第10章平稳随机过程3估计理论.ppt

§5 信号估计问题 波形估计通常分为滤波、平滑、预测三种基本估计。 ? 滤波： 根据当前和过去的观测值{z(k),k= n0, n0+1,...,n}对信号s(n)进行估计(Filtering)； ?预测: 根据当前和过去的观测值{z(k),k= n0, n0+1,...,nf}对未来时刻n(nnf)的信号s(n)进行估计，预测也称为外推；(Prediction) ?根据某一区间的观测数据{z(k),k= n0,n0+1,...,nf}对区间内的某一个时刻n(n0nnf)的信号进行估计，内插也称为平滑。(Smoothing)。 2、维纳滤波 线性最小均方估计是观测的线性函数，它可以看作为观测序列通过离散时间线性系统，即 Wiener-Hopf方程 滤波器系数的选择： 正交原理 假定信号和观测过程是平稳随机序列，并且是联合平稳随机序列，系统为因果的线性时不变离散时间线性系统 维纳滤波器 信号s(n)与观测噪声统计独立时，维纳滤波器为： 观测为白噪声时，维纳滤波器为： 维纳滤波和卡尔曼滤波是实现从噪声中提取信号，完成信号波形估计的两种线性最佳估计方法。 维纳滤波需要设计维纳滤波器，它的求解要求知道随机信号的统计特性，即相关函数或功率谱密度。当信号的功率谱为有理谱时，采用谱分解的方法求解滤波器的系统函数，简单易行，物理概念清楚，具有一定的工程实用价值，但当功率谱变化时，却不能进行实时处理。维纳滤波的限制是：它仅实用于一维平稳随机信号。 20世纪50年代，为了解决多输入、多输出非平稳随机信号的估计问题，卡尔曼于60年采用状态方程和观测方程描述系统的信号模型，提出离散状态估计的一组递推公式，即卡尔曼滤波器公式。由于卡尔曼滤波采用的递推算法非常适合计算机处理，广泛应用于许多领域。 下面我们通过几个典型的应用来说明这两个问题。 雷达系统：雷达发射一个电磁脉冲（通常是一串脉冲信号），当遇到目标后会产生回波信号，这个回波信号被雷达接收机接收到，由于周围环境会有一些杂波影响，以及接收机内部也会有噪声，接收机进入信号处理器的信号是回波信号、杂波和噪声混在一起的混合波形，下图给出了发射信号、有目标和没有目标时接收的波形。 这里存在两个问题，其一是如何根据接收波形判断目标是否存在，由于回波信号淹没在噪声中，因此，这是一个噪声中检测信号的问题。其二，检测到信号后，如何确定目标的位置，目标的距离由回波的延迟时间确定，确定回波的延迟时间，就可以确定目标的距离，延迟时间的确定是一个参数估计问题。信号检测与参数估计是我们本课程后面需要学习的内容。由于信号检测与参数估计都是在噪声环境下进行，信号也可能是随机信号，因此，要最佳地检测信号，并估计信号的参数，需要详细地分析和了解信号和噪声的统计特性，只有充分地了解信号和噪声的统计特性，找出它们之间的差异，才能取得最佳的处理效果。 还有很多这样的应用问题，可以把这些问题简单归纳一下？ 图象处理----使用红外检测是否有飞机出现 图象分析----根据照相机的图象估计目标的位置和方向，用机器人抓目标时是必须的 生物医学----估计胎儿的心率 控制----估计汽艇的位置，以便采用正确的导航行为，如Loran系统 地震学----检测地下是否有油田，并根据油层和岩层的密度，根据声反射来估计油田的地下距离。 前面几章我们学习了随机过程的基本概念、基本分析方法，以及随机过程通过系统的分析，这些基本方法是统计信号处理的理论基础，统计信号处理的根本任务是要提取有用的信息，有用信息是通过检测、估计、滤波的方法对信号进行处理后提取出来的，所以, 检测、估计、滤波的统计信号处理方法是信号处理技术的理论基础，它的应用领域十分广泛， * 信号处理的根本任务是要提取有用的信息，有用信息是通过检测、估计的方法对信号进行处理后提取出来的，所以、检测、估计的信号处理方法是信号处理技术的理论基础，它的应用领域十分广泛。 声纳系统----利用声波信号确定船只的位置 图象处理----使用红外检测是否有飞机出现 图象分析----根据照相机的图象估计目标的位置和方向，用机器人抓目标时是必须的 生物医学----估计胎儿的心率 控制----估计汽艇的位置，以便采用正确的导航行为，如Loran系统 地震学----检测地下是否有油田，并根据油层和岩层的密度，根据声反射来估计油田的地下距离。 所有这些问题都有一个共同的特点，那就是从含有噪声的数据集中去提取我们所需要的有用信息，这些有用信息可能是“目标出现与否”、“数字源发射的是0还是1”或者“目标的距离”、“目标的方位”，或”目标的速度”等，由于噪声固有的随机性，因此，有用信息的提取