数字信号处理第3章分析报告.ppt

设定 ,ef(n|n)表示利用n时刻的前向线性预测滤波器fM(n)，预测得到的前向预测误差， 前面已经得到 (3.4.114) 定义ef(n|n-1)为利用n-1时刻的前向线性预测滤波器fM(n-1)， 预测得到的前向预测误差， 则 (3.4.165) 将(3.4.164)式和(3.4.165)式代入(3.4.114)式， 得到 整理上式，得到 (3.4.166) 利用(3.4.128b)式，可以将(3.4.166)式写成 (3.4.167) 最后看前向预测误差能量ξf(n)的更新，取z=y=x(n), U=X1,M(n)， u=π(n)，则根据(3.4.115)式及z, y, u, U的取值，并将(3.4.74)式代入，并应用(3.4.167)式的结论，得到 (3.4.168) 因此，由(3.4.164)、(3.4.167)式和(3.4.168)式，得到了所需要的前向预测误差参量的更新公式。 4) 后向线性预测滤波器bM(n)的更新 根据后向线性预测滤波器bM(n)的表达式，取U=X0,M-1(n), u=π(n), KUu(n)=K0,M-1,π(n)，计算KUu(n)，并用向量z-Mx(n)右乘KUu(n)，得到 (3.4.169) 根据后向预测误差的定义(3.4.116)式， 在后向线性预测滤波器bM(n)的更新公式(3.4.169)两边左乘xMT (n)，得到 (3.4.170) 并利用角参量的定义式(3.4.128b)，得到 (3.4.171) 将(3.4.171)式代入(3.4.169)式，得到 (3.4.172) 最后，看后向预测误差能量的更新，根据后向预测误差能量的表达式(3.4.119)，取z=y=z-Mx(n)，U=X0,M-1(n), u=π(n)， 与(3.4.168)式的推导类似，可以得出 (3.4.173) 将(3.4.171)式代入(3.4.173)式，则 (3.4.174) 4. 角度参数γM(n)的更新 角参量的更新γM(n)与增益滤波器gM(n)的更新方法相同，分两步得到递推公式，第一步由γM(n-1)到γM+1(n)的更新，第二步由γM+1(n)到γM(n)的更新。 首先，将增益滤波器gM(n)的更新公式(3.4.155)代入〈xM+1(n), gM+1(n)〉的计算中，这里xM+1(n)=［x(n), x(n-1), …, x(n-M)］T， 对xM+1(n)进行分块，xM+1(n)=［x(n), x(n)T］, 且 根据内积运算满足结合律， 上式可以写为 将(3.4.114)式代入上式， 得 (3.4.175) 将上式代入(3.4.128b)式， 得到 (3.4.176) 由(3.4.168)式得到 (3.4.177) 由(3.4.176)式和(3.4.177)式消去ef(n|n)，得到 (3.4.178) 由(3.4.178)式得到了γM+1(n)与γM(n-1)的递推关系，而我们需要的是γM(n)与γM(n-1)的递推关系，因此，在第二步递推中，将数据向量xM+1(n)分块成 ,这里，xM(n)=［x(n), x(n-1), …, x(n-M+1)］T, 再采用相同的方法计算〈x M+1(n), gM+1(n)〉，得到 (3.4.179) 代入(3.4.173)式，得到 (3.4.180) 因此，根据前向预测误差能量ξf(n)和γM(n-1)，应用(3.4.178)式，得到γM+1(n); 根据后向预测误差能量ξb(n)和γM+1(n)，应用(3.4.180)式，得到γM(n)。 也可以采用另外一种方法，不需要计算n时刻的ξb(n)值，用(3.4.174)式除以ξb(n)，再求倒数，代入(3.4.158)式， 得到 将上式代入(3.4.180)式 (3.4.181) 至此，我们把FTF算法中的所有参量的更新公式都得到了，整个算法称为基本FTF算法，还有许多其他改进的FTF算法。 5.快速横向滤波器的算法 初始化： bM(0)=fM(0)=wM(0)=gM(0)=0 γM(0)=1.0; ξb(0)=ξf(0)=δ 其中，δ为很小的正数。 对n=1, 2, …, 按下面的顺序计算： (3.4.165) (3.4.167) (3.4.168) (3.4.164) (3.4.178) (3.4.155) (3.4.116b) (3.4.181