第六章滤波精选.ppt

为什么维纳滤波器比一般线性滤波器性能更好？ 维纳滤波器的应用 例2.1 解： 由题知信号的自相关与噪声的自相关为: 代入维纳－霍夫方程得: 求出: h(0)=0.451，h(1)=0.165 最小均方误差为： 若要进一步减小误差可适当增加滤波器阶数，但计算量会增大。因此，用有限FIR滤波器实现最小方差准则得维纳滤波器并不是有效的方法。 * 是测量引入的白噪声，通过各　　的值估计　　。这类最优估计问题称为卡尔曼滤波。 　　例如：对一个一阶AR模型 　，的输出状态　　进行估计。 　　观测方程是 2.5 卡尔曼(Kalman)滤波 在信号处理，通信和现代控制系统中，需要对一个随机动态系统的状态进行估计，由一个测量装置对系统状态进行测量，通过记录的测量值对状态进行最优估计。 　　卡尔曼滤波用前一个状态的估计值和最近一个观测数据来估计状态变量的当前值。 * 卡尔曼滤波的特点： （1）算法是递推的，时域内设计滤波器，适用于多维随机过程的估计； （2）用递推法计算，不需要知道全部过去的值。用状态方程描述状态变量的动态变化规律，因此，信号可以是平稳的，也可以是非平稳的； （3）误差准则仍为均方误差最小准则。 * ：时间，指第　步迭代时，相应信号的取值 　　假设某系统　时刻的状态变量为