Resume BAB 10 "Filter Digital Adaptif"

Filter Digital Adaptif

Kapan menggunakan filter adaptif?

Konsepsi dari penyaringan adaptif

Dasar teori filter Wiener

Algoritma dasar filter adaptif LMS

Algoritma kuadrat rekursif terkecil 

Contoh aplikasi 1 - penyaringan adaptif  artefak okuler dari EEG manusia

Contoh aplikasi 2 - adaptif gema telephone

Aplikasi lain

Filter adaptif pada dasarnya adalah filter digital dengan karakteristik penyesuaian diri. Ini menyesuaikan, secara otomatis, untuk mengubah sinyal inputnya. Filter adaptif adalah topik utama dalam sub-area DSP yang dikenal sebagai pemrosesan sinyal adaptif. Bab ini menjelaskan aspek-aspek kunci dari topik penting ini berdasarkan algoritma LMS (least mean square) dan RLS (recursive least squares) yang merupakan dua algoritma yang paling banyak digunakan dalam pemrosesan sinyal adaptif.

1. Kapan menggunakan filter adaptif?

Kontaminasi sinyal yang diminati oleh sinyal atau suara lain yang tidak diinginkan, seringkali lebih besar, adalah masalah yang sering dihadapi dalam banyak aplikasi. Dimana sinyal dan kebisingan menempati pita frekuensi yang tetap dan terpisah, filter linier konvensional dengan koefisien tetap biasanya digunakan untuk mengekstraksi sinyal. Namun, ada banyak contoh ketika karakter filter diperlukan untuk menjadi variabel, disesuaikan dengan perubahan karakteristik sinyal, atau diubah secara cerdas. Dalam kasus seperti itu, koefisien filter harus bervariasi dan tidak dapat ditentukan sebelumnya. Seperti halnya di mana ada tumpang tindih spektral antara tanda dan kebisingan  atau jika band yang ditempati oleh kebisingan tidak diketahui atau bervariasi dengan waktu. Aplikasi umum di mana filter koefisien tetap tidak pantas adalah sebagai berikut.

Ilustrasi spektrum tumpang tindih antara sinyal dan gangguan yang kuat

• Electroencephalography (EEG), di mana artefak atau kontaminasi sinyal yang dihasilkan oleh gerakan mata atau kedipan jauh lebih besar daripada aktivitas listrik asli otak dan berbagi pita frekuensi yang sama dengan sinyal kepentingan klinis. Tidak mungkin menggunakan filter linier konvensional untuk menghilangkan artefak sambil mempertahankan sinyal kepentingan klinis.
• Komunikasi digital menggunakan spread spectrum, di mana sinyal gangguan yang besar, mungkin dimaksudkan untuk mengganggu komunikasi, dapat mengganggu sinyal yang diinginkan. Gangguan sering menempati band yang sempit tetapi tidak diketahui dalam spektrum pita lebar, dan hanya dapat ditangani secara efektif secara adaptif.
• Dalam komunikasi data digital melalui saluran telepon dengan tarif tinggi. Distorsi sinyal yang disebabkan oleh amplitudo yang buruk dan karakteristik respons fase saluran menyebabkan pulsa mewakili kode digital yang berbeda untuk saling mengganggu (intersymbol interference), sehingga sulit untuk mendeteksi kode dengan benar pada ujung penerima. Untuk mengkompensasi distorsi saluran yang mungkin bervariasi dengan waktu atau karakteristik yang tidak diketahui di ujung penerima, pemerataan adaptif digunakan.

Singkatnya filter adaptif digunakan ketika :

• Diperlukan untuk karakteristik filter menjadi variabel, disesuaikan dengan kondisi yang berubah,
• Adanya tumpang tindih spektral antara sinyal dan kebisingan 
•  Jika band yang ditempati oleh suara tidak diketahui atau berubah seiring waktu.

2. Filter adaptif sebagai pembasmi kebisingan

Filter adaptif terdiri dari dua bagian yang berbeda: filter digital dengan koefisien yang dapat disesuaikan, dan algoritma adaptif yang digunakan untuk menyesuaikan atau memodifikasi koefisien filter. Dua sinyal input, dan diterapkan secara bersamaan ke filter iklan bidik. Sinyal adalah sinyal terkontaminasi yang mengandung sinyal yang diinginkan, dan kebisingannya, diasumsikan tidak terkolerasi satu sama lain. Perkiraan sinyal yang diinginkan kemudian diperoleh dengan mengurangi output filter digital,  dari sinyal terkontaminasi. Tujuan utama dalam pembatalan kebisingan adalah untuk menghasilkan perkiraan optimal dari kebisingan dalam sinyal yang terkontaminasi dan karenanya estimasi optimal dari sinyal yang diinginkan.

Blok diagram filter adaptif sebagai pembasmi kebisingan

3. Dasar teori filter Wiener

Banyak algoritma adaptif dapat dilihat sebagai perkiraan dari filter Wiener. Dua sinyal, xk dan yk diterapkan secara bersamaan ke filter. Khas, yk terdiri dari komponen yang berkorelasi dengan yang lain. Filter Wiener menghasilkan estimasi optimal dari bagian yk yang berkorelasi dengan xk yang kemudian dikurangi dari yk untuk menghasilkan ek .

Dengan asumsi struktur filter FIR dengan koefisien N (atau bobot - frasa populer dalam literatur), kesalahan ek antara output filter Wiener dan sinyal utama, yk diberikan oleh

dimana Xk dan W adalah vektor sinyal input dan vektor bobot, masing-masing diberikan oleh :

Dasar teori filter wiener

4. Algoritma dasar filter adaptif LMS

Salah satu algoritma adaptif yang paling sukses adalah algoritma LMS yang dikembangkan oleh Widrow dan rekan-rekan kerjanya (Widrow et al., 1975a). Daripada menghitung Wopt dalam sekali jalan, di LMS koefisien disesuaikan dari sampel ke sampel sedemikian rupa untuk meminimalkan MSE. Jumlah ini menurun ke panjang permukaan menuju bagian bawahnya. LMS didasarkan pada algoritma penurunan paling curam di mana vektor bobot diperbarui dari sampel ke sampel sebagai berikut:

Sebuah ilustrasi variasi dalam berat filter

5. Algoritma kuadrat rekursif terkecil 

RLS didasarkan pada metode kuadrat terkecil yang terkenal. sinyal output,yk diukur pada waktu diskrit, k, dalam menanggapi satu set sinyal input, x​k(i), i = 1, 2,. . . . , n. Sinyal input dan output terkait dengan sederhana model regresi  

Dimana e​k merupakan kesalahan pengukuran atau efek lain yang tidak dapat dipertanggungjawabkan, dan w(i) merupakan proporsi i masukan yang terkandung di primer.

Ilustrasi gagasan dasar algoritma rekursif terkecil

 6. Contoh aplikasi 1 - penyaringan adaptif  artefak okuler dari EEG manusia

Masalah Fisiologi

Elektroensefalogram manusia (EEG) adalah aktivitas listrik otak dan berisi informasi diagnostik yang berguna pada berbagai gangguan neurologis. Sinyal EEG normal diukur dari elektroda yang ditempatkan pada kulit kepala dan sangat kecil dalam amplitudo yaitu 20 µV. 

Artefak okuler merupakan sumber utama kesulitan dalam membedakan aktivitas otak normal dari yang abnormal. Dalam beberapa kasus, misalnya aktivitas otak dari yang abnormal. 

Masalah artefak okular dalam elektroensefalografi; (a) EOG terukur, (b) sinyal EEG yang sesuai,
(c) sinyal EEG dikoreksi untuk artefak

Algoritma pengolahan artefak

Beberapa metode telah diusulkan untuk memproses OA. Namun, faktor-faktor seperti kebutuhan

laboratorium klinis, kendala aplikasi real-time, sifat acak OA dan spektral yang tumpang tindih antara OA dan beberapa sinyal asal serebral mendikte bahwa pengolahan OA harus adaptif dan dalam waktu nyata. 

Perkiraan OA diperoleh dengan penskalaan EOG yang sesuai. OA kemudian memperkirakan  pengurangan dari EEG yang terkontaminasi ke sinyal 'artefact-free'EEG yied. 

Metode adaptif penghapusan mata artefak: (a) posisi elektroda mungkin bagi EOG (gerak mata) dan pengukuran EEG,
(b) filter artefak okular adaptif

7. Contoh aplikasi 2 - adaptif gema telephone

Echos timbul terutama dalam sistem komunikasi, sinyal-sinyal mengalami ketidak cocokan dalam impedansi

(a) Rangkaian telepon jarak jauh yang disederhanakan; (B) gema pembatalan di telepon suara jarak jauh.

Idealnya, sinyal pidato yang berasal dari pelanggan A berjalan di sepanjang jalur transmisi atas ke hibrida di sebelah kanan dan dari sana ke pelanggan B, sementara itu dari B melakukan perjalanan sepanjang jalur transmisi bawah ke A. Namun, karena ketidaksesuaian impedansi jaringan hibrida memungkinkan beberapa sinyal yang masuk bocor ke jalur output dan kembali ke pembicara sebagai gema. Untuk mengatasi masalah ini, echo cancellers dipasang di jaringan yang berpasangan.

di mana xk, adalah sampel dari sinyal yang masuk (dari speaker far-end), sk adalah speaker dekat-akhir ditambah kebisingan aditif dan respon impuls dari jalur gema.

8. Aplikasi lain

• Loudspeaking telepon

1. Jaringan hibrida digunakan untuk memisahkan jalur pemancar dan penerima.
2. Kesulitannya adalah bagaimana memberikan keuntungan yang memadai untuk menerima dan mengirimkan directhuions tanpa menyebabkan ketidakstabilan
3. Solusi konvensional untuk masalah adalah dengan menggunakan sakelar yang diaktifkan-suara untuk memilih jalur pengiriman dan penerimaan, tetapi ini tidak memuaskan karena tidak memungkinkan komunikasi dupleks penuh.
4. Solusi yang lebih baik adalah menggunakan teknik penyaringan adaptif untuk memperkirakan dan mengendalikan gema akustik dan hibrida .
5. Dalam jaringan telekonferensi (atau sistem alamat publik), umpan balik akustik mengarah ke masalah yang serupa dengan yang dijelaskan di atas.

• Multipath kompensasi

1. Dalam jenis sistem spread spectrum, setiap bit data ditransmisikan sebagai salah satu dari dua bit pseudorandom M-length ortogonal.
2. Di hadapan multipath, sinyal bergerak melalui jalur terpisah ke penerima.
3. Filter adaptif digunakan untuk memperkirakan respons multipath keseluruhan dan untuk mengkompensasi efeknya.

(a) Telepon Loudspeaking; (b) pembatalan gema akustik dan hibrida di telepon loudspeaking.

 

• Adaptive jammer suppression

Dalam urutan spektrum tersebar urutan kebutuhan sering muncul untuk menekan efek sinyal gangguan di penerima untuk meningkatkan kinerja penerima. Penyaringan adaptif dapat digunakan untuk tujuan ini . Untuk meningkatkan kinerja sistem, digunakan penekan jammer dua tahap.

Sebuah sistem komunikasi spektrum penyebaran adaptif dengan efek multipath.

Penekan jammer di penerima spektrum penyebaran langsung.

• Pengolahan Sinyal Radar

Teknik pemrosesan sinyal adaptif banyak digunakan untuk memecahkan sejumlah masalah yang terkait dengan radar. Misalnya, filter adaptif digunakan dalam sistem radar monostatik untuk menghapus atau membatalkan komponen yang berantakan dari sinyal target yang diinginkan. Dalam radar gelombang tanah HF, filter adaptif digunakan untuk mengurangi gangguan co-channel yang merupakan masalah utama dalam pita HF.

• Pemisahan sinyal ucapan dari kebisingan latar belakang

Suara latar belakang akustik merupakan masalah serius dalam proses bicara. Filter adaptif dapat digunakan untuk meningkatkan kinerja sistem bicara di lingkungan yang bising (misalnya dalam pesawat tempur, tank, mobil) untuk meningkatkan kejelasan dan pengenalan ucapan.

Penyusun : 1. Aridio Rokhendar

                   2. Diah Mardatilla

                   3. Raka Gayuh Kinanti

Share this post