Chapter+2中国科学院大学现代数字信号处理课程课件.pptx

第二章 维纳滤波和卡尔曼滤波 引言 维纳滤波 维纳预测 卡尔曼(Kalman)滤波 2.1 引 言最优滤波维纳滤波和卡尔曼滤波简介1、最优滤波滤波：从噪声中提取信号，得到不受干扰影响的真正信号。滤波器的分类：线性滤波器、非线性滤波器；FIR滤波器、IIR滤波器；时域滤波器、频域滤波器；x(n)=s(n)+v(n) 滤波：用当前的和过去的观测值来估计当前的信号预测：用过去的观测值来估计当前的或将来的信号最优准则：最大输出信噪比准则－匹配滤波器最小均方误差准则误差绝对值的期望值最小 误差绝对值的三次或高次幂的期望值最小维纳滤波：20世纪30年代开始，由于二战的军事需要，为了解决火力控制系统精确跟踪问题, 维纳相继提出了平稳随机过程的最优线性滤波理论，首次将数理统计知识和线性系统理论联系起来, 形成了对随机信号作平滑, 滤波和预测的最新估计理论。卡尔曼滤波：20世纪60年代后，匈牙利数学家卡尔曼提出用一个状态方程和一个测量方程来完整描叙一个线性动态系统的滤波方法。采用状态方程和递推方法进行估计，大大减少了数据的存储量和计算量，适合非平稳过程，时变的动态系统。Wiener滤波器的一般结构 FIR维纳滤波器： h(0),h(1),…,h(M-1);因果IIR维纳滤波器：H(z)2.2 维纳滤波正交性原理维纳—霍夫方程FIR维纳滤波器的时域解IIR维纳滤波器的Z域解1、 正交性原理 因果维纳滤波器的输出y(n) ：n=0,1, 2, …设期望信号为s(n)，则误差信号e(n)及其均方值E［|e(n)|2］分别为 e(n)=s(n)-y(n) k=0, 1, 2, … k=0, 1, 2, … 要使均方误差为最小，须满足 记梯度算子为 正交性原理： 分析：上式说明，若使滤波器的均方误差达到最小，则误差信号与输入信号正交，这就是通常所说的正交性原理。正交性原理的引理最佳状态时，由滤波器输出定义的期望响应的估计yopt(n)与估计误差eopt(n)正交2、 维纳—霍夫方程 维纳-霍夫（Wiener－Hopf）方程：k=0, 1, 2, … 3、FIR维纳滤波器的时域解 FIR维纳滤波器的维纳-霍夫方程： 当h(n)是一个长度为M的因果序列时，FIR维纳滤波器的维纳-霍夫方程表述为 k=0, 1, 2, …,M-1 定义 写成矩阵形式， 即 对上式求逆，得到FIR维纳滤波器： 存在问题：涉及到计算相关矩阵和逆矩阵，计算量可能较大。在设计过程中如果试图以增大h(n)的长度M来提高逼近精度时，还要在新的N情况下重新计算。FIR维纳滤波器的最小均方误差 ?4、IIR维纳滤波器的Z域解 对于因果IIR维纳滤波器，其维纳－霍夫方程为 k=0, 1, 2, … 存在问题： 因为存在k≥0的约束，使得上式不能直接转到Z域求解。这使得在要求满足物理可实现条件下，求解维纳-霍夫方程变得比较困难。 如果滤波器的输入是白噪声，即x(n)= w(n)，w(n)是方差为的白噪声，由于k=0, 1, 2, … k=0, 1, 2, … 则因果IIR维纳滤波器的维纳－霍夫方程变为：解决方法：采用Bode-Shannon白化的方法求解维纳－霍夫方程的Z域解。白化滤波器 如果x (n)的功率谱密度为z的有理分式，将x (n)的信号模型表示成下图形式。一般把信号转化为白噪声的过程称为白化，对应的滤波器称为白化滤波器。 x(n)的白化滤波器 因果IIR维纳滤波器求解：白化滤波器（1）Sxx(z)分为最小和最大相位因子：（2）G(z) 做部分分式展开：因果IIR维纳滤波器的最佳解为 其中， 因果维纳滤波器设计的一般方法： (1) 根据观测信号x(n)的功率谱得到 。 (2) 求 的Z反变换，取其因果部分再做Z变换，即舍掉单位圆外的零极点，得 (3) 积分曲线取单位圆，计算Hopt(z), E［|e(n)|2］min。 计算最小均方误差E［|e(n)|2］min： 第一项根据围线积分法求逆Z变换的公式, rss(m)用下式表示: 第二项由Parseval定理：例 2.3.1 已知 信号和噪声不相关，即rsv(m)=0，噪声v(n)是零均值、单位功率的白噪声（σ2v=1,mv=0)，求Hopt(z)和E［|e(n)|2］min。 解 根据白噪声的特点得出Svv(z)=1, 由噪声和信号不相关， 得到rxx(m)=rss(m)+rvv(m)。 考虑到 零极点在单位圆内，得到 (1)、 首先分析物理可实现情况:因为 取其因果部分取单位圆为积分围线，上式等于单位圆内的极点 的留数之和，即 未经滤波器的均方误差 所以通过因果维纳滤波器后均方误差下降8/3(≈2.7)倍。 (2)、 对于非物理可实现情况有 令 单位圆内有两个极点0.8和0.5, 应用留数定理，有