MATLAB辅助现代工程数字信号处理 第二版 教学课件 作者 李益华 第6 10章第9章.pptVIP

第9章 线性预测与自适应滤波 　　　　　　9.1 维 纳 滤 波 器　　若线性系统的单位样本响应为h(n)，当输入一个随机信号x(n) 　　　　　　　　　x(n)=s(n)+υ(n)　　　　　　　　(9.1)式中，s(n)表示信号，υ(n)表示噪声。 则输出y(n)为 　　维纳滤波与卡尔曼滤波都是以最小均方误差准则来解决最佳线性滤波和预测问题的。维纳滤波是根据全部过去的和当前的观察数据来估计信号的当前值，它的解是以均方误差最小条件下所得到的系统传递函数H(z)或单位样本响应h(n)的形式给出的。因此，称维纳滤波系统为最佳线性滤波器。维纳滤波器只适用于平稳随机过程。维纳滤波最初是对连续信号以模拟滤波器的形式出现的，之后才有了离散形式。本章仅讨论维纳滤波的离散形式。 9.1.1 维纳滤波器的时域分析　　设计维纳滤波器的过程就是在最小均方误差下，寻求滤波器的单位样本响应h(n)或传递函数H(z)的表达式的过程，其实质是求解维纳-霍夫(Wiener-Hopf)方程。可将估计 　　假定　　　　　 ，　　　　　分别为x的自相关函数和x与s的互相关函数，若h(n)是一个物理可实现的因果序列，则维纳-霍夫方程为 　　维纳-霍夫方程的矩阵形式为 [φxs]为x与s的互相关矩阵，表示为 MATLAB程序如下:  　%MATLAB PROGRAM 9-1　　clcl; 　　clf; 　　%设置各变量初始值 　　L=500; N=10; 　　a=0.95; 　　row1=L-99: L; row2=1: N; 　　b=sqrt((1-a^2)*3); 　　c=sqrt(3); 　　%产生信号S、噪声V和随机信号X 　　W=unifrnd(－b，b，1，L); 　　S=zeros(1，L); 　　S(1，1)=W(1，1); 　　for i=2: L 　　 S(1，i)=a*S(1，i－1)+W(1，i); 　　end 　　clear i; 　　V=unifrnd(-c，c，1，L); 　　X=zeros(1，L); 　　for i=1: L 　　 X(1，i)=S(1，i)+V(1，i); 　　end 　　clear i; 　　for i=1: 100 　　 S1(1，i)=S(1，L－100+i); 　　end 　　clear i; 　　for i=1: 100 　　 X1(1，i)=X(1，L－100+i); 　　end 　　clear i; 　　%估计X自相关矩阵 　　corXX1=zeros(1，N); 　　for i=0: N－1 　　 for j=1: L－i 　　 corXX1(1，i+1)=X(1，j)*X(1，j+i)+corXX1(1，i+1); 　　 end 　　 corXX1(1，i+1)=corXX1(1，i+1)/(L－i); 　　end 　　clear i; 　　clear j; 　　corXX=zeros(N，N); 　　for i=1: N 　　 for j=1: N 　　 corXX(i，j)=corXX1(1，abs(i－j)+1); 　　 end 　　end 　　clear i; 　　clear j; 　　%估计XS相关向量 　　corXS=zeros(1，N); 　　for i=0: N－1 　　 for j=1: L－i 　　 corXS(1，i+1)=X(1，j)*S(1，j+i)+corXS(1，i+1); 　　 end 　　 corXS(1，i+1)=corXS(1，i+1)/(L－i); 　　end 　　clear i; 　　clear j; 　　corXS=corXS′; 　　%计算两类h(n)并比较差异 　　h1=inv(corXX)*corXS; 　　h2=zeros(1，N); 　　h2(1，1)=0.238; 　　for i=2: N 　　 h2(1，i)=h2(1，i－1)*0.724; 　　end 　　clear i; 　　Eh=0; 　　Eh2=0; 　　for i=1: N 　　 Eh=h1(i，1)－h2(1，i)+Eh; 　　 Eh2=(h1(i，1)－h2(1，i))^2+Eh2; 　　end