Chapter 5-维纳滤波.pptVIP

回顾 * 1、滤波器的目的？ 信号和干扰以及随机噪声同时输入滤波器时，在输出端能将信号的尽可能精确的还原出来。 2、维纳滤波器的输入与输出的关系？ */31 * 回顾 3、平滑（内插）、滤波、预测的概念？ 平滑 滤波 预测 */31 * 回顾 4、判断维纳滤波器的类型 有限脉冲维纳-霍夫方程 因果维纳-霍夫方程 信号与噪声不相关的有限脉冲维纳-霍夫方程 Yule-Walker方程 */31 * 回顾 5、将【例5-5】中的p=3，实现一步线性预测器，并求最小均方误差。 */31 5.4 维纳滤波器的应用…… * 应用例子1：维纳滤波方法提取脑电诱发电位 维纳滤波器的传递函数： 两信号的相干函数： 前i次观测信号的功率谱密度和前i-1次的关系修正如下： 噪声修正如下： 相干函数加权构造的维纳滤波器： */31 5.4 维纳滤波器的应用…… * 应用例子2：时-频平面维纳滤波在高分辨心电图的应用 对每次观测用短时傅立叶变换求时频表示（TFR）： 对N次观测的时频表示（TFR）求平均： 样本平均为： 样本平均的时频表示（TFR）为： */31 5.4 维纳滤波器的应用…… * 得到一个基于样本平均的简单时－频平面后验维纳滤波器： 分别对 和 修正： */31 5.4 维纳滤波器的应用…… * 流程图如下： */31 5.4 维纳滤波器的应用 * 结果如下： （a）原信号是两个正弦波，观测信号混有白噪声 测量的单个样本 样本平均 TFPW滤波 原始信号 （b）原信号是线性调频信号，观测信号混有白噪声 测量的单个样本 样本平均 TFPW滤波 原始信号 */31 本章小结 * 1、掌握：维纳滤波的数学模型； 2、熟悉：维纳滤波器的时域解； 3、了解：维纳预测器和维纳滤波的应用。 */31 本章习题 * 1、总结和归纳维纳滤波器。 */31 * 下集预告 第六章 卡尔曼滤波 */31 实验三详解…… * clear all np = 0:99; % p = sin(pi/5*np); % 正弦 % p = exp(-0.06*np); % 指数衰减 % p = sin(pi/5*np).*exp(-0.06*np); % 指数衰减正弦 p = ones(size(np)); % 方波 figure; subplot(2,2,1); plot(np,p); n = 0:1000; w = randn(size(n)); s = zeros(size(n)); A = 3; % 衰减系数 s(100:199) = s(100:199)+A*p; s(500:599) = s(500:599)+A/3*p; s(800:899) = s(800:899)+A/3/3*p; x = s+w; figure; subplot(3,1,1); plot(n,w); title(Noise); subplot(3,1,2); plot(n,s); title(Signal); subplot(3,1,3); plot(n,x); title(Signal with Noise); p = [p,zeros(1,length(x)-length(p))]; % 如果要求归一化相关系数（相干系数），两个序列要同样长 Rpw = xcorr(w,p,coeff); Rps = xcorr(s,p,coeff); Rpx = xcorr(x,p,coeff); n2 = (n(1)-n(end)):(n(end)-n(1)); figure; subplot(3,1,1); plot(n2,Rpw); title(Rpw of p(n) and w(n));title(Rpw of p(n) and w(n)); subplot(3,1,2); plot(n2,Rps); title(Rps of p(n) and s(n));title(Rps of p(n) and s(n)); subplot(3,1,3); plot(n2,Rpx); title(Rpx of p(n) and x(n));title(Rpx of p(n) and x(n)); 源程序： */31 实验三详解…… * 1、模板为方波信号，A=3，噪声均值为0，方差为1 */31 实验三详解…… * 2、模板为正弦信号，A=3，噪声均值为0，方差为1 */31 实验三详解…… * 3、模板为指数衰减信号，A=3，噪声均值为0，方差为1 */31 实验三详解…… * 4、模板为指数衰减正弦信号，A=3，噪声均值为0，方差为1 */31 实验三详解…… * 5、只改变模板信号的形状，A=3，噪声均值为0，方差为1 方波 正弦