信号处理第六章.docVIP

第六章 格型滤波器 §6.1 引言 第五章已介绍了来自Levinson-Durbin递归的反射系数如何用于(全极点模型的逆滤波器)的格型结构实现，该结构有若干重要的特性，包括模块性、对参数量化效应不敏感、测试是否最小相位很简单等，因此格型滤波器已用于很多重要的信号处理应用中，既有信号分析，也有信号综合。本章我们再次讨论格型滤波器结构，导出一些其它的格型滤波器结构形式，并将它们用于信号建模。 本章首先在6.2节导出FIR格型滤波器结构，利用了格型滤波器与前向和反向线性预测问题之间的关系。然后在6.3节介绍分基格型滤波器，它是基于奇异预测器多项式和分基Levinson递归。6.4节介绍全极点格型滤波器、全通格型滤波器以及极-零点格型滤波器。然后在6.5节介绍格型滤波器在全极点建模中的应用。我们利用反射系数的序贯估计导出了三种方法，即前向协方差法、后向协方差法以及Burg法。还给出一种非序贯方法，称为改进协方差法。最后在6.6节介绍如何将信号建模的格型方法用于随机信号的建模。 §6.2 FIR滤波器 为导出FIR格型滤波器的结构，我们也象§5.2.2节那样，先考虑全极点信号建模问题。因此，设信号要被建模为如下全极点滤波器的单位采样响应： ＝ 参看§4.4.3节，用Prony法建模时是设计的系数使如下的平方误差最小： ＝ 其中， ＝＝+ 而。通过使最小化求得的系数将使得与其估计值(或预测值)之间的差值最小，而估计值为： ＝－ 它是取过去的p个值的线性组合而形成，称为的前向预测子，且 ＝－ 称为p阶前向预测误差。为了区别前向预测误差和后向预测误差(后面要介绍)，我们采用如下的符号表示： (6.1) 另外，我们将用来表示的平方和： (6.2) 由式(6.1)可写出Z域所表示的p阶前向预测误差： (6.3) 其中， ＝1＋ (6.4) 因此，是将通过FIR滤波器滤波而产生，就称为前向预测误差滤波器。和之间的关系如图6.1a。 图6.1 (a)前向预测误差的产生 (b)后向预测误差的产生 在4.4.3节已看到，前向预测误差滤波器的系数是如下正则方程的解： (6.5) 其中是哈密顿Toeplitz自相关阵。第５章中已看到，这些方程可用Levinson-Durbin递归算法来求解。因此，阶预测误差滤波器的系数和阶预测误差滤波器系数之间的关系可由式(5.16)的阶递归方程来表示，这里重写如下： ＝＋ (6.6) 若采用Z域表示，则得预测误差滤波器和的关系为： ＝＋[ ] (6.7) 式(6.7)两边乘，并利用式(6.3)的定义，则得和之间的关系： ＝＋ (6.8) 其中定义为： ＝ (6.9) 若象第五章中那样引入定义＝，则可以写为： (6.10) 对式(6.8)的两边取逆Z变换，则得时间域的递归式为： (6.11) 它描述了与和之间的关系。 信号可通过对式(6.9)两端取逆Z变换而获得，为： ＝＋ (6.12) 和前向预测误差一样，可以表示为与其估计(或预测)值的差值，而是由个信号值，，…，的线性组合而形成，即有： ＝－ 而 ＝－ 对这一解释，我们感兴趣的是，若使的如下平方和最小化： ＝ 就发现使最小化的系数与使最小化的系数相同，因此该系数也可通过求解式(6.5)的正则方程来获得。这样，就称为阶后向预测误差，就称为后向预测误差滤波器。和之间的关系如图6.1b所示。 式(6.11)给出了用阶的前向和后向预测误差表示阶前向预测误差的式子，类似地可导出有关后向预测误差的递归公式。即对式(6.6)两端取复数共轭，并用代替，可得： ＝＋ (6.13) 将上式变成Z域的表示，可得： ＝＋ (6.14) 上式两端乘以，并利用和的定义式(6.3)和(6.9)，最后得： ＝＋ (6.15) 再两边取逆Z变换就得所需的递归式：