新信号分析与处理 第2版 教学课件 赵光宙第6章 第3节 最优线性滤波.pptVIP

第三节 最优线性滤波 如上所述，随机信号的分析与处理是建立在统计意义上进行的，如果要研究混杂在噪声中的随机信号，显然也只能建立在统计意义的基础上。可见，讨论从噪声背景中通过概率统计的方法，获取随机信号的统计特征，可以借用从噪声背景中获取确定性信号相同的概念，即“滤波”来描述，也可理解为波形的估计问题。但与确定性信号滤波的本质区别在于这里的“滤波”不是根据频谱特性实现信号与噪声的分离，而是通过一定的估计算法在一定的判据意义下使估计得到的随机信号特性最接近待估计随机信号的特性。如果估计算法是观测值的线性函数，则称为线性滤波或线性估计，“最优”是指在一定判据的意义下达到最优，通常以最小均方误差作为判据。 考虑如图6-7所示的估计问题，其中观察得到的信号 中既含有随机信号 ，又含有噪声 ，经过处理器后得到估计值为 ，作为对所希望取得的信号 的估计。要求y(t)与 的差值在一定判据意义下最小，估计的任务就是根据以上要求设计出处理器，并求出估计值 。 根据待估计量 的形式，估计问题可以分为三类： 1．滤波问题：由 一段时间的观察值 ( )得出 时刻随机信号 的值，即 2．预测问题：由 一段时间的观察值 ( )，估计出 的某一时刻待估计信号的可能值，即 3．平滑问题：由 一段时间的观察值 ( )，估计 期间内待估计信号的值，即 一、 维纳滤波 维纳滤波首先假设信号和处理器满足以下三个条件： （1） 中待估计的随机信号 和噪声 都是零均值的平稳随机信号，且是相加结合的，即 （2） 处理器的算法为线性运算，如果处理器的脉冲响应 为，即有 （3） 所采用的判据为均方误差最小，即 （一）正交定理 假设 的估计值 是观测值 的线性函数，即 式中 、 为待定常数，这时估计的均方误差为 根据均方误差最小的判据来确定 和 。即令 得 这就是线性估计的正交定理，式中 为估计误差。 正交定理表明，为了使估计的均方误差最小，估计误差与观察值乘积的均值应为零，即这两个随机变量应是正交的。这时估计误差与估计值也正交，这是因为 这里用到线性最小均方误差估计是无偏估计的概念（可参见有关书籍）。由上面讨论，还可以得到在这一估计下均方误差的计算式子 （二）维纳-霍夫积分方程 现在的问题是处理器为（6-112）式决定的线性运 算，根据正交定理（6-115），有 即 时刻的估计误差与 区间所有时刻的观察值正交。上式又可写成 将（6-112）式代入得 即 式（6-118）称为维纳-霍夫积分方程，它给出了线性处理器 应满足的条件。由式中可知，只要相关函数 和 已知，就可由该方程解出 ，进而估计值 和均方误差 也能计算出来： 但是，问题是维纳-霍夫方程是一个积分方程，未必一定能解出解析解，而且即使解出也未必是物理可实现的。因此，下面只对几个具体情况作进一步讨论。 （三）非因果维纳滤波器 滤波问题是用 时刻以前的全部观察值来估计时刻的信号值，即 ，这样，维纳-霍夫积分方程（6-118）式变为 令 ，作变量置换，上式变为 或写为 此时 因为现在考虑非因果情况，可以把观察时间的上限 扩展到+ ，即利用在全时间轴上的信息来进行估计，此时式（6-119）可写为 等式右边是卷积形式，对上式作傅立叶变换得 或 [例6－9] 设一功率谱为 的信号与功率谱为1的白噪声统计独立，试设计维纳滤波器，以得到信号的最优估计。 解： 因为 和 统计独立，则有 由式（6-121），维纳滤波器的频率特性为 求其傅立叶反变换，即可得冲激响应为 对离散时间的情况，维纳-霍夫方程可写为 同样由于考虑非因果情况，上式可写为 因此滤波器的频率特性为 此时的最小均方误差为 （四）因果维纳滤波器 非因果维纳滤波器需要用全部时间轴上的观察值来估计随机信号，所以不能实时地实现，如果限制用最近 的个观察 来估计 ，即处理器运算限制为 由正交定理得 即 令 ，上式变为 写成矩阵形式，即为 式中，