Applying the Spectral Method for Modeling Linear Filters: Butterworth, Linkwitz-Riley, and Chebyshev filters

तकनीकी सारांश: रैखिक फिल्टरों के मॉडलिंग के लिए स्पेक्ट्रल विधि का अनुप्रयोग

समस्या विवरण
यह शोध पत्र निरंतर समय (continuous time) में रैखिक फिल्टरों (विशेष रूप से बटरवर्थ, लिंक्विट्ज़-राइली और चेबिशेव प्रकारों) के कंप्यूटर मॉडलिंग की चुनौती को संबोधित करता है। पारंपरिक कंप्यूटर मॉडलिंग दृष्टिकोण आमतौर पर समय विविक्तकरण (time discretization) पर निर्भर करते हैं, जो एनालॉग सिस्टम को डिस्क्रीट-टाइम समकक्षों में परिवर्तित करते हैं। लेखक नोट करते हैं कि ये विधियाँ विशिष्ट आर्टिफैक्ट्स (artifacts) पेश करती हैं: इम्पल्स इनवेरिएंस विधि में यदि विविक्तकरण आवृत्ति अपर्याप्त है तो एलियासिंग (aliasing) की समस्या होती है, जबकि द्वै-रेखीय रूपांतरण (bilinear transform) विधि आवृत्ति अक्ष के गैर-रैखिक रूपांतरण के कारण फ्रीक्वेंसी वार्पिंग (frequency warping) उत्पन्न करती है। यह शोध पत्र एक ऐसी तकनीक प्रस्तावित करता है जो पूरी तरह से समय विविक्तकरण से बचते हुए, आउटपुट सिग्नल को सीधे एक निरंतर-समय फलन (continuous-time function) के रूप में मॉडल करने का लक्ष्य रखती है।

कार्यप्रणाली
प्रस्तावित तकनीक का मुख्य आधार रैखिक प्रणालियों का गणितीय विवरण का स्पेक्ट्रल रूप है। यह दृष्टिकोण इनपुट और आउटपुट सिग्नलों को डिस्क्रीट टाइम सैंपल्स के बजाय एक चुने हुए आधार (basis) के सापेक्ष ऑर्थोगोनल विस्तारों (स्पेक्ट्रल विशेषताओं) के रूप में प्रदर्शित करता है।

मुख्य कार्यप्रत्वली घटक शामिल हैं:

• स्पेक्ट्रल प्रतिनिधित्व (Spectral Representation): सिग्नलों $g(t)$ और $x(t)$ को एक ऑर्थोनॉर्मल बेसिस $\{q(i, t)\}$ के सापेक्ष विस्तार गुणांकों ($G$ और $X$) के अनंत कॉलम मैट्रिसेस के रूप में दर्शाया गया है।
• द्वि-आयामी गैर-स्थिर स्थानांतरण फलन (Two-Dimensional Non-Stationary Transfer Function): रैखिक फिल्टर को केवल एक अदिश स्थानांतरण फलन $H(s)$ द्वारा नहीं, बल्कि एक द्वि-आयामी गैर-स्थिर स्थानांतरण फलन मैट्रिक्स $W$ द्वारा वर्णित किया जाता है। यह मैट्रिक्स रैखिक बीजगणितीय ऑपरेशन $X = WG$ के माध्यम से इनपुट स्पेक्ट्रल विशेषता को आउटपुट से जोड़ता है।
• $W$ का व्युत्पन्न (Derivation of $W$): मैट्रिक्स $W$ को मानक स्थानांतरण फलन $H(s)$ (जो ध्रुवों और शून्य द्वारा परिभाषित है) से एक डेरिवेटिव ब्लॉक मैट्रिक्स $P$ में $s$ को मैप करके प्राप्त किया जाता है। इस संबंध को $W = (a_n P^n + \dots + a_0 E)^{-1}(b_m P^m + \dots + b_0 E)$ के रूप में व्यक्त किया गया है, जहाँ $P$ डेरिवेटिव ऑपरेटर का स्पेक्ट्रल प्रतिनिधित्व है और $E$ आइडेंटिटी मैट्रिक्स है।
• आधार चयन (Basis Selection): संख्यात्मक प्रयोगों के लिए, लेखक स्मूथनेस और उच्च सन्निकटन सटीकता सुनिश्चित करने के लिए कोसाइन बेसिस (फूरियर सीरीज़) का उपयोग करते हैं।
• ट्रंकेशन (Truncation): कंप्यूटर कार्यान्वयन के लिए, अनंत मैट्रिसेस और वेक्टर्स को परिमित आकार ($L \times L$) तक ट्रंकेट किया जाता है।
• त्रुटि मेट्रिक्स (Error Metrics): अध्ययन मूल उपयोगी सिग्नल के विरुद्ध फिल्टर्ड आउटपुट (फेज डिले कंपनसेशन के साथ) की तुलना करके प्रदर्शन का मूल्यांकन करता है। त्रुटि की गणना समय अंतराल पर $L^2$ नॉर्म के आधार पर की जाती है। कार्यप्रणाली गैर-आदर्श फिल्टर की अंतर्निहित त्रुटि और स्पेक्ट्रल विधि की ट्रंकेशन से उत्पन्न त्रुटि के बीच अंतर करती है।

प्रमुख योगदान

1. नई मॉडलिंग तकनीक: यह शोध पत्र एक ऐसी पद्धति पेश करता है जो पूरी तरह से स्पेक्ट्रल डोमेन में काम करती है, जिससे समय विविक्तकरण विधियों से जुड़ी एलियासिंग या फ्रीक्वेंसी वार्पिंग के बिना निरंतर-समय आउटपुट प्रतिनिधित्व संभव होता है।
2. विशिष्ट फिल्टर परिवारों पर अनुप्रयोग: लेखक स्पष्ट रूप से निम्नलिखित के लिए द्वि-आयामी गैर-स्थिर स्थानांतरण फलन ($W$) व्युत्पन्न करते हैं:
   • बटरवर्थ फिल्टर: रूट्स ऑफ यूनिटी (roots of unity) से व्युत्पन्न।
   • लिंक्विट्ज़-राइली फिल्टर: दो बटरवर्थ फिल्टर के कैस्केड (वर्ग) के रूप में मॉडल।
   • चेबिशेव टाइप I और टाइप II फिल्टर: चेबिशेव पॉलिनोमिअल्स और जौकोव्स्की ट्रांसफॉर्मेशन का उपयोग करके व्युत्पन्न।
3. बीजगणितीय सूत्रीकरण (Algebraic Formulation): यह कार्य प्रदर्शित करता है कि फिल्टरिंग को विस्तार गुणांकों पर रैखिक बीजगणितीय ऑपरेशनों में बदला जा सकता है, जो निरंतर प्रणालियों की विश्लेषणात्मक कठोरता को संख्यात्मक विधियों की कार्यान्वयन क्षमता के साथ जोड़ता है।

परिणाम
तकनीक का परीक्षण नियतात्मक शोर (deterministic noise - विशिष्ट आवृत्ति घटक) और रैंडम गॉसियन व्हाइट नॉइज़ दोनों का उपयोग करके किया गया।

• नियतात्मक शोर (Deterministic Noise): फिल्टर्ड आउटपुट और उपयोगी सिग्नल के बीच त्रुटि ($E$), ए प्रियोरी एरर (शोर की ऊर्जा स्वयं) की तुलना में काफी कम थी, जो प्रभावी शोर दमन (noise suppression) को प्रदर्शित करती है। परिणामों ने दिखाया कि फिल्टर ऑर्डर बढ़ाने से गुणवत्ता में सुधार हुआ, जबकि ट्रंकेशन ऑर्डर ($L$) को एक निश्चित बिंदु (जैसे $L=128$) से आगे बढ़ाने पर मिलने वाला लाभ कम होने लगा, जो दर्शाता कि स्पेक्ट्रल विधि की त्रुटि फिल्टर की अंतर्निहित सीमाओं की तुलना में नगण्य थी।
• रैंडम शोर (Random Noise): सांख्यिकीय विश्लेषण ($10^4$ वास्तविकताओं पर माध्य और मानक विचलन) ने पुष्टि की कि स्पेक्ट्रल विधि शोर को प्रभावी ढंग से कम करती है। त्रुटि अनुमान ए प्रियोरी शोर ऊर्जा से कम रहे, हालांकि शोर के घटकों के पासबैंड में होने के कारण फिल्टर नियतात्मक शोर की तुलना में कम प्रभावी थे।
• कंप्यूटेशनल जटिलता: लेखक मानक एल्गोरिदम का उपयोग करके स्थानांतरण फलन मैट्रिक्स खोजने की जटिलता को $O(L^3)$ अनुमानित करते हैं, और नोट करते हैं कि फास्ट एल्गोरिदम (जैसे स्ट्रैसन) इसे कम कर सकते हैं।

महत्व और दावे
शोध पत्र दावा करता है कि स्पेक्ट्रल विधि निरंतर समय में फिल्टरों को मॉडल करके एक विशिष्ट लाभ प्रदान करती है, जिससे समय विविक्तकरण के आर्टिफैक्ट्स से बचा जा सकता है। लेखक कहते हैं कि उनकी जानकारी के अनुसार, इस विशिष्ट फिल्टर परिवारों के कंप्यूटर मॉडलिंग के लिए इस स्पेक्ट्रल रूप का पहले कभी उपयोग नहीं किया गया है।

इस कार्य का महत्व इसकी सार्वभौमिकता में निहित है; इस तकनीक को अन्य रैखिक फिल्टरों (जैसे एलिप्टिक, बेसेल, गौसियन और लेजेंड्रे फिल्टर) पर लागू किया जा सकता है जब तक कि उनके स्थानांतरण फलन ज्ञात हों। लेखक इस बात पर जोर देते हैं कि यह विधि विश्लेषणात्मक विधियों (स्मूथनेस, निरंतर समय) के लाभों को संख्यात्मक कार्यान्वयन की सरलता के साथ जोड़ती है। अध्ययन इस निष्कर्ष के साथ समाप्त होता है कि स्पेक्ट्रल विधि की त्रुटि फिल्टर त्रुटि की तुलना में नगण्य है, जो रैखिक प्रणालियों के व्यावहारिक कंप्यूटर मॉडलिंग के लिए इस दृष्टिकोण को वैध बनाती है।