Implementao de Filtro Digital de Wiener para

correo de rudo
Estudo de caso de uma aplicao no Matlab

C. R. N Moralles

Eduardo Boin

Master student: dept. Electrical Engeneering of PUCRS

Porto Alegre,Brazil
cassiano.moralles@gmail.com

Master student: dept. Electrical Engeneering of PUCRS

Porto Alegre,Brazil
line 4-e-mail address if desired

Resumo Este paper apresentar os principais conceitos

com o mnimo de formalidade matemtica. No entanto,
mostraremos um exemplo usando Matlab da aplicao de
interesse de filtro digital de Wiener.
Abstract This paper will be presenting principal concepts
with minimum formal mathematics concepts. Therefor,
exemplified some of interests applications for digital Wiener
filters.
Palavras-chavecomponent; filtro de Wiener, filtro digital,
FIR

experimento utilizando o software Matlab. Por fim, a

conclusodoartigo.

II. OBJETIVOS E BASE MATEMTICA

OFW consideradoumfiltroadaptativocomosseguintes
objetivos:

Keywordscomponent; Wiener filter, digital filter, FIR

I.

INTRODUO

Ousodefiltrosdigitaissomuitocomunsnaeletrnicaeno
processamentodigitaldesinais,pormtambmsoutilizados
naengenhariamecnica, fsica,entreoutras.Socomumente
utilizados para eliminar as freqncias no desejadas de
umsinaldeentradaouparaselecionarumafrequnciadeum
sinal.Umfiltroaplicacomumenteumaoperaomatemtica
dedesconvoluoaumsinaldeentrada.
Existeumagrandevariedadedefiltrosetecnologiasdefiltros.
Independentemente se eles so eletrnicos, eltricos ou
mecnicos, ou em quais faixas de freqncia trabalhem, a
teoriamatemticadosfiltros amesma.Um filtrodigital
umfiltroqueprocessasinaisdigitais.Utilizandoumconversor
analgicodigital (ADC), digitalizase o sinal a filtrar, em
seguidaesteprocessadoporalgumtipodeprocessador,onde
est programado o filtro digital. Para se obter de novo um
sinal analgico j filtrado, colocase um conversor digital
analgico(DAC).
OFiltrodeWiener(FW)originousedotrabalhorealizadopor
Norbert Wiener(18941964) e era chamado cancelador de
rudo(JerisoneStrook,1995).AseoIItratadosobjetivos
basematemticadoFW,aplicaesdofiltrodeWierner.Na
seo III, descrito o problema prtico a ser resolvido do
canceladorderudo. AseoIVdescreveosresultadosdo

Filtragem estimar o sinal quando ele est

corrompido com rudo com um filtro estimador
causal, ou seja, considerando o valor presente e
passadosdosinalcorrompidocomrudo.
Suavizao mesmo problema anterior, mas
considerando todos os dados possveis, sendo
permitidoqueofiltroestimadorsejanocausal;
Predio sinal estimado no future, usando dados
observadosemnobservaes;
Desconvoluo quando a aplicao de uma
convoluo ao sinal corrompido, em que a funo
g(x)arespostaimpulsivadeumafenda(SLIT).

Este processo de filtragem equivale a uma operao de

desconvoluoqueseparasinaisbaseadoemsuasfreqncias
espectrais.Seuganhoemcadafreqnciadeterminadopelo
valor relativo entre o sinal e o rudo naquela freqncia
(Smith,1999).
Logo, necessrio o conhecimento prvio do espectro de
potncia do rudo que desejase minimizar. O FW uma
timoferramentadeextraodesinal,queminimizaoerro
mdioquadrticoaolongodetodooprocessomaximizandoa
relaosinalrudo.Seucomportamentodeterminadopelas
caractersticasdosinale,nodomniodefreqncias.

Figura 1 Simplificao de Filtro.

A filtragem FW considerada um mtodo de reduo de
dados,comperdamnimadeinformao.

Figura 2 Filtro FIR de Wiener.

Figura 4 Equaes de Wiener-Hopf.

Rx Matriz de autocorrelao, Hermitiana e de Toeplitz
W vetor dos coeficientes do filtro
Rdx vetor de corelao cruzada entre o sinal desejado d[n] e
o sinal observado x[n]

O filtro FIR de Wiener produz uma estimativa do erro

quadrtico mdio mnimo do processo d[n] filtrando o
processoestatisticamenterelacionaodx[n].
Assumesequeosprocessosx[n]ed[n]soestacionriosem
sentidorestrito(WeakorwidesensestationarityWSS)com:

Autocorrelaodex[n]Rx[k]

Autocorrelaoded[n]Rd[k]

Correlaocruzada(crosscorrelation)Rdx[k]

Consideramos o rudo e o sinal no correlacionados.

Logo:

Figura 3 - FiltroFIRdeWienerdeordem1.

Ento:

Manipulando matematicamente, obtemos (Princpio da

ortogonalidade):

Considerando,

Para o caso de predio, o objetivo estimar o sinal em n+1,

x[n+1]:

Resulta,
Se considerarmos d[n] = x[n+1] temos uma situao idntica a
anterior.
Sendo,
Ou seja:
As Equaes de Wiener-Hopf resultantes so dadas por:

Considerando que Rx[k] = R*x[-k] resulta em sistema de

equaes na forma matricial (Equaes de Wiener-Hopf):

(N);

y(index,:)=sum([x,zeros(1,index-1)].*[zeros(1,index-1),z])/

end

IV. RESULTATOS DO EXPERIMENTO UTILIZANDO MATLAB

Sendo o erro quadrtico mdio dado por:

III. APLICAO DO FILTRO DIGITAL DE WIENER NO SOFTWARE

MATLAB
Demonstramos a implementao de um filtro FIR de
Wiener com simulao de 10.000 pontos, onde um sinal de
interesse d(n) contaminado por rudo aditivo v(n), de modo
que o sinal observado :

x(n) = d(n) + v(n)

A aplicao simulada no software Matlab a

implementao de um filtro de Wiener para cancelamento de
dois rudos V1, ambos gerados a partir de um rudo Vn com
comportamento de rudo branco gaussiano. A seguir o
relacionamentos e equaes utilizadas no Matlab:

vn=randn(1,N);

v1(n)=-0.6v2(n-1)+v(n)

Sinal utilizado:

theta=2*pi*rand-pi;

dn=sin(n*w0+theta);

Adicionando o dudo:

xn=dn+v1;

As funes usadas para obter a autocorrelao

(autocorrelation) e a correlao cruzada (Cross-correlation)
so:
function y=AUTOCORR(x) K=length(x);
for index=1:K
(K);

y(index,:)=sum([zeros(1,index-1),x].*[x,zeros(1,index-1)])/

end
end
function y=CROSSCORR(X,Z)
x=[X,zeros(1,length(Z)-length(X))]; %Making length of x and z
to be the same
z=[Z,zeros(1,length(X)-length(Z))];
N=length(z);
for index=1:N

Aps a simulao e uso do filtro de Wiener, obtivemos os

seguintes resultados aplicando filtro de ordens 1, 6, 12 e 19:

A.
TABLE I.
Table
Head
copy

Table Column Head

Table column subhead

More table copy

Subhead

Subhead

a
a.

Sample of a Table footnote. (Table footnote)

b.

Fig. 1. Example of a figure caption. (figure caption)

Figure Labels: Use 8 point Times New Roman for Figure

labels. Use words rather than symbols or abbreviations when
writing Figure axis labels to avoid confusing the reader. As an
example, write the quantity Magnetization, or
Magnetization, M, not just M. If including units in the
label, present them within parentheses. Do not label axes only
with units. In the example, write Magnetization (A/m) or
Magnetization (A ( m(1), not just A/m. Do not label axes
with a ratio of quantities and units. For example, write
Temperature (K), not Temperature/K.

Acknowledgment (HEADING 5)
The preferred spelling of the word acknowledgment in
America is without an e after the g. Avoid the stilted
expression one of us (R. B. G.) thanks .... Instead, try R.
B. G. thanks.... Put sponsor acknowledgments in the
unnumbered footnote on the first page.

References

[6]
[1]

[2]
[3]
[4]
[5]

"D. Boulfelfel, R.M. Rangayyan, L.J. Hahn, and R. Kloiber, 1994,

"Three-dimensional restoration of single photon emission computed
tomography images", IEEE Transactions on Nuclear Science, 41(5):
1746-1754, October 1994.".
Wiener, Norbert (1949). Extrapolation, Interpolation, and Smoothing of
Stationary Time Series. New York: Wiley. ISBN 0-262-73005-7.
Thomas Kailath, Ali H. Sayed, and Babak Hassibi, Linear Estimation,
Prentice-Hall, NJ, 2000, ISBN 978-0-13-022464-4.

[7]

[8]

Wiener N: The interpolation, extrapolation and smoothing of stationary

time series', Report of the Services 19, Research Project DIC-6037 MIT,
February 1942.
Kolmogorov A.N: 'Stationary sequences in Hilbert space', (In Russian)
Bull. Moscow Univ. 1941 vol.2 no.6 1-40. English translation in Kailath
T. (ed.) Linear least squares estimation Dowden, Hutchinson & Ross
1977
Pinheiro, Antnio M. G. Aula 10 da disciplina de Processamento de
Sinal e Imagem da Universidade da Beira Interior, Portugal. Acessado
em 13/06/2016 http://webx.ubi.pt/~pinheiro/AulPSIEEC10.pdf