维纳滤波和卡尔曼滤波_1教案分析.pptVIP

├ ??(??)为分析信号， x(n)为观测信号 s(n)为实际信号 滤波的目的就是通过观测信号和分析信号，获取真实信号 * 复数期望等于0，那么实部为0，虚部为0； A的共轭乘以b，与 a乘以b的共轭，实部相等，虚部相反。 因此，若a的共轭乘以b的期望为0，表明虚部的期望为0，那么a乘以b的共轭的期望也为0。 * 第二章 维纳滤波和卡尔曼滤波 2.1 引言 2.2 离散维纳滤波器的时域解 2.3 离散维纳滤波器的z域解 2.4 维纳预测 2.5 卡尔曼(Kalman)滤波 2.1 引 言 最优滤波 维纳滤波和卡尔曼滤波简介 本章讨论的主要内容 1、最优滤波 信号处理的目的是从噪声中提取信号，得到不受干扰影响的真正信号。采用的处理系统称为滤波器。 滤波器的分类： 线性滤波器、非线性滤波器； FIR滤波器、IIR滤波器； 时域滤波器、频域滤波器； 图 2.1.1 信号处理的一般模型 x(n)=s(n)+v(n) 最优准则： 最大输出信噪比准则－匹配滤波器 最小均方误差准则 误差绝对值的期望值最小 误差绝对值的三次或高次幂的期望值最小 x(n)=s(n)+v(n) Wiener滤波器的一般结构 3、维纳滤波和卡尔曼滤波简介 维纳(Wiener)滤波与卡尔曼(Kalman)滤波以估计的结果与信号真值之间的误差的均方值最小作为最优准则。 假设信号的真值与估计值间的误差为： 均方误差最小即误差的平方的统计平均值最小： 最小 4、本章讨论的主要内容 主要内容：维纳滤波器（FIR维纳滤波器和IIR维纳滤波器）、维纳预测器、卡尔曼滤波。 分析思路：在均方误差最小的前提下，求得系统的单位脉冲响应h(n)或传递函数H(z)，进而计算滤波器的最小均方误差 2.2 离散维纳滤波器的时域解 本节要解决的主要问题及方法 正交性原理 维纳—霍夫方程 FIR维纳滤波器的时域解 1、本节要解决的主要问题及方法 要解决的问题：寻求在均方误差最小情况下的单位脉冲响应h(n)或传递函数H(z)的表达式，这一过程称为设计维纳滤波器的过程。 解决方法：实质是求解维纳－霍夫(Wiener-Hopf)方程，即 本节讨论维纳滤波器的时域求解方法，即在时域求最小均方误差下的 。 2、 维纳滤波器时域求解的方法 因果维纳滤波器的输出y(n) ： n=0,1, 2, … 设期望信号为d(n)，误差信号e(n)及其均方值E［|e(n)|2］分别为 e(n)=d(n)-y(n)=s(n)-y(n) k=0, 1, 2, … 记梯度算子为 k=0, 1, 2, … 要使均方误差为最小，须满足 上式展开为 又 将上述4式代入得 分析：上式说明，若使滤波器的均方误差达到最小，则误差信号与输入信号正交，这就是通常所说的正交性原理。 正交性原理：  正交性原理的重要意义：提供了一个数学方法，用以判断线性滤波系统是否工作于最佳状态。 正交性原理的引理：最佳状态时，由滤波器输出定义的期望响应的估计yopt(n)与估计误差eopt(n)正交： 3、 维纳—霍夫方程 将输入信号分配进去， 得到 k=0, 1, 2, … 维纳-霍夫（Wiener－Hopf）方程： k=0, 1, 2, … 4、FIR维纳滤波器的时域解 FIR维纳滤波器的维纳-霍夫方程 当h(n)是一个长度为M的因果序列时，FIR维纳滤波器的维纳-霍夫方程表述为 k=0, 1, 2, …,M-1 (2.2.21) 把k的取值代入 ( 2.2.21)式， 得到 当k=0时，h0rxx(0)+h1rxx(-1)+…+hM-1rxx(-M+1)=rxd (0) 当k=1时，h0rxx(1)+ h1rxx(0)+…+ hM-1rxx(-M+2)= rxd (1) 当k=M-1时，h0rxx(M-1)+ h1rxx (M-2)+…+hM-1rxx(0)= rxd (M-1) … (2.2.22) 定义 （2.2.22）式可以写成矩阵形式， 即 对上式求逆，得到 这里涉及到计算相关矩阵和逆矩阵，计算量可能较大。 FIR维纳滤波器的估计误差的均方值 假定所研究的信号都是零均值的，滤波器为FIR型，长度等于M， 结论：在所有N阶FIR滤波器中，最优滤波器的均方误差值是最小的，从这个意义上说，它是最优的。其阶数越高，采用的已知信息就越多，它的最小均方误差就越小，但相应的计算量也越大。 最优滤波器与非最优滤波器相比，其优势在于能对滤波的质量做出评价。 例： 假设有一实的广义平稳随机信号s(n)的自相关函数（序列）为 ,且伴随有实的噪声w(