现代信号处理0要点.pptVIP

第四章 自适应信号处理 郑宝玉 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格型滤波器 格型自适应滤波原理 自适应格-梯型滤波器 预备知识 算法原理 自适应格-梯型滤波器 预备知识 自适应格-梯型滤波器 预备知识 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 算法原理 自适应格-梯型滤波器 RLS格-梯型算法(先验形式) 自适应格-梯型滤波器 RLS格-梯型算法(先验形式) 基本方程 3)代价函数（预测误差加权平方和） a)对于于前向预测： b)对于后向预测： c)对于联合估计： 基本方程 4)最小代价函数 对于前向预测： 对于后向预测： 基本方程 5)W-H方程与Wiener解 a)对于前向预测： b)对于后向预测： c)对于联合估计： 基本方程 6)联合方程（联合最小代价函数和W-H方程） 对于前向预测： 对于后向预测： 基本方程 7) 自相关矩阵 对于前向预测： 对于后向预测： 基本方程 8)互相关向量 a)对于前向预测： b)对于后向预测： c)对于联合估计： 基本方程 9) 期望响应加权平方和 对于后向预测： 对于前向预测： 基本方程 10) Kalman增益向量 阶更新方程 11)相关矩阵逆矩阵 对于前向预测： 对于后向预测： 阶更新方程 12)预测系数向量 后向预测： 联合估计： 前向预测: 阶更新方程 13)最小代价函数 对于前向预测： 对于后向预测： 阶更新方程 14) 误差函数 a)对于前向预测： b)对于后向预测： c)对于联合估计： 其中 其中 其中 时间更新方程 15)预测系数向量 对于前向预测： 对于后向预测： 时间更新方程－ km(n)的更新方程 考虑 其中 由此导出 定义 则有 其中 时间更新方程－ 的更新方程 其中 因为 由此可导出 的阶更新方程 Kalman增益向量可以写为 由上式及(16-17)得 Kalman增益向量还可写为 再注意到 由(22)-(24)得 输出估计 由(2c)和(14c) 可见，系统的输出估计值是后向残差的加权和。 归纳上述，即得如下RLS格-梯型算法。 其中系统的输出估计值为 格型预测器:从n=0出发, 对m=0,1,…,M-1, 计算阶更新 * * 内 容 最优滤波理论与Wiener滤波器 梯度下降算法 横向LMS自适应滤波器 横向RLS自适应滤波器 Kalman滤波器 自适应格型滤波器 自适应格-梯型滤波器 无限脉冲响应自适应滤波器 盲自适应滤波器 自适应滤波器的应用 Kalman滤波器 状态空间方程 Kalman滤波器（续） 假设： 线性状态模型、高斯噪声 Kalman滤波器（续） 已知： Kalman滤波器（续） 三个基本概念 Kalman滤波器（续） 新息 称 为 的新息过程向量 Kalman滤波器（续） 估计 状态向量估计误差： 相关矩阵： 校正项 Kalman滤波器（续） 例： 是一个时不变的标量随机变量， 为观测数据，其中 为白噪声。现用Kalman滤波器自适应估计 ，即考虑设计Kalman滤波器的问题。 设计过程：(1)构造状态空间方程；(2)设计 的更新公式 Kalman滤波器（续） LMS、RLS、Kalman算法比较