原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
课程总结
时域离散随机信号的分析
所谓随机信号是指信号随时间的变化没有明确的变化规律，在任何时间的信号大小不能预测，不可能用一明确的数学关系进行描述。但这类信号存在着一定的统计分布规律，它可以用概率密度函数
实际中的随机信号常有四种形式：
（1）连续随机信号，是时间变量和幅度均取连续值的随机信号。
（2）时域离散随机信号，简称随机序列，是时间变量取离散值，而幅度取连续值的随机信号。
（3）幅度离散随机信号，是幅度取离散值，而时间变量取连续值得随机信号。
（4）离散随机序列也简称随机数字信号，幅度和时间变量均取离散值的信号。
对一个随机序列进行描述，通常是通过计算较容易得到的数字特征，如数学期望，方差和相关函数等。
(1-1)
随机序列的均方值定义为：
(1-2)
随机序列的方差定义为：
(1-3)
随机序列本身或者不同随机序列之间，存在着关联性，用自相关和互相关函数进行描述。
自相关函数定义为：
(1-4)
自协方差函数定义为：
(1-5)
不同的随机序列之间，使用互相关函数和互协方差函数描述。
互相关函数的定义为：
(1-6)
互协方差函数定义为：
(1-7)
随机序列又可分为严平稳随机序列和宽平稳随机序列。
宽平稳：
在研究与分析问题中经常会遇到的几种随机序列有正态(高斯)随机序列、白噪声序列和谐波过程。
随机序列的数字特征的估计采用估计准则来判定，估计标准有三种即偏移性、估计量的方差和一致性。
一个线性非时变系统如果输入是平稳随机序列，则输出也是平稳随机序列。
对一个随机序列进行研究，主要采用自相关函数和功率谱密度函数。但也可以用时间序列信号模型法。
1）滑动平均模型（MA）
(1-8)
2）自回归模型（RA）
(1-9)
3）自回归—滑动平均模型（ARMA）
(1-10)
自相关函数、功率谱与时间序列信号模型是对平稳随机序列的三种不同方式的描述，它们从不同方面说明了信号的统计特性。
维纳滤波和卡尔曼滤波
维纳滤波与卡尔曼滤波是用来解决从噪声中提取信号的过滤或预测问题，并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佳准则。
维纳滤波时域求解的方法
滤波器的输出为与y(n)，
(2-1)
设期望信号为d（n），误差信号e（n）及其均方值分别为
(2-2)
要使均方差为最小，必须满足
(2-3)
均方误差达到最小值的充要条件是误差信号与任一进入估计的输入信号正交，即正交原理。这是一个判断线性滤波系统是否工作于最佳状态的数学方法。
(2-4)
输出信号与误差信号的互相关函数
(2-5)
假定滤波器工作与最佳状态，滤波器的输出与期望信号的误差为，则
(2-6)
对于一个因果系统，不能直接转入频域求解，因为输入信号与期望信号的互相关序列是一个因果序列，将因果维纳滤波器的求解问题转化为非因果问题，求解方法将大大简化。
非因果的维纳滤波器的复频域最佳解得一般表达式为：
(2-7)
非相关因果维纳滤波器的复频域最佳解和频率响应分别为：
(2-8)
因果维纳滤波器的复频域最佳解为
(2-9)
因果维纳滤波器设计的一般方法步骤：
(1) 根据观测信号x(n)的功率谱求出它所对应的信号模型的传输函数，即采用谱分解的方法得到B(z)。具体方法为Sxx(z)=σ2ωB(z)B(z-1)，把单位圆内的零极点分配给B(z)，单位圆外的零极点分配给B(z-1)，系数分配给σ2ω。
(2)求的Z反变换，取其因果部分再做Z变换，即舍掉单位圆外的极点，得 。
(z), E［|e(n)|2］min。
维纳滤波还可以运用维纳-霍夫方程在已知期望信号和观测数据的互相关函数及观测数据的自相关函数，通过矩阵求逆运算，得到维纳滤波器的最佳解，还可以运用维纳滤波进行预测，在预测的过程中，期望的输出信号与实际的输出信号之间有误差，利用维纳滤波最佳解得到互相关函数的傅里叶变换，在进一步计算得到预测误差均方值最小，就可以达到预测的目的。
卡尔曼的状态方程和量测方程为：
（2-10）
不考虑观测噪声和输入信号时，状态方程和量测方程为：
(2-11)
为提高状态估计的质量，用输出信号的估计误差来校正状态变量
(2-12)
为增益矩阵，实质是一加权矩阵。
(2-13)
卡尔曼滤波的关键就是要得到Pk与Hk的关系式，即通过选择合适的Hk
文档评论（0）