Professional Documents
Culture Documents
‡Investigadora Conicet
larrondo@fi.mdp.edu.ar
Resumen — En este trabajo se presenta un banco resultados. El mismo consiste en calcular en forma
de medición que permite estimar los parámetros de analógica la autocorrelación de la señal y determinar la
una señal periódica que se encuentra inmersa en frecuencia de la señal senoidal empleando un modelo
ruido blanco gaussiano aditivo (AWGN). La autoregresivo. La desventaja de este método es que
fundamentación teórica del método, que se basa en requiere niveles de relación S/N moderadamente altos.
la utilización de la función autocorrelación y de la Boyte et al. (1990) propusieron una mejora al método
Transformada Rápida de Fourier (FFT) con una de Prony que lo hace más exacto en presencia de niveles
ventana adaptativa, fue presentada en un trabajo moderados de ruido. Fung et al. (2004) consideraron la
reciente. El banco está basado en una placa situación que se presenta cuando el registro de datos es
comercial dedicada al Procesamiento Digital de corto. El algoritmo que proponen muestra un excelente
Señales (DSP) conectada al Bus ISA de una PC. Se comportamiento en un amplio rango de frecuencias y es
presentan los resultados experimentales obtenidos en esencialmente no sesgado, con la desventaja que la
el caso de señales senoidal y cuadrada, ambas con relación S/N debe ser superior a 0 dB. Muravchik y
una relación señal/ruido (S/N) negativa (expresada Löffler (1988) presentaron dos estimadores para la
en dB). función Distribución Espectral de Potencia (PSD)
asociada a una serie temporal que converge con
Palabras clave — correlación, estimación, FFT,
probabilidad uno a la verdadera PSD. Fernández et al.
ventana autoadaptativa, DSP.
(2004) han propuesto recientemente un método basado
en el uso en forma conjunta de la función
I. INTRODUCCION
autocorrelación y un algoritmo que a partir de la FFT
En numerosas aplicaciones es de relevancia poder calcula cuál es la verdadera relación entre el período de
estimar, con el menor error posible, tanto la amplitud la señal y la duración de la ventana rectangular
como la frecuencia de una señal periódicas inmersa en utilizada. A partir de esta relación se ajusta en forma
ruido (Gough 1994, Kay 1993, Macleod 1998, Quinn automática la frecuencia de muestreo para disminuir la
1987). En la literatura específica se ha propuesto una dispersión espectral, mejorando significativamente las
amplia variedad de estimadores, diferenciándose entre mediciones (Hidalgo et al. 2002).
ellos en cuatro aspectos significativos: a) el umbral de la La organización de este trabajo es la siguiente: en la
relación S/N por encima del cuál la estimación es Sección II se detallan el algoritmo desarrollado, el
correcta; b) el rango de frecuencia dentro del cuál debe banco de medición utilizado y los resultados obtenidos
permanecer la señal; c) el sesgo (bias) de la estimación para el caso de una onda senoidal y de una cuadrada. En
y d) la complejidad computacional de los algoritmos la sección III se presentan las conclusiones.
utilizados. Rife and Boorstyn propusieron un estimador
de frecuencia de máxima verisimilitud (MLE) basado en II. DESARROLLO
el cálculo de la FFT (Rife and Boorstyn 1974). Este
estimador exhibe el típico efecto de umbral de los A. Descripción del algoritmo
estimadores no-lineales pero su comportamiento es
Sea s(t) una señal periódica de amplitud pico As y
independiente de la frecuencia. Brown and Wang (2002)
frecuencia fs y n(t) una señal de ruido blanco con
desarrollaron un estimador basado en múltiples
distribución gaussiana y valor medio nulo.
aplicaciones de un proceso de diezmado y filtrado
Considerando que el ruido es aditivo, se obtiene
pasabajos, estimando la frecuencia mediante técnicas de
entonces la señal:
predicción lineal y heterodinización digital. El
algoritmo es uniforme en todo el rango de frecuencias
x(t ) = s(t ) + n(t ) (1)
digitales (±1) y su complejidad computacional es menor
que la del caso anterior. En el caso de aplicaciones de
Si se admite que las señales s(t) y n(t) no se
tiempo real se emplea un procedimiento basado en el
encuentran correlacionadas, la función autocorrelación
Teorema de Prony (Marple 1987), con buenos
PRS_08 687
XI Reunión de Trabajo en Procesamiento de la Información y Control, 21 al 23 de septiembre de 2005
de x(t) consta de sólo 2 términos: 2) Se calcula la FFT y se busca la componente espectral
de mayor amplitud en valor absoluto ( A10 ) y el orden de
R xx (τ ) = Rss (τ ) + Rnn (τ ) (2) la misma ( k10 ).
3) Se busca cuál de las componentes espectrales
donde Rss(τ) y Rnn(τ) representan las funciones
adyacentes a A10 es la de mayor amplitud y se
autocorrelación de la señal y el ruido respectivamente.
Dado que s(t) es periódica, Rss(τ) también lo es, mientras determinan su valor ( A20 ) y su orden k 20 = k10 ± 1 .
que Rnn(τ) decaerá exponencialmente por tratarse de 4) Se obtiene una primera estimación de la frecuencia
ruido filtrado. Por lo tanto, para valores de τ de la Rxx(τ) (y por lo tanto de s(t) ) mediante:
suficientemente grandes es posible obtener la
información de amplitud y frecuencia de la señal a partir 2 2
1 A10 k10 + A20 k 20
de Rxx(τ). El algoritmo desarrollado, basado en el fˆs0 = 0 (5)
cálculo de la FFT con una ventana de duración Tw A10 + A20
autoajustable (Hidalgo et al. 2002), minimiza los errores
en la estimación de ambos parámetros. 5) Se define un nuevo período de muestreo ∆’ tal que la
La Ec. (2) presupone un tiempo de integración nueva duración de la ventana Tw1 = NW·∆’ sea un
infinito, cosa que no es posible si se quieren realizar los múltiplo exacto de 1 fˆs0 .
cálculos con una computadora. Por lo tanto es práctica
común emplear una estimación no sesgada de la misma 6) Con este nuevo período de muestreo se remuestrea
dada por: Rxx(τ) por software empleando las técnicas de diezmado
e interpolación (Mitra, 1998) y se recalcula la FFT.
1 N −n
Rˆ xx (n) ≅ ∑ x( j∆) x( j∆ − n∆ )
N − n j =0
(3) 7) Se busca el máximo valor de la componente espectral
A11 y su orden k11 , en base a los cuales pueden estimarse
los valores de amplitud y frecuencia de la señal original
para 0 ≤ n ≤ N, donde N es la longitud del registro (se con un error mínimo.
adopta igual a 3000) y ∆ es el período de muestreo
(1/fM). La Ec. (3) presenta errores significativos cuando
B. Banco de medición
el valor de n→N, por lo que para calcular su FFT se
considera un segmento de longitud NW ubicado En la Fig. 1 se muestra el banco de medición utilizado
simétricamente entre los N valores de Rˆ xx (n) . para verificar en forma experimental el método
desarrollado. El mismo está constituído por dos
La Transformada Discreta de Fourier (DFT) de un generadores de señal HP33120A, que se emplean para
segmento de longitud NW de la Ec. (3) puede calcularse: producir la señal periódica s(t) y el ruido n(t). La salida
N w + nmin −1 2πnk del generador de ruido es filtrada por medio de un
−j
circuito pasabajos RC, cuya frecuencia de corte es de
F (k ) = ∑
n = nmin
Rˆ xx (n) exp Nw
(4) 8.9 kHz. Ambas señales son luego sumadas por medio
de un amplificador que actúa como separador.
con k = 0, . . ., NW-1; donde nmin es el mínimo valor de n
para el cuál puede despreciarse la contribución de Para medir la relación S/N se utiliza un voltímetro
HP974A, de verdadero valor eficaz. Al Bus ISA de la
Rnn (τ ) . Dado que la Ec. (4) será calculada mediante el
algoritmo de la FFT, Nw debe ser potencia de 2.
El tener un segmento de longitud fija para el cálculo 1 kΩ 10 kΩ
equivale a pesar la función original por una ventana 2 - 1k5 Ω
39 kΩ 1
rectangular de duración Nw. Su aplicación produce el Gen. 3 +
efecto conocido como dispersión espectral. Para tratar Ruido
de resolver este problema es práctica usual recurrir al 470 pF
empleo de diferentes funciones ventana, las cuales
tienen sus ventajas y desventajas, pero ninguna 6 - 1k5 Ω
minimiza los errores en la estimación de frecuencia y 7
Gen. 5 +
amplitud simultáneamente. Como método alternativo, se Señal
emplea en este trabajo una ventana rectangular, cuya
duración se ajusta automáticamente para adaptarse a un
número entero de periódos de la señál, eliminando este 1k5 Ω
PC
problema. Básicamente, el algoritmo realiza las 9 -
+
8
siguientes operaciones: 10 + Placa
1) Se establece una primera aproximación para la fM y se DSP
adopta NW = 1024. La duración de la ventana queda fija
entonces en Tw0 = NW/fM. Fig. 1: Banco de medición.
PRS_08 688
XI Reunión de Trabajo en Procesamiento de la Información y Control, 21 al 23 de septiembre de 2005
PC se conecta una placa DSP modelo Dalanco Spry© C. Resultados Experimentales
310 utilizada para el muestreo y la adquisición de la Para probar la validez del método propuesto se
señal resultante a la salida del circuito sumador. Los emplean dos señales periódicas distintas, senoidal y
datos adquiridos se procesan en tiempo real (on-line) cuadrada y se eligen sus amplitudes de forma que
por medio de un programa desarrollado en lenguaje C queden enmascaradas por el ruido. En ambos casos se
que realiza el control de la placa, transfiere los datos a ajusta la frecuencia del generador a 660 Hz, y el nivel
memoria y lleva a cabo todas las operaciones de ruido a 130 mVrms. La amplitud de la senoidal se fija
involucradas en el algoritmo. A los fines de estudiar AS = 40 mV (S/N = -13.248 dB) y la amplitud de la
estadísticamente el comportamiento del sistema se cuadadra en AS = 40 mV (S/N = -10.238 dB).
adquieren 2100 registros de 3000 muestras cada uno. El La función autocorrelación de cada señal es distinta,
diagrama de flujo de este programa se presenta en la por lo que es necesario determinar la relación que existe
Fig. 2. Sus principales pasos son: 1) inicializar la placa entre sus amplitudes y la de la estimación espectral
DSP, ajustando el valor inicial de la frecuencia de realizada ( A11 ). Para el caso de la onda senoidal se
muestreo ( fM ), 2) al registro adquirido se le calcula la
cumple:
función autocorrelación y a un tramo de la misma la
FFT. 3) Mediante el algoritmo desarrollado (descripto k11
Aˆ s = 2 A11 ; fˆs = (6)
en A) se obtiene la relación entre la duración de la ( N w ∆ ')
ventana rectangular y el período de la señal. 4) A partir
de esta relación se le aplica al registro una combinación mientras que para la onda cuadrada, las expresiones son:
de las operaciones de diezmado e interpolación
(resample), lo que equivale a modificar por software la
frecuencia de muestreo. 5) Se recalcula la FFT y se π k11 (7)
Aˆ s = A11 ; fˆs =
estiman los valores de amplitud y frecuencia para luego 2 ( N w ∆ ')
calcular las funciones de distribución de probabilidad.
6) Se inicia nuevamente todo el proceso para un nuevo A partir de los 2100 registros obtenidos se pueden
registro. encontrar las funciones densidad de probabilidad (PDF)
de los valores estimados. Las funciones obtenidas se
muestran en las Fig. 3 (para el caso senoidal) y Fig. 4
Inicializar placa DSP (para la onda cuadrada). A partir de las mismas se
(ajustar f M )
estiman los valores medios y dispersión
100
(a)
Adquirir Registro
80
Calcular Autocorrelación
60
Calcular FFT 40
20
Aplicar Algoritmo
0
654 fs [Hz] 664
Modificar f M (resample)
70
(b)
60
Recalcular FFT
50
Estimar A S y f S 40
30
no 2100 20
registros? 10
si 0
0.028 A [V ] 0.054
s peak
Calcular estadísticas
Fig. 3: PDF de los valores estimados para una onda
Fig. 2: Diagrama de flujo del programa. senoidal: (a) frecuencia y (b) amplitud.
PRS_08 689
XI Reunión de Trabajo en Procesamiento de la Información y Control, 21 al 23 de septiembre de 2005
100 de ruido (manteniendo la relación S/N), lo que
(a)
provocaría que los valores pico excedieran el rango
80 dinámico del conversor.
60 REFERENCIAS
PRS_08 690