维纳滤波器要点分析.pptVIP

例：对上例的 ，求对 最优估计的IIR 维纳滤波器。 解： 白化滤波器输入、出关系 可求出： 及 又因为： 求出： 对应左边序列 对应右边序列 因此： 最后： 及 15.5 非因果维纳滤波器 一个LSI系统应该是稳定的、因果的，因果性是系统实时实现的要求，即系统当前时刻的输出只能取决于当前时刻和过去时刻的输入，而和将来时刻的输入无关。非因果系统又称为非物理可实现系统。但是，在非实时实现的情况下，即当输入数据已采集完毕（又称“block data”），非因果系统仍然是可利用的。 令： 非因果 记为 可得： 例：对上例的 ，求对 最优估计的非 因果维纳滤波器。 解： 前面求出 所以： 非因果 上述三个例子的总结 FIR： IIR： 非因果： 对上述结果如何解释？ 15.6 有关MATLAB文件 b = firwiener(M-1,x,d) 设计FIR维纳滤波器 例 令真正的信号 是一正弦信号，输入信号 由白噪声通过一个MA模型再加上 所构成。令期望信号 就等于 。对 维纳滤波的结果如图所示。 含有噪声 二者很接近 FIR维纳滤波器的 第15章 维纳滤波器 15.1 前言 15.2 平稳信号的最小均方滤波 15.3 FIR 维纳滤波器 15.4 IIR 维纳滤波器 15.5 非因果维纳滤波器 经典滤波器： 信号和噪声的频谱在频率轴上可以分开，利用低通、高通、带通、带阻或多通带滤波器可以实现信号和噪声的分离，去噪。理论基础：LSI系统的输入输出关系。 15.1 前言 去噪是信号处理中永恒的话题！信号处理的一个重要任务就是去处所采集到的信号中的噪声，提取出信号或信号的特征。 去噪的基本方法是滤波。 现代滤波器： 针对：噪声和信号的频谱不能分开； 非平稳随机信号，时变。 方法： 利用信号和噪声的统计特性，从噪信 号中“估计”出信号，或信号特征。 滤波器类型： 维纳（Wiener）滤波器； 卡尔曼（Kalman） 滤波器； 线性预测器； 自适应滤波器 15.2 平稳信号的最小均方滤波 噪声中信号的估计 输入信号模型 输入信号中的噪声 期望信号 输出信号 真实信号 误差信号 的选择： 尽可能的接近于真实信号 几种情况 （1）如果 ， 滤波问题； （2）如果 ，纯预测问题； （3）如果 ，预测问题。 （4）如果 ，平滑问题； ：表示一段时间 一步预测 0 预测 滤波 平滑 令： 于是： 令： 目标函数： 均方误差 得： ：维纳滤波器，或“维纳解” Wiener-Hopf方程 FIR维纳滤波器； IIR维纳滤波器； 非因果维纳滤波器。 由上式 可得到： 15.3 FIR维纳滤波器 令： 则： 例： ， 是一阶AR 模型 的输出： ：白噪声， ：白噪声， 设计一长度等于２的维纳滤波器估计 。 解： 平稳信号通过线性系统关系 令所希望的输出 ： 代入 得： 例　研究用维纳滤波器对语音信号去噪 语音是宽带信号，频谱在20Hz～8KHz之间，噪声也是宽带信号，它们的频谱在频率轴上往往是重叠的，经典滤波器很难将二者分开，无法达到去噪的目的。语音信号又是非平稳的，其频谱是随时间变化的，经典滤波器对非平稳信号无法取得满意结果。现使用维纳滤