳng đứng tại các điểm t1 và t2:
P(t1 ≤ x ≤ t2) = (t2-t1)/T.
Xác suất để t3 ≤ y ≤ t4 được xác định bởi 2 vạch nằm ngang tại các điểm t3 và t4:
P(t3 ≤ y ≤ t4) = (t4-t3)/T.
Xác suất để t1 ≤ x ≤ t2 và t3 ≤ y ≤ t4 được xác định bởi:
P(t1 ≤ x ≤ t2 và t3 ≤ y ≤ t4) = (t2-t1)(t4-t3)/T2.
Xác suất để X đến ga trước Y: P( x < y ) = 1/2
Xác suất để hai xe gặp nhau. Điều kiện để 2 xe gặp nhau: y ≤ x+a và x ≤ y+b ⇔ -a ≤ x - y ≤ b
P( -a ≤ x - y ≤ b) = [T2 - (T-a)2/2 - (T-b)2/2]/ T2
Xác suất để X đến ga trước Y và hai xe gặp nhau: : y ≤ x+a và x < y ⇔ -a ≤ x - y < 0
P(-a ≤ x - y < 0) = [T2/2 - (T-a)2/2]/ T2
Xác suất để X đến ga trước Y nếu hai xe gặp nhau: P(-a ≤ x - y < 0)/ P( -a ≤ x - y ≤ b)
2. Hàm phân phối xác suất (probability distribution function): Fx(α) = P{x < α}
Tính chất:
• Fx(α) là hàm không giảm khi α tăng
• Fx(-∞) = 0
Fx(+∞) = 1
• P(a ≤ x < b) = Fx(b) - Fx(a)
d
3. Hàm mật độ xác suất (probability density function): fx(α) = Fx(α)
dα
Tính chất:
• fx(α) ≥ 0
+∞
•
∫ − ∞ f x ( α ) dα = 1
b
•
∫ a f x (α)dα = P(a ≤ x < b)
Xử lý tín hiệu 39
α
•
∫ − ∞ f x (α)dα = F (α)x
Hình 5.1: Hàm phân phối xác suất và hàm mật độ xác suất của ví dụ gieo súc sắc.
1 6 1 6
Fx(x) = ∑
6 k =1
1( x − k ) ⇒ fx (x) = ∑ δ(x − k)
6 k =1
( x − m )2
1 −
2 σ2 1 x−m
Ví dụ: Biến ngẫu nhiên Gaussian fx(x) = e ⇒ Fx(x) = +erf( )
2 πσ 2 σ
(erf: error function)
ak
Ví dụ: Biến ngẫu nhiên Poisson P(x=k) = e− a , k = 0, 1, 2, …
k!
(a > 0: thông số của biến ngẫu nhiên.)
∞ ∞ k
−a ak −a a
Fx(x) = ∑e k!
1( x − k ) ⇒ fx(x) = e ∑ δ( x − k )
k!
k =0 k =0
0 ,x< a
1 x − a
, a≤x≤b
Ví dụ: Phân bố đều fx(x) = b − a ⇒ Fx(x) = , a≤x≤b
0 , x khac b − a
1 ,x> b
+∞
4. Trung bình theo tập hợp (kỳ vọng toán học): mx = E{x} = ∫
−∞
αf x (α)dα
+∞
5. Phương sai (variance): Var{x} = σ 2x = E{[x- mx]2} = ∫ −∞
[x- mx]2fx(α)dα
Độ lệch chuẩn (standard deviation): σx
x2
−
1 2
Ví dụ: Biến ngẫu nhiên Gaussian fx(x) = e 2σ
2 πσ
1.3.5.7...(n − 1)σ n , n even
E{xn} =
0 n odd
Xử lý tín hiệu 40
6. Hàm của biến ngẫu nhiên:
+∞
Tính chất: Nếu y = g(x) thì E{y} = ∫ −∞
g(α)fx(α)dα
Ví dụ 1: Xác định hàm mật độ xác suất của y = g(x) (hình 5.2) theo hàm mật độ xác suất của x.
fy(y)dy = P{y < g(x) < y+dy}
= P{x1 < x < x1+dx1 hoặc x2 +dx2 < x < x2 hoặc x3 < x < x3+dx3 } (do dx2<0)
= fx(x1)dx1 - fx(x2)dx2 + fx(x3)dx3 (sự kiện xung khắc)
dy dy dy
= fx(x1) + fx(x2) + fx(x3) (dy = g’(xi)dxi)
| g ' ( x1 ) | | g' ( x 2 ) | | g' ( x 3 ) |
f x ( x1 ) f (x ) f (x )
⇒ fy(y) = + x 2 + x 3
| g ' ( x1 ) | | g ' ( x 2 ) | | g ' ( x 3 ) |
1
Ví dụ 3: Xét hàm y = (hình 5.4)
x2
Cách 1
1 1 1 1 1 1
P(y ≥ yo) = P(- ≤x≤ ) = P(x ≤ ) - P(x ≤ - ) = FX( ) - FX(- )
yo yo yo yo yo yo
1 1
FY(yo) = 1 - P(y ≥ yo) = 1 + FX(- ) - FX( )
yo yo
Cách 2
1 1 1 1
FY(yo) = P(y ≤ yo) = P(x ≤ - ) + P(x ≥ ) = FX(- ) + 1 - FX( )
yo yo yo yo
Xử lý tín hiệu 41
1
Trường hợp x có phân bố đều trên [-c, c], fX(x) = , ta có
2c
1
−
yo
1 1 1 1
FX(-
yo
)= ∫ 2c
dx =
2c
(c-
y
)
−c o
1
yo
1 1 1 1
FX( )= ∫ dx = (c+ )
yo 2c 2c y o
−c
1
⇒ FY(yo) = 1-
c yo
Ví dụ 4: Cho biến ngẫu nhiên X với hàm phân phối FX(x). Xác định hàm phân phối FY(y) của biến
ngẫu nhiên Y = aX + b.
y−b y−b y−b
Trường hợp a > 0: ax + b ≤ y ⇒ x ≤ ⇒ P{Y ≤ y} = P{ X ≤ } ⇒ FY(y) = FX( )
a a a
y−b y−b y−b
Trường hợp a < 0: ax + b ≤ y ⇒ x ≥ ⇒ P{Y ≤ y} = P{ X ≥ } ⇒ FY(y) = 1 - FX( )
a a a
≥
∫ ε2fX(x)dx = ε2
∫ fX(x)dx = ε2P{| x – mX | ≥ ε}
|x − m X | > ε |x − m X | > ε
• Cho các biến ngẫu nhiên x và y. Tìm g(x) cực tiểu hóa E{(y-g(x))2} ?
Ta có f(x,y) = f(y | x).f(x)
+∞ +∞
⇒ E{(y-g(x))2} =
∫− ∞ ∫− ∞ (y-g(x))2f(xy)dxdy
+∞ +∞ +∞ +∞
=
∫− ∞ ∫− ∞ (y-g(x))2f(y | x)f(x)dxdy =
∫− ∞ f(x)
∫− ∞ (y-g(x))2f(y | x)dydx
+∞
Vì f(x) ≥ 0 và
∫− ∞ (y-g(x))2f(y | x)dy ≥ 0
+∞
⇒ E{(y-g(x))2} min khi
∫− ∞ (y-g(x))2f(y | x)dy min với mọi x
Tương tự (1)
+∞
g(x) =
∫− ∞ yf(y | x)dy = E(y | x) (2)
• Cho các biến ngẫu nhiên x và y. Tìm a và b cực tiểu hóa E{(y-(ax+b))2} ?
Với 1 giá trị cố định của a: (1) ⇒ b = E(y) – aE(x) = mY – amX
Với b vừa xác định
E{(y-(ax+b))2} = E{(y - (ax + mY – amX))2} = E{((y - mY) - a(x – mX))2}
= σy2 + a2σx2 - 2ρaσxσy
Đạo hàm theo a ⇒ 2aσx2 - 2ρσxσy = 0 ⇒ a = ρσy/σx
Vậy a = ρσy/σx, b = E(y) – aE(x) và giá trị cực tiểu là σy2(1-ρ2) (3)
với ρ = E((x-mX)(y-mY))/σxσy
2) Momen
Trung bình (mean): mx(n) = E{x(n)}
Phương sai (variance): σ 2x (n) = E{|x(n) - mx(n)|2}
Auto-covarriance, inter-covarriance
Cx(k,l) = E{[x(k) - mx(k)][x*(l) – mx*(l)}
Cxy(k,l) = E{[x(k) - mx(k)][y*(l) – my*(l)}
Auto-correlation, cross-correlation
rx(k,l) = E{x(k)x*(l)}
rxy(k,l) = E{x(k)y*(l)}
Tính chất của hàm tự tương quan.
Quá trình ngẫu nhiên bậc 2: nếu momen bậc 2 tồn tại
E{||x(n)||2} < ∞, ∀n
với || || là chuẩn Euclidien.
Ví dụ: y(t) = ϕ
ϕ là biến ngẫu nhiên có phân bố đều trên [-π,π]
Tìm E{y(t)}, ry(t1, t2)
4) Hội tụ của quá trình ngẫu nhiên thực {xn} về biến ngẫu nhiên bậc 2 X
Xét dãy biến ngẫu nhiên x1, x2, x3, x4, . . . , xn-1, xn (1)
• Hội tụ chắc chắn (convergence everywhere (e.)): Nếu dãy
hội tụ ∀ω ∈ Ω ta nói dãy biến ngẫu nhiên (1) hội tụ chắc chắn. Giới hạn của (2) cũng là 1 biến ngẫu
nhiên và phụ thuộc vào ω.
• Hội tụ hầu như chắc chắn (convergence almost everywhere (a.e.), convergence with probability 1
(w.p.1), convergence presque surement): Nếu
lim {xn(ω)} = X(ω) khi n → ∞, ∀ω ∈ Ω’ với P(Ω’) = 1
Ta nói dãy biến ngẫu nhiên (1) hội tụ hầu như chắc chắn. Ta viết
P{xn(ω) → X(ω)} = 1 khi n → ∞
• Hội tụ theo trung bình bình phương (convergence in the mean square sense (m.s.), convergence en
moyenne quaratique): Nếu
E{| xn(ω) – X(ω) | 2} → 0 khi n → ∞
Ta nói dãy biến ngẫu nhiên (1) hội tụ theo trung bình bình phương.
• Hội tụ theo xác suất (convergence in probability (p.), stochastic convergence, convergence in
measure, convergence en probabilité). Xét dãy số phụ thuộc vào ε
P{| xn(ω) – X(ω) | > ε} (3)
Nếu (3) hội tụ về 0 ∀ε > 0,
P{| xn(ω) – X(ω) | > ε} → 0 khi n → ∞ , ∀ε > 0
Xử lý tín hiệu 46
Ta nói dãy biến ngẫu nhiên (1) hội tụ theo xác suất.
• Hội tụ theo phân bố xác suất (convergence in distribution (d.), convergence en loi): Nếu
Fx n (α) → FX(α) khi n → ∞, ∀α ∈ R
Ta nói dãy biến ngẫu nhiên (1) hội tụ theo phân bố xác suất.
Luật số lớn (law of large numbers): {xk} là dãy biến ngẫu nhiên độc lập, phân bố đều, với trung bình
mx, variance σ2.
n
1
⇒ y(n) =
n ∑ x k hội tụ theo xác suất về m khi n → ∞.
x
k =1
Chứng minh:
E{y(n)} = mx
σ2
Var{y(n)} =
n
σ2
⇒ P{|y(n) - mx| ≥ ε} ≤ , ∀ε > 0 ⇒ P{|y(n) - mx| ≥ ε} → 0 khi n → ∞.
nε 2
Tính chất: {xk} là dãy biến ngẫu nhiên bậc 2. xk hội tụ theo trung bình bình phương nếu và chỉ nếu
lim k→∞, m→∞ E(xkx*m) tồn tại, hữu hạn.
Định lý: Cho tín hiệu ngẫu nhiên phức x thời gian liên tục
x: Ω x T → C
bậc 2, với hàm tự tương quan rx(t1,t2) và to ∈ T.
a) x liên tục theo nghĩa trung bình bình phương tại to nếu và chỉ nếu hàm tự tương quan rx(t1,t2) liên
tục tại (to,to)
lim rx (t o + u, t o + v) = rx (t o , t o )
u →0, v →0
b) x khả vi theo nghĩa trung bình bình phương tại to nếu và chỉ nếu
∂ 2 rx (t 1 , t 2 ) ∂ 2 rx (t 1 , t 2 )
=
∂t 1∂t 2 t1 = t 2 = t o
∂t 2 ∂t 1 t1 = t 2 = t o
c) x khả tích theo nghĩa trung bình bình phương trên khoảng [a,b] ⊂ T nếu và chỉ nếu rx(t1,t2) khả
tích trên [a,b]2
∫∫ r x (u, v)dudv ∈ C
[a, b]2
Tính chất:
a) Nếu X và Y là 2 biến ngẫu nhiên Gaussian thì Z = aX + bY là biến ngẫu nhiên Gaussian với mZ
= amX+ bmY.
b) Nếu X = N(0, CX) thì
• Tất cả momen lẻ bằng 0. Ví dụ: E{x1x2 … x2p+1} = 0.
• Tất cả các momen chẳn có thể suy ra từ CX.
Ví dụ: E{xixjxkxl} = CijCkl + CikCjl + CilCkj
Tín hiệu ngẫu nhiên gaussian: x: ΩxT→Rd là tín hiệu ngẫu nhiên gaussian ⇔ [X(t1) X(t2) … X(tk)]T
gaussian ∀t1, t2, … tk.
Xử lý tín hiệu 48
Định lý giới hạn trung tâm (théorème de la limite centrale, the central limit theorem): {x(k)} là dãy
biến ngẫu nhiên thực, độc lập, dừng bậc 2 với trị trung bình mX và ma trận variance - covariance CX
⇒ dãy biến ngẫu nhiên
n
1
y(n) = ∑ [x(k) - m X ]
n k =1
hội tụ theo phân bố về N(0, CX).
bo b o2
• Tín hiệu AR bậc p: H(z) = p
⇒ Py(ej2πf) = 2
p
1+ ∑akz −k
1+ ∑ a ke − j2πfkT
k =1 k =1
q q 2
∑b k =o
k z −k
j2πf
∑b
m =o
k e − j2πfmT
Ví dụ 1: Lọc tín hiệu dừng theo nghĩa rộng dùng lọc thông thấp + điều chế với tần số sóng mang fo
x: Ω x T → R: tín hiệu ngẫu nhiên, thực, liên tục, dừng theo nghĩa rộng với mật độ phổ công suất
Px(f)
1, | f | < fc Px (f ), | f | < fc
H: lọc thông thấp lý tưởng, H(f) = ⇒ Ps(f) =
0, | f | > fc 0 , | f | > fc
z(t) = acos(2πfot+ϕ), a và fo: xác định, ϕ: biến ngẫu nhiên, độc lập với x(t), có phân bố đều trên [0,
2π]. Ta có
a2
E{z(t)} = 0 và E{z(t)z(t-τ)} = cos(2πfoτ) ⇒ z(t) dừng theo nghĩa rộng.
2
Tín hiệu điều chế y(t) = s(t)z(t). Ta có
a2
E{y(t)} = 0 và E{y(t)y(t-τ)} = rx(τ)cos(2πfoτ) ⇒ y(t) dừng theo nghĩa rộng.
2
Biến đổi Fourier:
a2 a2
Py(f) = [δ(f-fo) + δ(f+fo)]*Px(f) = [Px(f-fo) + Px(f+fo)]
4 4
Nếu fo >> fc thì y(t) là tín hiệu band hẹp, có tần số sóng mang fo và bề rộng phổ ∆f = 2fc.
Định nghĩa
c(t) = a2 (t ) + b2 (t ) , cos(ϕ(t)) = a(t)/c(t) và sin(ϕ(t)) = b(t)/c(t)
w(t) = a(t) + jb(t) = c(t)ejϕ(t)
z(t) = x(t) + jy(t) = c(t)ej(ωot + ϕ(t))
rw(τ) =
rz(τ) =
Ví dụ: Nếu số người vào trạm điện thoại trong 30 phút là biến ngẫu nhiên Poisson với trị trung bình
= 3 ⇒ a = 3.
−3 35
⇒ Xác suất để có 5 người vào trạm điện thoại trong 30 phút = e = 0.1,
5!
Quá trình ngẫu nhiên Poisson
{Tn}: dãy biến ngẫu nhiên tăng chặt với giá trị trong R+
∀ω∈Ω, 0 < T1(ω) < T2(ω) < T3(ω) < …
Ti(ω): các thời điểm xảy ra biến cố, không đều nhau.
Định nghĩa dãy biến ngẫu nhiên Xn = Tn+1 – Tn , n ≥ 1 (khoảng thời gian giữa Tn+1 và Tn). Giả thiết
dãy {T1, X1, X2, X3 …} i.i.d. với hàm mật độ xác suất
f(x) = θe-θx1(x), θ > 0
Gọi N(t) là số biến cố xảy ra trong khoảng ]0,t]
(θt )k
P{N(t) = k} = e −θt : phân phối Poisson với tham số θt.
k!
Xử lý tín hiệu 51
1
⇒ Py1y2(z) = H1(z)H2*( )Px1x2(z)
z*
3) Hệ quả
• Biến đổi phổ dùng lọc
x1 = x2 = x, y1 = y2 = y, H1 = H2 = H ⇒ Py(f) = | H(ej2πf) |2 Px(f): argumen của H không ảnh hưởng
đến Py(f).
• x1 = x2 = x ⇒ Py1y2(f) = H1(f)H2*(f)Px(f): nếu phổ của H1(f) và H2(f) không phủ nhau thì y1 và y2
trực giao.
• Phân hoạch phổ (spectral factorization)
E{| x - y | 2 }
5.2) Cho 2 biến ngẫu nhiên x và y. Hảy chứng tỏ P( | x-y | > ε ) ≤ .
ε2
5.3) Xét n biến ngẫu nhiên xk với E(xk) = m, Var(xk) = σ2, ∀k và E{(xi-m)(xj-m)} = 0 ∀i≠j. Định nghĩa
sample mean x và sample variance v
n n
∑xk ∑ (x k − x) 2
1 1
x = v =
n n
k =1 k =1
Tìm E( x ), Var( x ), và E( v ). Áp dụng bất đẳng thức Chebyshev tìm n để
P{m - ε ≤ x ≤ m + ε} ≥ 0.99
với ε = 0.1m.
mX
5.4) X là biến ngẫu nhiên dương với trung bình mX. Chứng tỏ P{x ≥ ε} ≤ , ∀ε > 0.
ε
+∞ +∞ +∞
Chứng minh: mX = E{x} =
∫− ∞ xfX(x)dx =
∫0 xfX(x)dx ≥
∫ε xfX(x)dx
+∞
≥ε
∫ε fX(x)dx = εP{x ≥ ε}
Hình P5.5
5.9) Cho mạch điện hình P5.5, trong đó e là nguồn áp ngẫu nhiên dừng theo nghĩa rộng, với trung bình
bằng 0, có hàm tự tương quan ru(τ) = e-λ|τ| với λ > 0. Tìm mật độ phổ công suất của e(t), u1(t), u2(t)
và mật độ phổ công suất chéo của u1(t) và u2(t).
5.10) {x(n)} là quá trình ngẫu nhiên thực i.i.d. (independent identically distributed) với hàm mật độ xác
suất
fx(u) = θe-θu1(u) , θ>0
L-1
1
Định nghĩa y(n) =
L
∑ x(n-k)
k =0
a) Chứng tỏ fx(u) thỏa mãn các tính chất của một hàm mật độ xác suất. Tìm kỳ vọng toán học và
hàm tự tương quan của x. Tín hiệu x(n) có dừng theo nghĩa rộng không? có phải là một ồn trắng
không ?
b) Tìm kỳ vọng toán học và hàm tự tương quan của y. Tín hiệu y(n) có dừng theo nghĩa rộng không
? có phải là một ồn trắng không ?
c) Tìm mật độ phổ công suất của tín hiệu yc(n) = y(n) – 1/θ.
d) Định nghĩa z(n) = [x(n) – 1/θ]2. Tìm hàm mật độ xác suất của z(n). Tìm các moments bậc 1 và 2
của z(n).
e) Định nghĩa xc(n) = x(n) – 1/θ. Người ta muốn ước lượng θ từ các dữ liệu xc(0), xc(1), … , xc(N-
1). Hảy đề xuất bộ ước lượng g thoả các điều kiện sau E{g} = 1/θ2. và limL→+∞ Var{g} = 0.
5.11) Cho các tín hiệu ngẫu nhiên, thực a(t) và b(t) với trung bình bằng 0, dừng theo nghĩa rộng, có các
hàm tự tương quan ra(τ), rb(τ), hàm tương quan chéo rab(τ). Định nghĩa
x(t) = a(t)cos(ωot) - b(t)sin(ωot)
với ωo là một hằng số thực.
a) Tìm E{x(t+τ)x(t)}. Chứng tỏ rằng x(t) dừng theo nghĩa rộng nếu và chỉ nếu ra(τ) = rb(τ) và rab(τ)
là hàm lẻ.
b) Giả thiết x(t) dừng theo nghĩa rộng. Định nghĩa các tín hiệu r(t) và ϕ(t)
a(t) b(t)
r(t) = a 2 (t) + b 2 (t) , cos(ϕ(t)) = , sin(ϕ(t)) =
r(t) r(t)
định nghĩa tín hiệu đối ngẫu
Xử lý tín hiệu 55
y(t) = a(t)cos(ωot) + b(t)sin(ωot)
và các tín hiệu phức w(t) = a(t) + jb(t), z(t) = x(t) + jy(t). Hảy biểu diễn w(t) và z(t) theo r(t) và
ϕ(t). Xác định mật độ phổ công suất của w(t) theo mật độ phổ công suất của a(t) và mật độ phổ
công suất chéo giữa a(t) và b(t). Xác định mật độ phổ công suất của z(t) theo mật độ phổ công
suất của x(t) và mật độ phổ công suất chéo giữa x(t) và y(t).
5.12) x1(t) và x2(t) có trung bình = 0, hàm tương quan r1(τ), r2(τ) và hàm tương quan chéo r12(τ). Định
nghĩa
x 1 ( t)
y(t) = x1(t) + jx2(t),
z(t) =
x 2 ( t )
Tìm điều kiện để y(t) và z(t) là ồn trắng (Py(f) = const, Pz(f) = const).
5.13) Random walk (promenade aléatoire). Định nghĩa
n
x(n) = ∑ v(i) với v(n) = mv + e(n)
i =1
mv là hằng số xác định, e(n) là ồn trắng với trung bình bằng 0, variance = σ2. Tìm trung bình,
variance và covariance của x(n). x(n) có dừng không ?
5.14) Chuyển động Brown (quá trình ngẫu nhiên Wiener-Lévy). Định nghĩa
t
x(t) = ∫ v( t )dt
0
với v(t) = mv + e(t)
mv là hằng số xác định, e(t) là ồn trắng với trung bình bằng 0. Tìm trung bình, variance và
covariance của x(t). x(t) có dừng không ?
5.15) e(t): ồn trắng theo nghĩa rộng với trung bình = 0. H: hệ thống tuyến tính với đáp ứng xung h(t).
Hình P5.6
a) Tìm ry(τ). Tìm điều kiện để y(t) dừng bậc 2. Tìm điều kiện để y(t) liên tục theo nghĩa trung bình
bình phương. Tìm điều kiện để y(t) khả vi theo nghĩa trung bình bình phương và tìm hàm tự
tương quan của tín hiệu đạo hàm.
b) Áp dụng kết quả của câu a cho các trường hợp
1
,0≤t≤T 2 2
-at
h(t) = e 1(t) h(t) = T h(t) = e − a t
0
5.16) Cho biến ngẫu nhiên X với hàm phân phối xác suất FX(x) và tín hiệu y(t). Tìm hàm phân phối xác
suất của y(t)
Fk(α1,α2,…,αk;t1,t2,…,tk) = P{y(t1) ≤ α1, y(t2) ≤ α2,…, y(tk) ≤ αk}
trong các trường hợp sau:
a) y(t) = x.
b) y(t) = xf(t) với f(t) là 1 tín hiệu dương, tiền định. Mở rộng ra trường hợp f(t) có thể âm.
c) y(t) = f(xt) với f(t) là 1 hàm đơn điệu chặt (strictement monotone).
5.17) Cho biến ngẫu nhiên X với hàm mật độ xác suất fX(x) và tín hiệu y(t) = e-xt. Tín hiệu y(t) có dừng
theo nghĩa rộng không ?
Xử lý tín hiệu 56
5.18) x1(t) và x2(t) là 2 tín hiệu ngẫu nhiên độc lập, dừng, với trung bình bằng 0, có mật độ phổ công suất
1, − B < f < B
P1(f) = P2(f) =
0, | f | > B
Định nghĩa y1(t) = x1(t)cos(2πfot), y2(t) = x2(t)sin(2πfot), y(t) = y1(t) + y2(t). Các tín hiệu y1(t), y2(t),
y(t) có dừng theo nghĩa rộng không ? Tìm mật độ phổ công suất của y1(t), y2(t), y(t).
5.19) x(t) là tín hiệu ngẫu nhiên dừng, với trung bình bằng 0, hàm tự tương quan r(τ) thỏa r(T) = r(0).
Chứng tỏ x(t) = x(t-kT) hầu như chắc chắn và r(τ) là hàm có chu kỳ = T.
CM: Đặt y(t) = x(t)-x(t-T) ta có E{y(t)}= 0 và E{y2(t)} = 0 ⇒ P{|y(t)| ≥ ε} ≤ 0, ∀ε > 0 (bất đẳng
thức Chebyshev) ⇒ x(t) = x(t-T) hầu như chắc chắn
5.20) x(t) là tín hiệu ngẫu nhiên dừng, với trung bình bằng 0, hàm tự tương quan r(τ) thỏa r(T) = -r(0).
Chứng tỏ x(t) = (-1)kx(t-kT) hầu như chắc chắn và r(τ) là hàm có chu kỳ = 2T.
5.21) x(t) là tín hiệu ngẫu nhiên dừng, với trung bình bằng m, hàm tự tương quan r(τ). Định nghĩa
T
1
M=
T ∫
x ( t )dt
0
Xác định điều kiện để M hội tụ về m theo trung bình bình phương khi T → ∞. Xác định điều kiện để
M hội tụ về m hầu như chắc chắn khi T → ∞.
Giải: Ta có E{M} = m.
T T
1
∫ ∫
2
E{[M-m] } = E{[x(t)-m][x(t’)-m]}dtdt’
T2
0 0
Điều kiện đủ để M hội tụ về m theo trung bình bình phương khi T → ∞ là
T T
1
T2 ∫ ∫ E{[x(t)-m][x(t’)-m]}dtdt’ → 0 khi T → ∞
0 0
Đó cũng là điều kiện đủ để M hội tụ về m hầu như chắc chắn khi T → ∞.
5.22) x(k) là tín hiệu ngẫu nhiên dừng, với trung bình bằng m, hàm tự tương quan r(n). Định nghĩa
N −1
∑ x (k )
1
M=
N
k =0
Xác định điều kiện để M hội tụ về m theo trung bình bình phương khi N → ∞. Xác định điều kiện
để M hội tụ về m hầu như chắc chắn khi N → ∞.
Giải: Ta có E{M} = m.
N −1 N −1
∑ ∑
2 1
E{[M-m] } = E{[x(k)-m][x(i)-m]}
N 2 k =0 i =0
Điều kiện đủ để M hội tụ về m theo trung bình bình phương khi T → ∞ là
N −1 N −1
∑ ∑
1
E{[x(k)-m][x(i)-m]} → 0 khi N → ∞
N 2 k =0 i =0
Xử lý tín hiệu 57
Đó cũng là điều kiện đủ để M hội tụ về m hầu như chắc chắn khi N → ∞.
5.23) Cho tín hiệu ngẫu nhiên x(k) = ej(3k+1)Φ, với Φ là biến ngẫu nhiên có phân bố đều trên [0, 2π) và k là
1 số nguyên. x(k) có là ồn trắng theo nghĩa mạnh không ? x(k) có là ồn trắng theo nghĩa yếu không ?
số thực dương. Tín hiệu vào x(t) có hàm tự tương quan rx(τ) = e-|λτ|. Tìm hàm tự tương quan ry1(τ),
mật độ phổ công suất Py1(f), hàm tương quan chéo ry12(τ), mật độ phổ công suất chéo Py12(f)
5.25) Hệ thống hình P5.8 có hàm truyền đạt
z −1
1−
H(z) = 2
z −1
1−
3
x(k) có trung bình bằng 0, hàm tự tương quan rx(m) = 0.5|m|. Tìm hàm tự tương quan ry(m), mật độ
phổ công suất Py(z), hàm tương quan chéo rxy(m), mật độ phổ công suất chéo Pxy(z).
5.26) Cho tín hiệu ngẫu nhiên
x(k) = Acos(kω+ϕ) + e(k).
trong đó e(k) là ồn trắng với trung bình bằng 0, variance σe2. Trong trường hợp nào sau đây x(k)
dừng theo nghĩa rộng. Nếu x(k) dừng theo nghĩa rộng, tìm hàm tự tương quan rx(m) và mật độ phổ
công suất Px(z)
a) A là biến ngẫu nhiên Gaussian với trung bình bằng 0, variance σA2, ω và ϕ là hằng số.
b) ϕ là biến ngẫu nhiên có phân bố đều trên đoạn [-π, π], ω và A là hằng số.
c) ω là biến ngẫu nhiên có phân bố đều trên đoạn [ωo-∆, ωo+∆], A và ϕ là hằng số.
5.27) Cho quá trình ngẫu nhiên x(t) = p + qt trong đó p và q là các biến ngẫu nhiên độc lập với hàm mật
độ xác suất lần lượt là fp(p) và fq(q). Tìm hàm mật độ xác suất f(x,t) của x(t).
+∞
1 q
ĐS: f(x,t) = ∫
| t | −∞
f p (x − q)f q ( )dq
t
5.28) Cho quá trình ngẫu nhiên x(t) = acos(ωt) + bsin(ωt) trong đó a và b là các biến ngẫu nhiên độc lập,
có phân bố Gauss với E{a} = E{b} = 0, E{a2} = E{b2} = σ2 và ω là 1 hằng số. x(t) có dừng theo
nghĩa rộng không ?
n
5.29) Cho quá trình ngẫu nhiên x(t) = ∑ a k e jω t
k trong đó ak là các biến ngẫu nhiên không tương quan
k =1
với E{ak} = 0, E{|ak|2} = σk2. x(t) có dừng theo nghĩa rộng không ?
5.30) Cho quá trình ngẫu nhiên
n
x(t) = ∑
k =1
[akcos(ωkt) + bksin(ωkt) ]
Xử lý tín hiệu 58
trong đó ak và bk là các biến ngẫu nhiên không tương quan với E{ak} = E{bk} = 0, E{|ak|2} =
E{|bk|2} = σk2. x(t) có dừng theo nghĩa rộng không ?
1, x ≤ 0
5.31) Cho hệ thống xác định bởi y = . Tìm E{y} và Ry(τ) theo hàm phân phối Fx(x).
0, x > 0
5.32) Cho quá trình ngẫu nhiên y(t) = x(t)2. Biết hàm mật độ xác suất của x(t) là fx(x,t). Tìm hàm mật độ
xác suất fy(y,t) của y(t).
N
5.33) Tìm trị trung bình và hàm tự tương quan của y(k) = ∑
i =1
x(k-i+1) với x(k) i.i.d.
5.34) Tìm trị trung bình mx(t) = E{x(t)} và auto-covariance E{(x(t1) – mx(t1))(x(t2) – mx(t2))} của tín hiệu
p
x(t) = ∑C e
k = -p
k
jk(ωo t + θ)
với C-k = C*k
{Ck} là dãy biến ngẫu nhiên bất kỳ, θ là biến ngẫu nhiên độc lập với {Ck}, phân bố đều trên [0, 2π).
5.35) Cho tín hiệu điều chế xung (pulse-code-modulation) lý tưởng
+∞
1, 0 ≤ t ≤ T/2
x(t) = ∑ Aip(t-iT) với p(t) =
i =- ∞ 0, t ≠
{Ai} là dãy biến ngẫu nhiên i.i.d. với trung bình 0, có giá trị ±1. Định nghĩa y(t) = x(t-θ) với θ là
biến ngẫu nhiên độc lập với {Ai}, phân bố đều trên [0, T). Tìm auto-covariance của x(t) và y(t).
5.36) Cho tín hiệu điều chế QAM (quadrature-amplitude-modulation)
y(t) = x(t)cos(ωot) - z(t)sin(ωot)
x(t) và z(t) là các quá trình ngẫu nhiên độc lập với trung bình 0 và hàm tự tương quan Rx = Rz. Xác
định Ry(t1,t2).
5.37) Tìm hàm tương quan chéo Ryx của các tín hiệu hình 1, biết x(t) dừng theo nghĩa rộng
1, 0 ≤ k ≤ n
5.41) Cho hệ thống tuyến tính bất biến với đáp ứng xung h(k) = kích thích bởi dãy biến
0, k ≠
ngẫu nhiên độc lập với trung bình 0 và variance σ2. Tìm mật độ phổ công suất và variance của tín
hiệu ra, hàm tương quan chéo và mật độ phổ công suất chéo giữa tín hiệu vào và ra.
5.42) Tìm mật độ phổ công suất của tín hiệu x(t) = z(t) – z(t-T), biết x(t) là ồn trắng với trung bình 0.
Xử lý tín hiệu 60
Chương 6 LỌC TỐI ƯU
Hình 6.1
s(n): tín hiệu, e(n): nhiểu, không tương quan với s(n), x(n): tín hiệu lẩn nhiểu.
Lọc x(n) dùng lọc FIR bậc p
p p
H(z) = ∑ h k z − k ⇒ ŝ (n) = ∑ h k x(n - k)
k =0 k =0
Tín hiệu sai lệch
p
ε(n) = s(n) - ŝ (n) = s(n) - ∑ h k x(n - k)
k =0
Tìm các hệ số hk sao cho J cực tiểu
p
1 1 1
J=
2
E{|ε(n)|2} = E{|s(n) - ŝ (n)|2} = E{|s(n) -
2 2
∑ h k x(n − k) |2}
k=0
p p
∂J ∂ε *
Ta có = E{ε(n) } = E{-[s(n) - ∑ h k x(n - k) ]x*(n-i) } = -rsx(i) + ∑ h k rx (i − k)
∂h i ∂h i k =0 k=0
p
∂J
J cực tiểu:
∂h i
= 0 ⇒ rsx(i) = ∑ h k rx (i − k)
k =0
(phương trình Wiener Hopf). Dạng ma trận rsx = Rxh
rsx (0) rx (0) rx (−1) L rx (− p) h 0
r (1) r (1) h
sx x rx (0) L rx (1 − p) 1
với rsx = , Rx = , h=
M rx (2) rx (1) O rx (2 − p) M
rsx ( p) rx ( p) rx (p − 1) L rx (0) h p
Nếu s(n) và e(n) trực giao (orthogonal): rse(i) = 0, ta có
• rsx(i) = E{s(k)x*(k-i)} = E{s(k)[s*(k-i) + e*(k-i)]} = rs(i) – rse(i)
⇒ rsx(i) = rs(i)
• rx(i) = E{x(k)x*(k-i)} = E{[s(k) + e(k)][s*(k-i) + e*(k-i)]}
⇒ rx(i) = rs(i) + re(i)
Ví dụ: Xác định lọc tối ưu FIR bậc 1 biết rs(m) = 0.8|m|, e(k) là ồn trắng với variance σ e2 = 0.2 (hình
6.1).
Phương trình Wiener Hopf
Xử lý tín hiệu 61
1 1.2 0.8 h 0
rsx = , R x = , h=
0.8 0 . 8 1. 2 h1
0 .7
rsx = Rxh ⇒ h = ⇒ H(z) = 0.7 + 0.2z-1
0 .2
Mật độ phổ công suất của tín hiệu s(n)
0.36
Ps(ejω) =
1.64 -1.6cos(ω )
Trước khi lọc
SNR = 10log10(rs(0)/ σ 2) = 7 dB
Sau khi lọc
1.2 0.8
r ŝ (0) = E{hTx xTh} = hTE{x xT}h = hT h = 0.86
0.8 1.2
r ê (0) = E{hTe eTh} = hT E{e eT}h = 0.2hTh = 0.106
SNR = 10log10(r ŝ (0)/ r ê (0)) = 9.1 dB
Hình 6.2
Dự báo giá trị của x(n+1) từ các giá trị x(n), x(n-1), x(n-2), … , x(n-L)
L
x̂ (n+1) = ∑
i=0
hix(n-i)
L
⇒ rx(i+1) = ∑
k =0
hkrx(-i+k)
Hình 6.3
Hàm mục tiêu
+∞
ê(n) = s(n) - ŝ (n) = s(n) - ∑
i = −∞
hix(n-i)
J = E{ê(n)2}
Xác định hi cực tiểu hóa J
∂J ∂ê
= 2E{ê(n) } = -2E{ê(n)x*(n-i)} = 0
∂h i ∂h i
+∞
⇒ E{ê(n)x*(n-i)} = E{[s(n) - ∑
k = −∞
hkx(n-k)]x*(n-i)} = 0
+∞
⇒ rsx(i) = ∑
k = −∞
hkrx(i-k), ∀ i∈ Z
⇒ rsx(i) = hi*rx(i), ∀ i∈ Z
(tích chập)
⇒ Psx(z) = H(z)Px(z)
P ( z)
⇒ H(z) = sx
Px (z)
b
Ví dụ: s(n) = ε(n)
1 - az -1
với ε(n) và e(n) là ồn trắng không tương quan nhau, có variance lần lượt là 1 và σ2.
b2
Ps(z) =
(1 - az -1 )(1 - az)
Xử lý tín hiệu 63
b2
Px(z) = Ps(z) + σ2 = σ2 +
(1 - az -1 )(1 - az)
b2
Psx(z) = Ps(z) =
(1 - az -1 )(1 - az)
b2
⇒ H(z) =
b 2 + σ 2 (1 - az -1 )(1 - az)
J = E{ê(n)2}
Xác định hk cực tiểu hóa J, k = 0, 1, 2 …
ˆ
∂J ∂e
= 2E{ê(n) } = -2E{ê(n)x*(n-k)} = 0
∂h k ∂h k
+∞
⇒ E{ê(n)x*(n-k)} = E{[s(n) – ∑ hix(n-i)]x*(n-k)} = 0
i=0
+∞
⇒ rsx(k) = ∑ hirx(k-i), ∀k = 0, 1, 2 … (1)
i=0
⇒ H(z) = [Psx(z)]+
+∞
ε(k) = F(z)x(k) = ∑
i = 0
fix(k-i)
+∞ +∞ +∞ +∞
Psε(z) = ∑ ∑ firsx(m+i)z-m = ∑ fizi ∑ rsx(m+i)z-(m+i)
m = −∞ i = 0 i = 0 m = −∞
Psx (z)
= Psx(z)F*(1/z*) =
σ o Q * (1/z*)
Psx (z)
⇒ G(z) = [ ]+
σ o Q * (1/z*)
Hình 6.4
Mặt khác gọi H(z) là lọc tối ưu nhân quả của Wiener (hình 6.4), ta có
Psx (z) 1 Psx (z)
H(z) = F(z)G(z) = F(z) [Psε (z)]+ = F(z) = 2 Q * (1/z*)
σ o Q * (1/z*) + σ o Q(z) +
Ví dụ: s(n) = 0.8s(n-1) + v(n) với v(n) là ồn trắng, variance σ2v = 0.36, e(n) là ồn trắng, variance
σ2e = 1, không tương quan với v(n)
0.36
Ps(z) =
(1 - 0.8z -1 )(1 - 0.8z)
0.36 (1 - 0.5z -1 )(1 - 0.5z)
Px(z) = Ps(z) + Pe(z) = + 1 = 1.6
(1 - 0.8z -1 )(1 - 0.8z) (1 - 0.8z -1 )(1 - 0.8z)
Xử lý tín hiệu 65
1 - 0.5z -1 1 - 0.5z
⇒ Q(z) = , Q*(1/z*) = , σ o2 = 1.6
1 - 0.8z -1 1 - 0.8z
0.36
Psx(z) = Ps(z) =
(1 - 0.8z -1 )(1 - 0.8z)
Psx (z) 0.36 0.6 0.3z
= -1
= -1
+
Q * (1/z*) (1 - 0.8z )(1 - 0.5z) 1 - 0.8z 1 - 0.5z
0.6
với : thừa số nhân quả(cực = 0.8 < 1),
1 - 0.8z -1
0.3z
: thừa số phản nhân quả (cực = 2 > 1)
1 - 0.5z
Psx (z) 0.6
⇒ Q * (1/z*) = -1
+ 1 - 0.8z
1 Psx (z) 1 1 - 0.8z -1 0.6 0.375
⇒ H(z) = Q * (1/z*) = -1 -1
=
+ 1.6 1 - 0.5z 1 - 0.8z 1 - 0.5z -1
2
σ o Q(z)
+∞
ê(n) = x(n+1) – x̂ (n+1) = x(n+1) – ∑
i=0
hix(n -i)
+∞
⇒ zQ(z) =
i=0
∑ qiz-i+1 = qoz + q1 + q2z-1 + q3z-2 + …
Ví dụ: x(n) = 0.9x(n-1) – 0.2x(n-2) + v(n) với v(n) là ồn trắng, variance σ2v = 1
X(z) 1 1
= -1 - 2
=
V(z) 1 - 0.9z + 0.2z A(z)
1
Px(z) =
A(z)A(z-1 )
Xử lý tín hiệu 66
1
⇒ Q(z) = ⇒ H(z) = 1 – A(z) = 0.9z-1 – 0.2z-2
A(z)
M M M M M
rsx (p) rx (p) rx (p - 1)L rx (0)
Nếu θn ≡ nghiệm của phương trình Wiener Hopf thì E{ê(n) ~ x n} = 0 ⇒ θn+1 = θn
Gọi θ là nghiệm của phương trình Wiener Hopf: rsx – Rxθ = 0, ta có
θn+1 – θ = θn – θ + µ[rsx – Rxθn] = θn – θ + µ[Rxθ – Rxθn] = θn – θ - µRx[θn – θ]
Xử lý tín hiệu 67
~
Đặt θ n = θn – θ
~ ~ ~ ~
θ n+1 = θ n - µRx θ n = [I - µRx] θ n
Vì ma trận tương quan Rx là ma trận đối xứng và xác định dương, nó có các trị riêng thực, dương và
có thể phân hoạch theo trị riêng
Rx = VDVT
với D là ma trận đường chéo chứa các trị riêng của Rx và V là ma trận trực chuẩn (VVT = VTV = I:
orthonormal) chứa các vectơ riêng tương ứng của Rx.
~ ~ ~ ~
θ n+1 = [I - µ VDVT] θ n = [VVT - µ VDVT] θ n = V[I - µD]VT θ n
~ ~
⇒ VT θ n+1 = [I - µD]VT θ n
~
Đặt θ n = VT θ n , U = I - µD: ma trận đường chéo với các phần tử 1 - µλ i trong đó λ i là các trị
riêng của ma trận tương quan Rx
⇒ θ n+1 = U θ n
⇒ điều kiện hội tụ | 1 - µλ i | < 1 ∀i
2
⇒ 0<µ<
λ max
Tính chất: trường hợp tín hiệu dừng, giải thuật lọc thích nghi “steepest descent” hội tụ về lời giải
2
của phương trình Wiener Hopf nếu 0 < µ <
λ max
Các bước:
• Khởi động trị θo
• n = 1, 2, 3, …
ước lượng E{ ê(n) ~
x n}
cập nhật θn+1 = θn + µ E{ ê(n) ~
x n}
2) Hệ rời rạc
Plant x(k+1) = Ax(k) + Bu(k) + w(k)
y(k) = Cx(k) + v(k)
w, v là các ồn trắng, Gaussian, không tương quan nhau
E{wwT} = Q ≥ 0 (Q bán xác định dương)
T
E{vv } = R > 0 (R xác định dương)
T
E{wv } = 0
Giả thiết: (A, C) phân tách được.
Prediction x̂ (k+1) = A x̂ (k) + Bu(k) + Ko(y(k) - ŷ (k))
ŷ (k) = C x̂ (k)
Estimator x (k+1) = A x̂ (k) + Bu(k)
x̂ (k) = x (k) + Ko(y(k) - y (k))
y (k) = C x (k)
Xử lý tín hiệu 69
Hình 6.7: Prediction Observer Hình 6.8: Current Estimator
Algorithm
Initialization: x̂ o with error covariance Po
1) Model Forecast Step/Predictor: x k = A x̂ k-1 + Buk-1
Pk = APk-1AT + Q
2) Data Assimilation Step/Corrector: Kk = Pk CT(C Pk CT + R)-1
x̂ k = x k + Kk(yk – C x k)
Pk = (I - KkC) Pk
goto 1)
Where Pk = E{(xk - x k)( xk - x k) }, Pk = E{(xk - x̂ k)( xk - x̂ k) T}
T
hình P6.1
6.9) Ở hình P6.1, x(n) là tín hiệu ngẫu nhiên dừng theo nghĩa rộng với hàm tự tương quan rx(m) = 0.8|m|
+ 0.6|m|, e(n) là ồn trắng với trung bình bằng 0, variance bằng 0.5, không tương quan với s(n), H(z)
là lọc FIR bậc 2.
a) Trình bày giải thuật nhận dạng thích nghi các thông số của H(z) dùng phương pháp steepest
descent.
b) Xác định điều kiện đối với hằng số học µ để giải thuật nhận dạng hội tụ.
c) Xác định điều kiện đối với hằng số học µ để giải thuật nhận dạng hội tụ nhanh hơn hàm mũ
0.95|n|.
d) Tìm giá trị hội tụ của các thông số của H(z).
6.10) Làm lại bài 6.9 với e(n) là tín hiệu ngẫu nhiên dừng theo nghĩa rộng với hàm tự tương quan 0.2|m|,
không tương quan với s(n).
6.11) Xác định lọc tối ưu nhân quả và không nhân quả để phục hồi dữ liệu bị mất.
Xử lý tín hiệu 71
Chương 7 PERIODOGRAM - CORRELOGRAM
7.1 PERIODOGRAM
Biến đổi Fourier
+∞ +∞
− j2 πft
X(f) = ∫ x(n)e dt ≈ ∑ x(n)e − j2πfnT T (7.1)
-∞ n = -∞
T: chu kỳ lấy mẫu (sampling period). Mật độ phổ công suất
1
P(f) = |X(f)|2 (7.2)
NT
Periodogram
N -1 2 N -1 2
1 T
PPER(f) = T ∑ x(n)e − j2 πfnT = ∑ x(n)e − j2 πfnT
(7.3)
NT n = 0 N n=0
Periodogram của tín hiệu x(n) = cos(400πn) + 0.5cos(440πn) với các cửa sổ khác nhau
T = 1ms, N = 512
Xử lý tín hiệu 74
7.4 BIẾN THỂ CỦA PERIODOGRAM
Phương pháp của Daniel
k+m
1
PDAN(fk) =
2m + 1
∑ PPER(fi)
i = k -m
Phương pháp của Bartlett:
- Chia khoảng quan sát thành M đoạn không phủ nhau
- Xác định periodogram của từng đoạn
- Tính trung bình
M −1
1
PBAR(f) =
M
∑ PPERi(f)
i=0
Phương pháp của Welch (thông dụng nhất):
Tương tự Barlett nhưng các đọan phủ nhau (thường 50%)
Kết hợp sử dụng cửa sổ Hanning
N i -1 2
1
PPERi(f) = T ∑ w(n)x i (n)e − j2πfnT , i = 0, … , M-1
NiT n = 0
N i −1
T
L=
Ni
∑
n=0
w2(n)
M −1
1
PWEL(f) =
ML
∑
i=0
PPERi(f)
7.5 CORRELOGRAM
Mật độ phổ công suất
+∞ +∞
− j2 πfτ
P(f) = ∫ rx (τ)e dτ ≈ ∑ rx (m)e − j2πfmT T
-∞ m = -∞
N-m -1
1
Phương pháp 1: rx(m) =
N−m
∑ x(n+m)x*(n) , 0 ≤ m ≤ N-1
n=0
rx(m) = rx*(-m) , -N+1 ≤ m ≤ 0
Tính chất
- Ước lượng không lệch (unbiased): E{rx(m)} = rx(m)
- Nếu m << N thì Var{rx(m)} → 0 khi N → ∞
N-m -1
( 1
Phương pháp 2 r x(m) =
N
∑ x(n+m)x*(n) , 0 ≤ m ≤ N-1
n=0
N + m -1
( 1
r x(m) =
N
∑ x(n)x*(n-m) , 1-N ≤ m ≤ 0
n=0
Tính chất
( N-m
- Ước lượng lệch (biased): E{ r x(m)} = rx(m)
N
(
- Nếu m << N thì Var{ r x(m)} → 0 khi N → ∞
1 N-m -1
∑ x(n + m)y * (n) , 0 ≤ m ≤ N −1
( N n = 0
r xy(m) =
N + m -1
1
N ∑ x(n)y * (n - m) , -N +1 ≤ m ≤ 0
n=0
Xử lý tín hiệu 76
7.7 ƯỚC LƯỢNG MẬT ĐỘ PHỔ CÔNG SUẤT
Phương pháp 1
M
Pcor(f) = T ∑ rx(m)e-j2πfmT
m = -M
M
2m
E{Pcor(f)} = T ∑ rx(m)e-j2πfmT = F{rx(m)Π(
M
)} ≡ biến đổi Fourier rời rạc
m = -M
sin( πfMT)
= Px(f)* : cửa sổ chử nhật rời rạc
sin( πfT)
sin(πfNT )
vẽ
sin(πfT)
độ phân giải
Ví dụ: x(t) = cos(2πft) ⇒ X(f) ⇒ WR(f): vẽ phổ
Phương pháp 2
( M
(
P cor(f) = T ∑ r (m)e-j2πfmT
m = -M
M
( |m| |m|
E{ P cor(f)} = T ∑ (1-
N
)rx(m)e-j2πfmT = F{rx(m)(1-
N
)}
m = -M
|m|
= Px(f)*F{(1- )} : cửa sổ tam giác rời rạc
N
|m|
vẽ F{(1- )}
N
độ phân giải
Ví dụ: x(t) = cos(2πft) ⇒ X(f) ⇒ WR(f): vẽ phổ
8.2 MÔ HÌNH AR
bo
H(z) = −1
1 + a1z + a 2 z −2 + ... + a p z − p
⇒ y(n) = - a1y(n-1) - a2y(n-2) - … - apy(n-p) + boe(n)
- Ước lượng các thông số a1, a2, … , ap và bo từ các dữ liệu đo y(0), y(1), … , y(N-1)
- Ước lượng mật độ phổ công suất Py(f) = |H(ej2πfT)|2
8.3 DỰ BÁO TUYẾN TÍNH VÀ PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU
1) Phương pháp bình phương tối thiểu
Từ các dữ liệu đo y(0), y(1), … , y(N-1), thành lập hệ phương trình sau
y( p) − y(p − 1) − y( p − 2) L − y( 0 )
a1 e(p)
y( p + 1) − y(p) a
= − y( p − 1) L − y(1) 2 + e(p + 1) bo
M M M L M M M
y(N − 1) − y(N − 2) − y(N − 3) L − y(N − p − 1) a p e(N − 1)
y = R θ + bo ~
~ e (N >> p)
min θ || ~
y - Rθ ||2 ⇒ θ = [RTR]-1RT ~
y
|| ~
y - Rθ ||2
E{|| ~
y - Rθ ||2} = bo2(N-p) ⇒ Ước lượng bo =
N−p
Xử lý tín hiệu 78
2) Ý nghĩa hình học
min θ || ~
y - Rθ ||2 khoảng cách từ ~
y đến bề mặt sinh bởi các vectơ cột của R
Đặt Gk = (R T
k Rk)
-1
R k -1
Gk+1 = [R Tk+1 Rk+1]-1 = ([R T
k φk+1 ] T T
T ) = (R k Rk + φk+1φ k+1 )
-1
φ k +1
Xử lý tín hiệu 79
T −1 T
[R k R k ] φ k +1φ k +1[R k R k ] T −1 G k φ k +1φ Tk +1G k
= (R T -1
k Rk) - T T −1
= Gk -
1 + φ k +1 [R k R k ] φ k +1 1 + φ Tk +1G k φ k +1
= Gk - Kk+1φ T T
k +1 Gk = (I - Kk+1φ k +1 )Gk
G k φ k +1
Với Kk+1 =
1 + φT
k +1G k φ k +1
Giải thuật đệ quy
(0) Khởi động trị: θ1 = 0, G1 = aI (a lớn)
(1) Với k = 1, 2, 3, 4, …
G k φ k +1
Kk+1 = (nx1)
1 + φ Tk +1G k φ k +1
T
θk+1 = θk + Kk+1[yk+1 - φ k+1 θk] (nx1)
T
Gk+1 = [I - Kk+1φ k+1 ]Gk (nxn)
Quay về (1)
0 0 L 0
y p y p−1 L y1 y N y N −1 L y N − p +1
y1 0 L 0 y p+1 yp L y2 0 yN L y N−p+2
R1 = y 2 y1 L 0 , R2 = y y p+1 L y 3 , R3 = 0 0 L y N −p+3
p+ 2
M L L M M M L M M L L M
y
p −1 L L 0 0 0 L yN
y N −1 y N −2 L y N−p
Rθ = Y - boE ⇒ θ = (RTR)-1RTY
• R = R2, Y = Y2
Xử lý tín hiệu 80
R1 Y1
• R = , Y = Y
R 2 2
R 2 Y2
• R = , Y =
R 3 Y3
R1 Y1
• R = R 2 , Y = Y
2
R 3 Y3
8.7 MÔ HÌNH MA
1) Mô hình MA
+∞
Đáp ứng xung: H(z) = ∑ h i z −i
i =0
+∞ +∞
rye(m) = E{y(k)e(k-m)} = E{ ∑ hie(k-i)e(k-m)} = ∑ hiE{e(k-i)e(k-m)} = hmσ2
i =0 i =0
0, m<0
rye(m) = 2
σ h m , m ≥ 0
ry (q) ry (q − 1) L ry (q − p + 1) a1 ry (q + 1)
r (q + 1) ry (q) L ry (q − p + 2) a r ( q + 2)
⇒ y 2 = y ⇒ ai
M M O M M M
ry (q + p − 1) ry (q + p − 2) L ry (q) a p ry (q + p)
p p
- Lọc y(n) dùng bộ lọc ∑ a i z −i : w(n) = ∑ a i y ( n − i)
i =0 i =0
q
⇒ w(n) = ∑ b i e(n − i)
i =0
- Dùng các phương pháp của mô hình MA: ước lượng mật độ phổ công suất của w(n)
q
Pw (f )
Pw(f) = | ∑ rw (m)e − j2πfTm |2 ⇒ Py(f) =
p 2
m =− q
− j2 πfTi
∑ aie
i=0
q 2
− j2 πfTi
∑ bie
hoặc ước lượng các thông số bi ⇒ Py(f) = |H(e j2πfT 2
)| = i=0
p
∑ aie− j2πfTi
i=0
Xử lý tín hiệu 85
Chương 9 MÔ HÌNH PRONY VÀ MÔ HÌNH PISARENKO
[ ]
p
Ymi α i n j( 2 πf i n + θ i )
= ∑ e e + e − j( 2 πf i n + θ i )
i =1 2
2p 2p
Ymi α n j(2 πf n + θ )
= ∑ 2
e i e i i = ∑ ρi e jθ i e(α i + j2πfi )n
i =1 i =1
2p
= ∑ h i z in (9.1)
i =1
Ymi
với αi = αi+p , fi = -fi+p , , i ≤ p, hi = ρi e jθ i , zi = eα i + j2 πfi
θi = -θi+p , ρi = ρi+p =
2
Vấn đề: ước lượng hi và zi từ các dữ liệu đo và xác định mật độ phổ công suất của tín hiệu.
1 1 L 1 h1 y(0)
z z2 L z p h
1 2 = y(1) (9.5)
M M L M M M
p −1 p −1 p −1
z1 z2 L z p h p y(p − 1)
4) Phổ của mô hình Prony
2p 2p
h
y(n) = ∑ h i z in ⇒ Y(z) = ∑ 1 − z iz −1 (9.6)
i =1 i =1 i
j2πfT 2
⇒ Py(f) = |TY(e )| (9.7)
e(n): ồn trắng với trung bình bằng 0, variance σ e2 , ϕi: biến ngẫu nhiên phân bố đều trên [0, 2π]
1 p 2 j2 πfi m f -i = −f i
= ∑ hi e + σ e2 δ(m) với (9.9)
4 i =-p h -i = h i , h o = 0
⇒ mô hình Pisarenko là trường hợp riêng của mô hình Prony với zi = exp(-j2πfi): đa thức đặc
trưng có 2p nghiệm trên vòng tròn đơn vị
2p 2p
P(z) = ∏ (z − z k ) = ∑a k z 2p − k , ao = 1
k =1 k =0
Xử lý tín hiệu 87
2p p
1
∑a ∑
2p
h i e j(2πf i [n + 2p-k]+ϕ i )
P(z)yo(n) = ∑ a k y o (n + 2p − k) =
k =0
k =0
k
2 i =-p
p 2p
1
= 2 ∑ h ie
i = -p
j(2πf i n +ϕ i )
∑a
k =0
k e j2πfi (2p-k)
1 p 2p
= 2 ∑ h ie
i = -p
j(2πf i n +ϕ i )
∑a
k =0
k z i2p-k = 0 (do P(zi) = 0)
2p
⇒ ∑a
k =0
k y o (n + 2p − k) = 0 (9.11)
σ 2e 0 L 0
0 σ 2e L 0
E{y(n)e (n)}=
T
M M O M
0 0 L σ 2e
p
(y(n) = ∑ hi cos(2πfin + ϕi ) + e(n): y(n) không tương quan với e(n+k), ∀k≠0)
i =1
⇒ Ryθ = σ e2 θ (9.14)
⇒ σ e2 và θ là trị riêng và vectơ riêng của ma trận tương quan Ry.
Xử lý tín hiệu 88
Ry là ma trận đối xứng, xác định không âm ⇒ có thể phân tích thành Ry = V*D*VT với D là ma trận
dường chéo chứa các trị riêng (thực và không âm) của Ry và V là ma trận vuông với các cột là các
vectơ riêng (trực chuẩn VTV = VVT = I) của Ry. Hơn nữa σ e2 là trị riêng nhỏ nhất của ma trận tương
quan Ry. Thật vậy, gọi λi là các trị riêng của ma trận Ry, ma trận tương quan của tín hiệu không
nhiểu (e(n) ≡ 0)
Ro = Ry - σ e2 I
có các trị riêng là λi - σ e2 . Do Ro xác định không âm, λi - σ e2 ≥ 0 ∀i ⇒ λi ≥ σ e2 ∀i
⇒ Ước lượng σ e2 và θ bởi trị riêng nhỏ nhất và vectơ riêng tương ứng của Ry. Do θ ở (9.14)
không duy nhất, ta có thể sử dụng điều kiện buộc ao = 1.
• Ước lượng fi bằng cách giải phương trình đặc trưng P(z) = 0.
• Ước lượng hi dựa vào
1 p 2
ry(m) = ∑
2 i =1
h i cos(2 πf i m) + σ e2 δ(m)
⇒ σ e2 = 0.7185
và 0.4437z2 – 0.7787z + 0.4437 = 0
⇒ z = exp(±j0.1595π) ⇒ ωo = 0.1595π.
1 2
Mặt khác ry(m) = A cos(0.1595πm) + σ e2δ o (m) ⇒ A
2
Bài tập
9.1) Cho tín hiệu x(t) = 10sin(400πt+ϕ1) + 10sin(440πt+ϕ2) với ϕ1 và ϕ2 là các biến ngẫu nhiên độc lập
nhau, có phân bố đều trên khoảng [0,2π[. Lấy mẫu x(t) với tần số lấy mẫu fs = 1KHz.
a) Tìm biểu thức của kỳ vọng toán học của mật độ phổ công suất ước lượng được dùng periodogram
với cửa sổ chử nhật. Suy ra số mẫu dữ liệu N phải có để có thể phân biệt được 2 vạch phổ trên
periodogram.
b) Tìm biểu thức của kỳ vọng toán học của mật độ phổ công suất ước lượng được dùng correlogram
với 2 phương pháp ước lượng hàm tương quan. Suy ra số mẫu dữ liệu N phải có để có thể phân biệt
được 2 vạch phổ trên correlogram (với N = 10 chiều dài hàm tương quan).
Xử lý tín hiệu 89
Quy ước: hai vạch phổ được xem là có thể phân biệt nhau nếu khoảng cách giữa chúng ≥ bề rộng
của main lobe).
9.2) Cho tín hiệu ngẫu nhiên x(t) với hàm tự tương quan rx(τ) = 2-|τ|. Lấy mẫu x(t) với tần số lấy mẫu fs =
10Hz. Tìm biểu thức của mật độ phổ công suất ước lượng được dùng
a) Corrélogramme.
b) Mô hình AR với p = 1 và p = 2 dùng phương trình Yule – Walker. Nhận xét.
9.3) Lấy mẫu tín hiệu ngẫu nhiên xa(t) với tần số lấy mẫu fs = 1KHz. Giả thiết xác định được từ thực
nghiệm hàm tự tương quan của tín hiệu rời rạc rx(0) = 1, rx(1) = 0.9, rx(2) = 0.8, rx(3) = 0.7, rx(4) =
0.6, rx(5) = 0.5, rx(6) = 0.4. Xác định biểu thức của mật độ phổ công suất ước lượng được dùng
a) Corrélogramme.
b) Mô hình AR với p = 1.
c) Mô hình Pisarenko với p = 1.
9.4) Cho tín hiệu ngẫu nhiên x(k) với hàm tự tương quan rx(0) = 2, rx(1) = 0.924, rx(2) = 0.707, rx(3) =
0.38, rx(4) = 0. Ước lượng mật độ phổ công suất của tín hiệu
a) Dùng mô hình AR với p = 2.
b) Dùng mô hình AR với p = 1.
c) Mô hình Pisarenko với p = 1.
9.5) Cho tín hiệu ngẫu nhiên
x(k) = Asin(kωo+ϕ) + e(k)
trong đó e(k) là ồn trắng với variance σ2. Biết rx(0) = 1, rx(1) = β, rx(2) = 0. Ước lượng mật độ phổ
công suất của tín hiệu
a) Dùng correlogram với cửa sổ hình chử nhật.
b) Mô hình Pisarenko.
9.6) Cho tín hiệu ngẫu nhiên x(k) với hàm tự tương quan rx(0) = 3, rx(1) = 2 , rx(2) = 0, rx(3) = - 2 ,
rx(4) = -2, rx(5) = - 2 . Ước lượng mật độ phổ công suất của tín hiệu dùng mô hình Pisarenko với p
= 1.
Đáp số: x(k) = 2cos(kπ/4 + ϕ) + e(k) với σ e2 = 1 ⇒ rx(m) = 2cos(mπ/4) + δ(m)
9.7) Xác định mô hình Pisarenko của tín hiệu x(k) = 2sin(kπ/16 + ϕ1) + sin(kπ/8 + ϕ2) + e(k) với e(k) là
ồn trắng với trung bình me = 0, variance σ e2 = 1, ϕ1 và ϕ2 là các biến ngẫu nhiên không tương quan
nhau, có phân bố đều trên [0, 2π).
kπ kπ
9.8) Xác định mô hình Prony của tín hiệu x(k) = 2sin( ) + sin( ).
4 8
9.9) Cho tín hiệu ngẫu nhiên x(k) với hàm tự tương quan rx(0) = 6, rx(1) = 4, rx(2) = 1, rx(m) = 0 ∀m > 2.
Ước lượng mật độ phổ công suất của tín hiệu dùng mô hình MA (tự chọn bậc của mô hình).
b o b1 L b q b o ro
b b L 0 b r
1 2 1 = 1
M M N M M M
b q 0 0 0 b q rq
ĐS: bo = 1, b1 = 2, b2 = 1.
9.10) Xác định mô hình Prony bậc 2 của tín hiệu x(k) theo các dữ liệu sau
Xử lý tín hiệu 90
k 0 1 2 3 4 5 6
x(k) 0 0.707 1 0.707 0 -0.707 -1
ĐS: y(k) = cos(kπ/4 + π/2).
Phụ lục:
sin(x+y) = sin(x)cos(y) + sin(y)cos(x)
cos(x+y) = cos(x)cos(y) - sin(x)sin(y)
sin(2x) = 2sin(x)cos(x)
cos(2x) = cos2(x) - sin2(x) = 2cos2(x) – 1 = 1 - 2 sin2(x)
sin(x)cos(y) = [sin(x+y) + sin(x-y)]/2
cos(x)sin(y) = [sin(x+y) - sin(x-y)]/2
cos(x)cos(y) = [cos(x-y) + cos(x+y)]/2
sin(x)sin(y) = [cos(x-y) - cos(x+y)]/2
sin(x) + sin(y) = 2sin[(x+y)/2]cos[(x-y)/2]
sin(x) - sin(y) = 2cos[(x+y)/2]sin[(x-y)/2]
cos(x) + cos(y) = 2cos[(x+y)/2]cos[(x-y)/2]
cos(x) - cos(y) = -2sin[(x+y)/2]sin[(x-y)/2]
sin(3x) = 3sin(x) - 4sin3(x)
cos(3x) = 4 cos3(x) - 3 cos(x)
sin(4x) = 4 sin(x)cos(x)[2 cos2(x)-1]
cos(4x) = 8 cos4(x) - 8 cos2(x) + 1
sin(5x) = 5 sin(x) - 20 sin3(x) + 16 sin5(x)
cos(5x) = 16 cos5(x) - 20 cos3(x) + 5 cos(x)
sin(6x) = 2 sin(x)cos(x)[16 cos4(x) - 16 cos2(x) + 3]
cos(6x) = 32 cos6(x) - 48 cos4(x) + 18 cos2(x) - 1
sin(nx) = 2 sin([n-1]x)cos(x) - sin([n-2]x)
cos(nx) = 2 cos([n-1]x)cos(x) - cos([n-2]x)
sin3(x) = (3 sin[x] - sin[3x])/4
cos3(x) = (3 cos[x] + cos[3x])/4
sin4(x) = (3 - 4 cos[2x] + cos[4x])/8
cos4(x) = (3 + 4 cos[2x] + cos[4x])/8