Tese de Doutorado
Tese de Doutorado
Tese de Doutorado
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Aquisição e Processamento <strong>de</strong> Sons Crepitantes<br />
Para a aplicação do algoritmo EVA, o sinal <strong>de</strong> entrada d[n] <strong>de</strong>ve se<br />
constituir <strong>de</strong> variáveis aleatórias in<strong>de</strong>pen<strong>de</strong>ntes, i<strong>de</strong>nticamente<br />
distribuídas (i.i.d) e com distribuição não-Gaussiana. Como<br />
consequência, os cumulantes <strong>de</strong> 2ª e 4ª or<strong>de</strong>m do sinal <strong>de</strong> entrada são<br />
2<br />
dados por rd ( 0)<br />
= σ e<br />
( 4)<br />
( 4 )<br />
c d dd ( 0,<br />
0,<br />
0 ) = γ d . Essas consi<strong>de</strong>rações permitem<br />
construir uma relação simples entre os cumulantes cruzados <strong>de</strong> 4ª or<strong>de</strong>m<br />
da saída equalizada y[n] e a saída v[n] do sistema <strong>de</strong> referência f[n]<br />
(JELONNEK et al., 1993). O sistema <strong>de</strong> referência, f[n], é usado para<br />
gerar uma sequência <strong>de</strong> treinamento dos dados (referência) para uma<br />
subsequente interação. O melhor sistema <strong>de</strong> referência <strong>de</strong>convolui o<br />
canal. E por essa razão, o procedimento interativo para ajustar os<br />
coeficientes <strong>de</strong> f[n] inicia como a função impulso (f[n]=δ(n-l/2), l<br />
tamanho do filtro FIR). Após algumas iterações, o sistema <strong>de</strong> referência<br />
e o equalizador terão a mesma resposta a impulso.<br />
A equalização cega utilizando o algoritmo EVA <strong>de</strong>ve satisfazer o<br />
seguinte critério:<br />
Daniel Ferreira da Ponte<br />
Maximização e C e<br />
* ( 4 )<br />
vx dado que<br />
*<br />
ryy( 0 ) = e Rxxe<br />
= σd<br />
( )<br />
resultando em um problema <strong>de</strong> autovalores: e = λR<br />
e<br />
4<br />
Cvx xx .<br />
A resposta ao impulso, e[n], do equalizador cego obtido a partir do<br />
algoritmo EVA é escolhida como o autovetor que correspon<strong>de</strong> ao<br />
1<br />
autovalor <strong>de</strong> máxima magnitu<strong>de</strong> da matriz ˆR ˆ yx<br />
xx C4<br />
−<br />
1<br />
, on<strong>de</strong> ˆR xx<br />
− é a<br />
estimativa do inverso da matriz <strong>de</strong> autocorrelação do sinal <strong>de</strong> entrada do<br />
yx<br />
equalizador e Ĉ4 é a matriz <strong>de</strong> cumulantes cruzados entre o sinal <strong>de</strong><br />
entrada e saída do equalizador. Note, portanto, que apenas com o<br />
conhecimento do sinal captado, x[n], é possível obter-se uma boa<br />
estimativa do som crepitante d[n] que será mostrado no Capítulo 4.<br />
Maior <strong>de</strong>talhamento do algoritmo EVA po<strong>de</strong> ser encontrado no apêndice<br />
F ou em Jelonnek e Kammeyer (1994).<br />
Para avaliar o <strong>de</strong>sempenho da equalização cega aplicada a sons<br />
crepitantes, foi empregado procedimento semelhante ao <strong>de</strong>scrito na<br />
2<br />
63