DE10111626A1 - Ein adaptives System zur effizienten blinden Systemidentifikation bei deterministischen Quellsignalen - Google Patents
Ein adaptives System zur effizienten blinden Systemidentifikation bei deterministischen QuellsignalenInfo
- Publication number
- DE10111626A1 DE10111626A1 DE2001111626 DE10111626A DE10111626A1 DE 10111626 A1 DE10111626 A1 DE 10111626A1 DE 2001111626 DE2001111626 DE 2001111626 DE 10111626 A DE10111626 A DE 10111626A DE 10111626 A1 DE10111626 A1 DE 10111626A1
- Authority
- DE
- Germany
- Prior art keywords
- cross
- identification
- optimization
- adaptive
- matrix operations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
- H03H21/0025—Particular filtering methods
- H03H2021/0034—Blind source separation
- H03H2021/0036—Blind source separation of convolutive mixtures
Landscapes
- Complex Calculations (AREA)
Abstract
Mehrkanalsysteme mit einer Eingangsgröße und mehreren Ausgangsgrößen treten in vielen praktisch relevanten Situationen auf. Die Kenntnis der systembeschreibenden Parameter ist hierbei oft die Voraussetzung zur Umsetzung einer Aufgabe. Beispielsweise erlaubt die Kenntnis eines Systems den Entwurf eines inversen Systems und somit die Rekonstruktion der Eingangsgröße aus den Ausgangsgrößen. Vielfach sind jedoch weder die Eingangsgrößen noch Systemparameter messtechnisch zugänglich. Die Aufgabe der Identifikation des Systems wird als blinde Systemidentifikation bezeichnet, wenn zu ihrer Durchführung lediglich die Ausgangsgrößen verwendet werden. Zu dieser Aufgabenstellung sind eine Reihe von Verfahren bekannt, die jeweils (individuelle) Nachteile aufweisen. Das sogenannte Cross-Relation-Verfahren weist vor allem den Nachteil sehr hohen Speicherbedarfs und aufwendiger mathematischer Operationen auf. Entsprechende Ressourcen stehen in praktischen Anwendungen zumeist nicht zur Verfügung und verhindern einen Einsatz des Verfahrens. Die hier vorgestellte Erfindung stellt ein adaptives Verfahren zur Verfügung, das von dem Cross-Relation-Verfahren abgeleitet ist und seine Vorzüge teilt, dabei aber durch geringen Aufwand und einfache Operationen gekennzeichnet ist.
Description
Systeme mit einer Eingangsgröße und mehreren Ausgangsgrößen treten in Natur und
Technik vielfach auf. Häufig können jedoch nur die Ausgangsgrößen gemessen
werden, d. h. weder das System noch die Eingangsgrößen sind meßtechnisch
zugänglich. Beispiele solcher Systeme sind die verschiedenen Übertragungswege von
einer Schallquelle zu den einzelnen Orten eines Sensor-Arrays (z. B. für eine
Freisprecheinrichtung) oder die Wege zu verschiedenen Orten auf der Erdoberfläche,
an denen durch geologische Messungen Erschütterungen gemessen werden. Unter
einfachen Voraussetzungen lassen sich die einzelnen Kanäle solcher Systeme
hinreichend durch FIR-Filter approximieren.
Die Kenntnis der systembeschreibenden Filterkoeffizienten erlaubt die Analyse des
Systems oder den Entwurf eines inversen Systems. Im ersten Beispiel bedeutet dies,
daß die Systemkenntnis einen Entzerrfilterentwurf für die (Schall-)Sensorsignale
erlaubt, und im zweiten Beispiel, daß eine Analyse der Erdschichten für die
geologischen Daten ermöglicht wird. Weitere Anwendungsfelder für Verfahren zur
blinden Systemidentifikation sind Mobilfunkempfangseinrichtungen und komplexe
Regelsysteme.
Lösungsansätze zur blinden Systemidentifikation, d. h. zur Identifikation eines
unbekannten Mehrkanalsystems unter ausschließlicher Auswertung von
Ausgangsgrößen des Systems, lassen sich unterteilen in solche, die statistische
Momente höherer Ordnung und solche die Momente nur zweiter Ordnung bilden und
auswerten. Verfahren, die auf Momenten höherer Ordnung beruhen, weisen den
Nachteil auf, daß sie in praktisch relevanten Fällen zumeist zu langsam konvergieren
bzw. zu viele Beobachtungen benötigen. Im Gegensatz hierzu existiert eine Reihe von
Verfahren, die ausschließliche Momente zweiter Ordnung verwenden und hierdurch
schneller konvergieren. Diese sogenannten "SOS-Verfahren" unterteilen sich weiter in
solche, die statistische Kenntnisse über die unbekannte Quelle voraussetzen
(stochastische SOS-Verfahren), und solche, bei denen keine solchen Kenntnisse
vorausgesetzt werden (deterministische SOS-Verfahren) [1]. Deterministische SOS-
Verfahren sind für viele Anwendungsfälle die einzig verwendbaren.
Jedes Verfahren zur Systemidentifikation setzt eine hinreichende Komplexität der
Urquelle voraus, dies gilt auch für nicht-blinde Verfahren. Die Komplexität läßt sich
für kontinuierliche Quellen durch ihre (genutzte) Bandbreite quantifizieren. Unter den
bekannten deterministischen Verfahren zur blinden Systemidentifikation stellt das
sogenannte "Cross-Relation-Verfahren", beschrieben z. B. in [2], besonders geringe
Anforderungen an die Komplexität der Quelle.
Das Cross-Relation-Verfahren nimmt wegen seiner geringen Anforderungen an die
Quelle eine herausragende Rolle unter den Verfahren zur blinden Systemidentifikation
ein. Die praktische Umsetzung des Verfahrens ist jedoch bisher nur für Systeme sehr
geringer Ordnung möglich: Zur Identifikation werden beobachtete Signalabschnitte
zunächst strukturiert in einer Matrix abgelegt. Der wesentliche Identifikationsschritt
erfolgt dann alternativ durch Eigenvektorzerlegung oder Singulärwertzerlegung der
Matrix. Diese Zerlegungen dienen implizit der Lösung einer restringierten
Minimierungsaufgabe, wobei die Kostenfunktion aus der erstellten Matrix und den zu
identifizierenden Filterkoeffizienten zusammengesetzt ist.
Diese Vorgehensweise weist folgende Nachteile auf:
- - Die Verwendung von Matrizen als Speicher führt für Systeme hoher Ordnung zu großen Datenmengen.
- - Die Verwendung von Matrixzerlegungen ist für Systeme hoher Ordnung nicht in hinreichend kurzer Zeit durchführbar.
- - Die erforderlichen rechnerischen Operationen werden von einfachen digitalen Signalprozessoren nicht unterstützt.
- - Die Bildung von Datenblöcken (Verarbeitung in Signalfenstern) behindert einen kontinuierlichen Datenfluß bzw. ist mit großen Latenzzeiten verbunden.
Diese Nachteile verhindern eine Anwendung des Verfahrens für viele praktische
Einsatzgebiete.
[1] Tong, L. und Perreau, S.: "Multichannel blind identification: From subspace to
maximum likelihood methods". Proceedings of the IEEE
86
,
1951-1968
,
1998
[2] Xu, G., Liu, H., Tong, L. und Kailath, T.: "A least-squares approach to blind
channel identification". IEEE Transaction an Signal Processing
43
,
2982-2993
,
1995
Aufgabe der Erfindung ist es, ein Verfahren bereitzustellen, daß die blinde
Systemidentifikation eines Mehrkanalssystems erlaubt. Hierbei soll das Verfahren die
geringen Anforderungen an die Signalquelle mit dem Cross-Relation-Verfahren teilen,
gleichzeitig soll es aber durch einfache rechnerische Operationen realisiert sein, so daß
eine einfache Realisierung, z. B. auf digitalen Signalprozessoren, möglich ist.
Weiterhin soll das Verfahren adaptiv realisiert sein und somit auf eine Blockbildung
bezüglich beobachtbarer Signale verzichten.
Die Aufgabe der Erfindung wird durch ein Verfahren mit denen Merkmalen des
Anspruchs 1 gelöst.
Der Ausgangspunkt für das hier beschriebene Verfahren ist eine Kostenfunktion,
deren restringierte Minimierung zur blinden Systemidentifikation führt. Dabei ist die
Kostenfunktion durch das Cross-Relation-Verfahren gegeben und dadurch
gekennzeichnet, daß sie einen Datenblock von beobachtbaren Signalen simultan
aufnimmt und daß das Argument der Funktion am Ort des (restringierten) Minimums
das identifizierte System in Form von FIR-Filterkoeffizienten angibt. Die Minimierung
erfolgt für das ursprüngliche Verfahren simultan bezüglich aller Beobachtungen des
Datenblocks und muß unter expliziter Berücksichtigung von Nebenbedingungen
durchgeführt werden.
Unter dieser Vorgabe erfolgt die neue Lösung der Aufgabe durch folgende Schritte:
- 1. Neuformulierung der zur Identifikation notwendigen Optimierungsaufgabe. Die modifizierte Optimierungsaufgabe muß die Nebenbedingungen implizit berücksichtigen, so daß ein Verfahren zur unrestringierten Optimierung verwendet werden kann. Gleichzeitig muß die modifizierte Optimierungsaufgabe zu demselben Lösungs-Argument führen, wie es durch die ursprüngliche Aufgabe gegeben war. Die zu integrierende Nebenbedingung dient dazu, die triviale Lösung für das unbekannte System auszuschließen. Daher ist eine geeignete Modifikation jede Normierung derart, daß die modifizierte Kostenfunktion sich gegenüber einer reinen Skalierung aller Filterkoeffizienten invariant verhält.
- 2. Anwendung eines geeigneten iterativen Optimierungsverfahrens auf die neue Optimierungsaufgabe. Dieser Schritt umfaßt insbesondere die analytische Berechnung der Suchrichtung für eine Iteration des Optimierungsverfahrens. Geeignete Optimierungsverfahren sind solche, die zur Bildung einer Suchrichtung keine Matrixoperationen benötigen, beispielsweise das Gradientenverfahren.
- 3. Isolieren aller Terme, die Bestandteile der Suchrichtung sind und deren Berechnung die Summation über das gesamte Zeitintervall des Datenblocks umfaßt.
- 4. Erstellen eines adaptiven Systems, indem die Summationen bezüglich der isolierten Terme über die Intervallgrenzen des Datenblocks durch Filterungen ersetzt werden: Die Summationen entsprechen bis auf eine Skalierung einer Zeitmittelung, die in dem adaptiven System durch Tiefpaßfilterung der entsprechenden Terme realisiert werden können. Hierdurch entfällt auch die Notwendigkeit einer Datenblock-Bildung.
- 5. Auffrischen des adaptiven Systems zur blinden Systemidentifikation, indem zu periodischen Zeitpunkten die isolierten und adaptiv berechneten Terme zu einer Suchrichtung verknüpft werden. Entsprechend der Suchrichtung werden die Filterkoeffizienten (d. h. das Argument der Kostenfunktion) modifiziert.
Das Verfahren ermöglicht die Systemidentifikation eines Systems, von dem nur die
Ausgangssignale meßtechnisch erfaßt werden können. Hierbei teilt es die geringen
Anforderungen an die Komplexität des Quellsignals mit dem "Cross-Relation-
Verfahren". Darüberhinaus ist es aber durch einfache rechnerische Operationen
realisiert, die eine Hardware-Realisierung vereinfachen. Insbesondere werden
Matrizen weder zur Speicherung noch zur Berechnung benötigt. Das Verfahren
arbeitet außerdem adaptiv und verzichtet auf eine Blockbildung, die einen
kontinuierlichen Signalfluß behindert.
Für eine bevorzugte Ausführung des Systems erfolgt die Modifikation der
Kostenfunktion durch Normierung mit Energien. Insbesondere kann die ursprüngliche
Kostenfunktion als Summe von Fehlerenergien betrachtet werden. Jede dieser
Fehlerenergien ist durch die Energie eines Differenzsignals gegeben. Für ein
Signalpaar {yi(n), yj(n)} ist die Fehlerenergie durch eine Summation über
e2(n) = [yi(n) - yj(n)]2 gegeben, wobei die Signale {yi(n), yj(n)} am Ausgang der
systemidentifizierenden Filter auftreten. Für jedes Signalpaar wird daher eine
Normierung mit der Summe der Ausgangssignalenergien der zwei beteiligten Signale
vorgenommen.
Als Optimierungsstrategie wird das Gradientenverfahren zu Grunde gelegt, daher muß
für eine Suchrichtung zur Minimierung lediglich der Gradient der modifizierten
Kostenfunktion berechnet werden. Für jeden Filterkoeffizienten ergibt sich ein
Ausdruck, der aus Summen zusammengesetzt ist. Jede der Summationen wird für das
Ausführungsbeispiel durch eine rekursive Filterung erster Ordnung ersetzt. In gleicher
Weise werden auch die Summationen zur Energieberechnung durch rekursive
Filterung ersetzt. Zu periodischen Zeitpunkten werden die aktuellen Werte am
Ausgang der rekursiven Filter abgerufen und zu einer Suchrichtung verknüpft.
Entsprechend der Suchrichtung werden die systemidentifizierenden Filter dann
geändert.
In Abb. 1 ist schematisch dargestellt, wie das System praktisch realisiert werden
kann.
Einer Einheit (1) von systemidentifizierenden adaptiven Filtern (2) werden die
beobachtbaren Signale zugeführt. Die systemidentifizierenden Filter erzeugen die zur
Bildung von Kreuzbeziehungen notwendigen Ausgangssignale. Zum späteren Zugriff
werden die Ausgangssignale Verzögerungsleitungen (3) zugeführt. Eine
Recheneinheit (4) berechnet für jede Kreuzbeziehung die notwendigen
Differenzsignale. Gespeicherte bzw. aktuelle Werte aus den Einheiten (1), (4) und (3)
werden der Filtereinheit (5) zugeführt. Hier werden die einzelnen Werte entsprechend
der Optimierungsvorschrift zu Summanden geformt und rekursiv gefiltert. Für die
rekursive Filterung erster Ordnung muß pro Summand nur ein Wert in den Speichern
(6) gehalten werden. Die Recheneinheit (7) ruft zu periodischen Zeitpunkten die
Speicherwerte (6) ab und bildet eine Suchrichtung. Entsprechend der Suchrichtung
werden die adaptiven Filter (2) geändert.
Claims (5)
1. Verfahren zur blinden Systemidentifikation auf der Basis des Cross-Relation-
Verfahrens,
dadurch gekennzeichnet,
daß die zur Identifikation zu lösende Optimierungsaufgabe durch ein adaptives
System gelöst wird.
2. Ein Verfahren nach Anspruch 1, wobei dem adaptiven System eine dem Cross-
Relation-Verfahren äquivalente unrestringierte Optimierungsaufgabe zugrunde
gelegt wird.
3. Ein Verfahren nach Anspruch 1, wobei ein iteratives Optimierungsverfahren
zugrunde gelegt wird.
4. Ein Verfahren nach Anspruch 1, wobei Matrixoperationen für das adaptive System
verhindert werden, indem ein Optimierungsverfahren zugrunde gelegt wird, das für
die Bildung eines Optimierungsschrittes keine Matrixoperation erfordert.
5. Ein Verfahren nach Anspruch 1, weiter umfassend:
Bildung einer adaptiven Funktionsweise, indem statt Blockberechnungen Filterungen eingesetzt werden.
Bildung einer adaptiven Funktionsweise, indem statt Blockberechnungen Filterungen eingesetzt werden.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2001111626 DE10111626A1 (de) | 2001-03-10 | 2001-03-10 | Ein adaptives System zur effizienten blinden Systemidentifikation bei deterministischen Quellsignalen |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2001111626 DE10111626A1 (de) | 2001-03-10 | 2001-03-10 | Ein adaptives System zur effizienten blinden Systemidentifikation bei deterministischen Quellsignalen |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10111626A1 true DE10111626A1 (de) | 2002-09-19 |
Family
ID=7677031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2001111626 Withdrawn DE10111626A1 (de) | 2001-03-10 | 2001-03-10 | Ein adaptives System zur effizienten blinden Systemidentifikation bei deterministischen Quellsignalen |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10111626A1 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7079988B2 (en) * | 2003-04-01 | 2006-07-18 | Thales | Method for the higher-order blind identification of mixtures of sources |
CN115640711A (zh) * | 2021-07-17 | 2023-01-24 | 深圳市芯瑞微电子有限公司 | 一种自适应方向的网格划分方法 |
-
2001
- 2001-03-10 DE DE2001111626 patent/DE10111626A1/de not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7079988B2 (en) * | 2003-04-01 | 2006-07-18 | Thales | Method for the higher-order blind identification of mixtures of sources |
CN115640711A (zh) * | 2021-07-17 | 2023-01-24 | 深圳市芯瑞微电子有限公司 | 一种自适应方向的网格划分方法 |
CN115640711B (zh) * | 2021-07-17 | 2024-04-19 | 芯瑞微(上海)电子科技有限公司 | 一种自适应方向的网格划分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2817657B1 (de) | Verfahren und sensorsystem zur vermessung der eigenschaften einer übertragungsstrecke eines messsystems zwischen sender und empfänger | |
DE2611497A1 (de) | Verfahren und vorrichtung zur gyromagnetischen zeugmatographie | |
EP0974105B1 (de) | Verfahren zur mehrdimensionalen, diskreten wavelet-transformation und transformationseinheit zur durchführung des verfahrens | |
EP2243219A2 (de) | Digitales optimal-filter für periodische wechselsignale | |
DE10111626A1 (de) | Ein adaptives System zur effizienten blinden Systemidentifikation bei deterministischen Quellsignalen | |
DE102018210155A1 (de) | Verfahren und Vorrichtung zur Auswertung von Radarsignalen | |
DE2418923C3 (de) | Digitales Rechnerfilter für elektrische Signale | |
DE4223676C2 (de) | Verfahren zur adaptiven räumlichen Ausfilterung eines gewünschten Signals und zur Unterdrückung von Störersignalen beim Funksignalempfang | |
DE69306893T2 (de) | Verfahren zur Bestimmung der Transmittanz einer Filterschaltung zur Umwandlung der Impulsantwort eines Filters in eine Impulsantwort mit minimaler Phase und Filter zur Durchführung des Verfahrens | |
DE60207600T2 (de) | Vorrichtung und verfahren zur schätzung des taktfehlers in einem digitalen empfänger mittels trainingssequenzen | |
EP0948143B1 (de) | Verfahren und Vorrichtung zur Signalübertragung über Stromversorgungsleitungen | |
DE102013002102A1 (de) | Verfahren und Vorrichtung zum Demultiplexen | |
DE102013201458A1 (de) | Verfahren und Vorrichtung zur Erfassung mindestens eines Signals | |
DE102020211302A1 (de) | Multisensorsystem und System zur Bestimmung einer Position oder Orientierung | |
EP0181599B1 (de) | Verfahren und Anordnung zur Verbesserung der Genauigkeit von rekonstruierten Abtastwerten bei mehrdimensionaler DPCM-Codierung | |
DE19531388C1 (de) | Signaltrennungsverfahren und -einrichtung für nichtlineare Mischungen unbekannter Signale | |
EP1584943A2 (de) | Hochauflösendes Peilverfahren mit FFT-Breitbandpeilsensorik | |
DE19925464C2 (de) | Verfahren und Schaltungsanordnung zur Abtastratenanpassung digitaler Signale | |
DE102018212087B3 (de) | Empfangsvorrichtung für Signale mit Frequenzmultiplex | |
DE102018210114A1 (de) | Vorrichtung und Verfahren zur Auswertung von Radarsignalen | |
EP0118755B1 (de) | Verfahren zur digitalen Übertragung von Fernsehbildern | |
DE102018208058A1 (de) | Verfahren und Vorrichtung zum Erkennen einer Anomalie eines Signales | |
EP4152034A1 (de) | Verfahren und vorrichtung zur unterdrückung von störungen bei der magnetresonanzbildgebung | |
EP1804380B1 (de) | Verfahren und Vorrichtung zur echtzeitfähigen Rekonstruktion eines nicht-äquidistant abgetasteten, analogen Signals | |
EP4152028A1 (de) | Verfahren und vorrichtung zur unterdrückung von störungen bei der magnetresonanzbildgebung |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8139 | Disposal/non-payment of the annual fee |