Modélisation d’un système par RIF

Schéma de principe
 y1   x1 ... x1− j ... x1− N +1   e1 
 .   . . . . .   0   . 
a
     .   
  .  . . . . .     . 
 y i  −  x i ... x i − j ... x i − N +1   a j  =  ei 
 .   . . . . . 
.
  . 
       
  .  . . . . .  a N −1   . 
 y M   x M ... x M − j ... x M − N +1  e M 
Y − XA = E

Coefficients du filtre optimal  = X T X [ ] −1

XT Y

 ϕ yx (0)   ϕ yx (0) 
[X X] ≈ M[R
T
N ] [ ] 
XT Y ≈ M  M



 ≈ [R N ]−1  M


N×N N*1 ϕ yx ( N − 1) ϕ yx ( N − 1)
   
Equation de WIENER-HOPF
1 M
Rappel ϕ xy ( n ) = lim ∑ x k y k −n
M →∞ M k = 1
E. T. Filtrage adaptatif 1
 Modélisation adaptative

Schéma de principe

Dans le cas précédent, les coefficients du filtre restent fixes. Ici, une remise à jour permanente
permet d’obtenir une modélisation qui s’adapte automatiquement à l’évolution du système.

E. T. Filtrage adaptatif 2
 Algorithme RLS (I)

Notation
Supposons qu’à l’instant k nous possédons k observations du système :

 x1 ... x1− j ... x1− N +1   y1 

 . . . . .   . 
   
 . . . . .   . 
Xk =  xi ... x i − j ... x i − N +1  Yk =  y i 
 . . . . .   . 
  
 . . . . .   . 
x k ... x k − j ... x k − N +1   y k 


L’instant k+1 apporte une observation supplémentaire ce qui donne, en notation

matricielle condensée :

 X(k)   Y 
X k +1 =   Yk +1 =  k 
x
 k +1 L x k -N+2   y k +1 

w Tk +1 = [x k +1 L x k − N + 2 ]

E. T. Filtrage adaptatif 3
 Algorithmes RLS (II)

Algorithme RLS (Recursive Least Square)

Par définition
)
[ T
]−1 T
A k +1 = X k +1X k +1 X k +1Yk +1

Afin de diminuer la charge de calcul, il est possible de faire apparaître une récurrence :

[
 k +1 =  k + X Tk +1X k +1 ]−1
(
w k +1 y k +1 − w Tk +1Â k )
Cet algorithme est lourd à mettre en oeuvre

E. T. Filtrage adaptatif 4
 Algorithme LMS (I)

Algorithme du gradient ou LMS (Least Mean Square)

On peut remarquer que w Tk +1Â k = â o (k ) x k +1 + â1 (k ) x k + ... + â N-1 (k ) x k − N + 2 = ŷ k +1

ŷ k +1 est une estimation à priori* de la sortie du système à l’instant k+1

(* à priori car déterminée à partir des coefficients du filtre à l’instant k )

Nous en déduisons l’algorithme récurrent assurant la remise à jour des coefficients du filtre :

( )
 k +1 =  k + δw k +1 y k +1 − w Tk +1 k =  k + δw k +1e k +1

â o (k + 1) = â o (k) + δx k +1e k +1
δ valeur réelle positive
... est appelée pas
d’adaptation
â j (k + 1) = â j (k) + δx k +1− je k +1

E. T. Filtrage adaptatif 5
 Algorithme LMS (II)

Conditions de convergence
δ conditionne à la fois la convergence de l'algorithme et sa rapidité de stabilisation

δ trop élevée : le calcul des coefficients diverge

δ trop faible : la convergence très lente

2
Condition de 0<δ<
convergence théorique Nσ 2x
1 2
Condition de 0<δ<
convergence pratique 3 Nσ 2x
1 1 1
Constante de temps τ≈ δ= τ ≈ 3N
d’adaptation δ σ 2x 3 Nσ 2x
Puissance moyenne de
σ 2x
xk

E. T. Filtrage adaptatif 6
 Algorithme LMS (III)

Algorithme normalisé du gradient

δ
â j (k + 1) = â j (k) + x k +1− je k +1
σ 2x
Le pas d'adaptation est contrôlé par une estimation de la puissance du signal d'entrée

L’estimation de la puissance du signal xk peut être obtenue par :

1 D−1 2
σ 2x = P0 + ∑ x k −i
D i =0

Algorithme du signe

â j (k + 1) = â j (k) + δsigne[x k +1− j ]e k +1

Il s’agit d’une variante plus légère en terme de charge de calcul

E. T. Filtrage adaptatif 7
 Filtre RIF adaptatif

Schéma-bloc

E. T. Filtrage adaptatif 8
 Filtre RII adaptatif

Equation aux différences du filtre

N −1 F
)
y k = ∑ a j x k − j − ∑ b f y k −f
j=0 f =1

Algorithme du gradient

) )
a j (k + 1) = a j (k) + δx k +1− je k +1 0 ≤ j ≤ N −1
) ) )
b f (k + 1) = b f (k) + δy k +1−f e k +1 1≤ f ≤ F
)
e k +1 = y k +1 − y k +1

E. T. Filtrage adaptatif 9
 Application à la téléphonie (I)

Annulation d’échos pour téléphone « mains libres »

E. T. Filtrage adaptatif 10
 Application à la téléphonie (II)

Annulation des échos de retour de transmission

Le retour d'un écho peut avoir plusieurs origines :

•les réflexions du signal lors de la conversion 2 fils/4 fils ;
•les réflexions du signal sur des impédances désadaptées lors des changements de
voies de transmission.

E. T. Filtrage adaptatif 11