Академический Документы
Профессиональный Документы
Культура Документы
) e o Filtro de Kalman
(KF). Espera-se, ao final do estudo, determinar o
algoritmo com melhor desempenho, bem como
especificar critrios para a sua sintonia.
2. Definio do problema
Seja x(k) um sinal discreto, descrito por uma
parcela determinstica, x
p
(k), representada pela soma
de termos senoidais, e uma parcela estocstica, e(k),
descrito conforme (1).
+ + =
+ =
i
i i 0 p
p
t k i k b t k i k a k a k x
k e k x k x
) sin( ) ( ) cos( ) ( ) ( ) (
) ( ) ( ) (
(1)
Deseja-se estimar, em cada instante k, os
coeficientes a
0
, ..., a
n
, b
1
, ..., b
n
a partir de um registro
de x(k) possivelmente contaminado por rudo.
Para isso, representa-se o problema como
x(k) =
k
T
k
+ (k), em que
k
T
o vetor de
regressores, que contm as informaes
determinsticas do modelo, e (k) o resduo no
instante k, que contm informaes no previstas
pelo vetor de regressores.
Postulando
k
T
conforme (2), o usurio
obter as estimativas dos coeficientes de x
p
(k) a partir
dos registros de x(k) no vetor de parmetros
k
.
[ ]
[ ] ) sin( ) sin( ) cos( t k n t k t k 1
b b a a
T
k
n 1 1 0
T
k
L
L
=
=
(2)
O sinal de teste x(t) utilizado para a validar
o rastreamento de harmnicos invariantes no tempo
apresentado em (3), onde (t) representa um rudo
branco de varincia . Para harmnicos variantes no
tempo, a validao realizada com os sinais de teste
x
w
(t) e x
v
(t), definidos conforme (4).
) ( sin cos
sin cos sin cos
sin cos sin cos ) (
t t 5 1 t 5 2
t 4 2 t 4 2 t 3 2 t 3 1
t 2 1 t 2 2 t 2 t 3 t x
+ + +
+ + +
+ + + =
(3)
{ }{ }
{ }{ }
{ }{ }
{ }{ }
{ }{ }
) , ( ) (
) . , ( ) (
) ( sin cos ) sin( .
sin cos ) sin( .
sin cos ) sin( .
sin cos ) sin( .
sin cos ) sin( . ) , (
Hz 10 f t x t x
Hz 5 2 f t x t x
t t 5 1 t 5 2 t 5 1 0 1
t 4 2 t 4 2 t 4 1 0 1
t 3 2 t 3 1 t 3 1 0 1
t 2 1 t 2 2 t 2 1 0 1
t 2 t 3 t 1 0 1 f t x
m f v
m f w
m
m
m
m
m m f
= =
= =
+ + + +
+ + + +
+ + +
+ + +
+ + + =
(4)
2
O teste de performance do estimador com
melhor desempenho ser realizado com o sinal x
u
(t).
Este sinal, conforme descrito por (5), apresenta
harmnicos e interharmnicos variantes no tempo de
baixa e alta freqncia, alm de ser contaminado por
rudo branco de varincia 0.01.
{ }{ }
{ } ( ) ( ) { }
{ } ( ) ( ) { }
{ } ( ) ( ) { }
{ } ( ) ( ) { }
s rad f 2 Hz 10 f
01 0 t
t t 25 35 0 t 25 1 t 5 2 0 1
t 2 23 5 1 t 2 23 7 0 t 4 2 0 1
t 75 7 05 0 t 75 7 1 0 t 3 2 0 1
t 3 5 35 0 t 3 5 2 0 t 2 2 0 1
t 1 t 1 t 2 0 1 t x
m m m
m
m
m
m
m u
/
. )) ( (
) ( sin . cos ) sin( .
. sin . . cos . ) sin( .
. sin . . cos . ) sin( .
. sin . . cos . ) sin( .
sin cos ) sin( . ) (
= =
=
+ + + +
+ + + +
+ + +
+ + +
+ + + =
(5)
3. Estimador recursivo de mnimos quadrados
O estimador recursivo de mnimos
quadrados (MQR) apresenta-se como soluo para
algumas deficincias apresentadas pela DFT. O sinal
estimado pelo MQR representado pela expresso
x(k) =
k
T
k
MQR
+ (k). As expresses para estimao
de
k
MQR
podem ser encontradas em [5], [11].
A fig. 1 mostra a estimativa obtida com o
MQR do coeficiente da parte senoidal do 5
harmnico (b
5
) do sinal x(t), para 0 0.1.
Se existirem componentes harmnicas do
sinal que no forem modeladas pelo estimador, elas
podero ser identificadas pela anlise dos resduos.
Nesse caso, a funo de autocorrelao (FAC)
apresentar uma caracterstica peridica, cujas
freqncias constituintes podem ser detectadas na
funo de densidade de potncia espectral (DPE).
Figura 1 Estimativa obtida com o MQR estimativa do
coeficiente b5 do sinal x(t) contaminado por rudo branco
4. Estimador recursivo de mnimos quadrados
com fator de esquecimento
A capacidade de rejeio de rudo dos
estimadores est relacionada sua deficincia em
rastrear variaes temporais nos parmetros. Por
objetivar maximizar a robustez ao rudo, o
desempenho do MQR insatisfatrio para rastrear
harmnicos variantes no tempo.
O algoritmo MQR com fator de
esquecimento (MQR
,
no haver convergncia se apenas parte do espectro
harmnico for modelada pelos regressores.
Na fig. 4 mostram-se as estimativas obtidas
da parte cossenoidal do 3 harmnico do sinal x(t)
contaminado por rudo branco de varincia 0.1.
Foram includos regressores somente at o 3
harmnico. Observa-se que a estimativa passa a
oscilar em torno do valore real do parmetro e que,
quanto menor o fator , maior a amplitude da
oscilao.
A capacidade mxima de rastreamento do
MQR
para
estimaes at o 5 harmnico. Para sinais com
harmnicos de ordens mais elevadas, o desempenho
do MQR
:
Para uma mesma freqncia de variao dos
parmetros, quanto menor a relao
sinal/rudo, maior ser o valor de
timo
;
Pra sinais contendo rudo com a mesma
varincia, quanto maior a taxa de variao
dos parmetros, menor o valor de
timo
;
Se dois parmetros de ordens harmnicas
diferentes possurem a mesma amplitude e a
mesma taxa de variao, ento, o valor de
timo
da menor ordem harmnica ser
menor.
5. Filtro de Kalman
A identificao das variveis de estado de
um sistema discreto e linear nos parmetros, descrito
por (6), pode ser realizada recursivamente utilizando
as equaes do KF ([5], [6], [11]).
+ =
+ + =
k k k k
k k k 1 k k k
H z
w u B
(6)
As matrizes , B e H representam a parte
determinstica do modelo. As variveis w
k
e
k
so
denominadas rudo de processo e rudo de medio, e
representam a sua parte estocstica. A observao do
4
sistema em cada instante k, z
k
, obtida a partir do
vetor de estados
k
e das parcekas determinstica e
estocstica do modelo.
Representando-se o sinal (1) no formato do
sistema de equaes (6) permite-se que o seu
contudo harmnico seja estimado pelas equaes do
KF. Se as matrizes forem preenchidas conforme (7),
os parmetros de x
p
(k) podem ser lidos no vetor
k
a
partir dos registros z
k
.
[ ]
[ ] ) sin( ... ) sin( ) cos(
,
t k n t k t k 1 H
b b a a
0 B I
k
T
k n 1 1 0 k
k k
=
=
= =
L
(7)
Os parmetros de sintonia Q e R
representam as matrizes de covarincia dos rudos de
processo e medio, respectivamente. A sintonia
deve ser adequadamente escolhida de acordo com a
preciso da representao da dinmica do processo
pelas matrizes , B e H. Quanto maior for o rudo de
processo, menor ser a confiabilidade da medio, e
menor ser o peso da inovao. Quanto maior for
rudo de medio, maior ser a disperso do estado
estimado e, conseqentemente, menor ser a
confiabilidade da estimao e maior ser o peso da
inovao.
A busca de valores de Q e R que
maximizem o desempenho do KF pode ser
simplificada, pois esses parmetros causam efeitos
opostos na estimao. Prova-se que a multiplicao
deles por uma constante no afeta o resultado da
estimao. Portanto, a sintonia pode ser realizada
apenas utilizando a relao m = R/q, onde Q = qI
([7]).
Na fig. 8, so mostrados os erros de
estimativa do parmetro referente parte senoidal do
harmnico de 5 ordem do sinal x(t), em funo de m,
para 100 realizaes de rudo branco de varincia
(indicada na legenda). Na comparao com a fig. 3,
verifica-se que o comportamento do KF se aproxima
do MQR medida que m, isto , observa-se um
aumento da sua capacidade de rejeio ao rudo e o
desempenho no ponto de mxima rejeio tende ao
desempenho do MQR.
Figura 8 Anlise dos erros das estimativas obtidas pelo KF do
parmetro b5 do sinal x(t) em funo de m (0.01<<0.1)
A identificao de harmnicos utilizando o
KF tambm sofre problemas de convergncia quando
a modelagem do espectro harmnico do sinal
incompleta. A amplitude das oscilaes aumenta com
a diminuio do valor de m, e s h convergncia no
limite em que o KF quando m.
Em funo do aumento da complexidade da
modelagem do sistema, com a utilizao do KF
espera-se aumentar a capacidade de rastrear sinais
com harmnicos variantes no tempo. A identificao
de sinais com essa caracterstica tem melhor
desempenho para valores menores de m, mas
acompanhada da reduo da capacidade de rejeio a
rudos.
Analisa-se o desempenho do KF atravs da
estimao dos harmnicos dos sinais x
v
(t) e x
w
(t) no
contaminados por rudo, conforme figs. 9 e 10. Os
parmetros estimados so os mesmos apresentados
para o MQR
obtida
a partir da considerao de que os valores observados
em um mesmo instante de tempo devem possuir os
mesmos pesos, independentemente do valor de f
s
.
Como os pesos so exponencialmente decrescentes,
obtm-se a equao exponencial (8).
2 s
1 s
f
f
1 2
,
,
= (8)
Para o KF, a equao de converso do
parmetro de sintonia para outra freqncia de
amostragem no facilmente deduzida como no caso
do MQR
.
2
1 s
2 s
1 2
f
f
m m
|
|
\
|
=
,
,
(9)
7. Resultados
A eficcia do KF pode ser comprovada na
fig. 12, onde os harmnicos e interharmnicos
variantes no do sinal x
u
(t) - descrito por (5) -,
amostrado a 50 kHz, so estimados e filtrados por
um filtro tipo autoregressivo de 1 ordem, com
freqncia de corte de 100 Hz. O parmetro m,
sintonizado no valor de 500 para a freqncia de
amostragem de 6 kHz, foi transformado para a base
de 50 kHz, conforme (9).
8. Concluses
Neste trabalho, foram comparadas as
performances no rastreamento de harmnicos
variantes no tempo de estimadores recursivos
largamente utilizados em identificao de sistemas: o
estimador de Mnimos Quadrados, o estimador de
Mnimos Quadrados com fator de esquecimento e o
Filtro de Kalman. O comportamento dos estimadores
foi analisado para diversas contigncias, como a
presena de rudo branco nos sinais estimados, a
variao da freqncia de amostragem e a taxa de
variao dos parmetros.
Alguns aspectos so inerentes ao processo
de estimao de harmnicos, sendo independentes do
estimador aplicado. Dentre eles, cita-se:
A maior facilidade observada na estimao
no rastreamento de harmnicos de ordens
mais elevadas explicada pela menor
relao entre a freqncia de variao do
parmetro e a freqncia do prprio
harmnico. Portanto, limites de
rastreabilidade do estimador podem ser
especificados em funo da ordem
harmnica;
Harmnicos com amplitudes menores tm
pior desempenho de estimao;
A estimao de parmetros com variaes
lentas tm melhor desempenho.
Os resultados obtidos mostram que o KF
mais adequado para identificar o o contedo
harmnico de um sinal ao longo do tempo que o
MQR