数字信号处理第2章(1、2).pptVIP

2.0 理论基础 一、信号分类:(确定性信号,随机信号) 1、确定性信号:其幅度随时间的变化有规律性. 2、随机信号: 任何时间信号的大小不能预测,不能用一明确的数学关系进行描述； 存在统计规律,可用概率密度函数、概率分布函数、特征函数和数字特征来描述。 二、随机信号的形式 连续随机信号： 时域离散随机信号（随机序列）： 幅值离散随机信号： 离散随机序列（随机数字信号）： 2.2 维纳滤波器的离散形式——时域解 Wiener滤波器的设计实质就是：选择h(n)，使输出y(n)与期望信号d(n)的误差均方值最小，即均方误差最小准则下的最佳滤波器设计。 假设滤波器系统h(n)是一个线性时不变系统， 即(1)线性——设系统对x1(n)的响应是y1(n),对x2(n)的响应是y2(n);y1(n)=T[x1(n)],y2(n)=T[x2(n)];该系统对ax1(n)+bx2(n)的响应是ay1(n)+by2(n). (2)时不变——T[x(n)]=y(n),则T[x(n-k)]=y(n-k) 又假设它的单位脉冲响应和输入信号都是复函数，设： h(n)=a(n)+jb(n), n=0,1,2,… 小结 1、Wiener滤波器的最优设计准则:最小均方误差 2、Wiener-hopf方程 3、最小均方误差： 4、常用模型：FIR 5、正交原理：误差与每个输入量都正交。 　　 (2) 计算输入信号和输出信号的自相关函数矩阵。根据自相关函数、功率谱密度和时间序列信号模型的等价关系，已知时间序列信号模型，就可以求出自相关函数。这里，信号的模型H(z)可以通过计算得到。 这是一个二阶系统，所对应的差分方程为 x(n)+a1x(n-1)+a2x(n-2)=v1(n) 式中，a1=-0.1，a2=-0.8。由于v1(n)、v2(n)的均值为零，因此， x(n)的均值为0。给方程两边同乘以x*(n-m)，并取数学期望，得到 rxx(m)+a1rxx(m-1)+a2rxx (m-2)=0 m＞0 　(1) rxx(0)+ a1rxx(1)+a2rxx(2)=σ21 　m=0　　 (2) 对方程（1）取m=1, 2，得到 rxx(1)+a1rxx(0)+a2rxx(1)=0 (3) rxx(2)+a1rxx(1)+a2rxx(0)=0 　　　(4) 　 方程（2）、（3）、（4）联立求解，得 至此， 输入信号的自相关矩阵Rxx可以写出： 　　v2(n)是一个零均值的白噪声，它的自相关函数矩阵呈对角形， 且 ， 因此，输出信号的自相关Ryy为 　　(3) 计算输出信号与期望信号的互相关函数矩阵。 由于两个信号都是实信号，故 ryd(m)=E［y(n)d(n-m)］=E［y(n)x1(n-m)］ 　　=E［(x(n)+v2(n))x1(n-m)］=E［x(n)x1(n-m)］ m=0, 1 根据图2.2.2系统H2(z)的输入与输出的关系, 有 x1(n)-b1x(n-1)=x(n) 推出 x1(n)=x(n)+b1x(n-1) 这样 ryd(m) =E［x(n)x1(n-m)］=E［x(n)(x(n-m)+b1x(n-1-m))］ =rxx(m)+b1rxx(m-1) 将m=0, m=1代入上式, 得 ryd(0)=rxx(0)+b1rxx(-1)=1-0.9458×0.5=0.5272 ryd(1)=rxx(1)+ b1rxx(0)=0.5-0.9458×1=-0.4458 因此，输出信号与期望信号的互相关Ryd为 　　求出输出信号自相关的逆矩阵, 并乘以Ryd, 就可以得到维纳滤波器的最佳解Wopt: 把Wopt代入（2.2.27）式，可以计算出该维纳滤波达到最佳状态时均方误差，即取得了最小值E［|e(n)|2］min， 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！ 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！ 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！ * 第二章 维纳滤波和卡尔曼滤波 2.1 引 言 一、基本概念 1、信号处理中的问题：如何最大限度地抑制噪声，并将有用信号分离出来。 2、信号处理的目的：就是要得到不受干扰影响的真正信号。 3、处理系统称为滤波器。（只考虑加性噪声的影响，即观测数据x(n)是信号s(n)与噪声v(n)之和）, 即 x(n)=s(n)+v(n) （2.1.1） 图 2.1.1 观测信号的组成 观测信号x(n)是信号s(n)与噪声v(n)之和， 即： x(n