13_自适应格型滤波器摘要.pptVIP

§3.3 自适应格型滤波器3.3.1 引言 前向和后向线性预测误差滤波器是实现格型滤波器的基础, 下面先介 绍信号预测的概念. 1.信号的可预测性 所谓“预测”, 就是利用已获得的观测数据估计当前或未来的信号值. 随机信号可以预测的原因是: ●信号内部存在关联性. 数据间关联性愈强, 预测愈准确; 完全不关 联, 则无法预测. ●系统具有惯性. 根据信号模型概念, 一个具有有理谱密度的信号,可 以看成是白噪声激励一个线性系统而产生的输出.这说明, 该系统把一个 无关联的白噪声, 变成了一个关联的非白色信号, 表明系统是有惯性的. 最优预测——选择预测误差的均方值最小作为最优预测的准则. 纯预测——由于实际信号总是带有噪声干扰的, 因此, 预测与滤波是 不可分的. 不考虑噪声干扰或不带滤波的预测, 称为纯预测. 2.前向和后向一步线性预测 利用线性滤波器实现预测, 称作线性预测. 如果在当前时刻 已经获得 个输入数据, 如图3.3.1所示: ● 阶前向一步线性预测 根据 时刻以前的 个数据 , 向前一步预测 , 称为 阶前向一步线性预测. ● 阶后向一步线性预测 根据 时刻以后的 个数据 , 向后一步预测 称为 阶后向一步线性预测. 3.3.2 前向和后向线性预测误差滤波器 1.前向线性预测误差滤波器 为分析简单, 假定信号为实平稳随机信号, 且噪声 . 已知 , 向前一步预测 , 这时系统的输出 是预测值 . 设系统的单位冲激响应为 , 则 令 ,则 (3.3.1) 前向预测误差 (3.3.2a) 或 (3.3.2b) 对上式进行Z变换, 得到 (3.3.3) 称为前向预测误差滤波器的系统函数, 其结构如图3.3.2所示. 以上结果表明: 前向预测误差 , 是由数据 通过一个冲激 响应为 的预测误差滤波器 产生的输出. 下面采用最小均方误差准则求最佳预测系数 . 令 将式(3.3.2)代入上式, 得 (3.3.4) 上式表明: 前向预测误差与用于预测的数据是正交的, 这就是前向预 测误差的正交原理. 将式(3.3.2a)代入上式, 得到 (3.3.5) 最小均方预测误差为 (3.3.6) 将式(3.3.5)和(3.3.6)联立,得到下面的联立方程组: (3.3.7) 其中, (前向预测最小误差功率). 将上式表示为矩阵形 式: (3.3.8) 上式就是Yule-Walker方程. 该方程组有 个方程, 由此可解出 个未 知的最佳预测系数 和最小均方误差 . 与维纳-霍夫方程相比, 该方程只包含 的自相关函数, 不需要知道 与期望信号 的互相关函数. 2.后向线性预测误差滤波器 已知 ,向后一步预测 , 这时系统输 出的预测值 ,可表示为 以后的 个数据的线性组合: (3.3.9) 式中, ——后向预测系数. 后向预测误差 (3.3.10) 对上式进行Z变换, 得到 (3.3.11) 称为后向预测误差滤波器的系统函数. 用 代替 , 后向预测误差[式(3.3.10)]可写成: (3.3.12) 由上式可得后向预测误差滤波器的结构如图3.3.3所示. 以上结果表明: 后向预测误差 ,是由数据 通过一个冲激响应 为的预测误差滤波器 的输出. 利用最小均方误差准则, 同样可求得关于后向预测时的正交方程 Yule-Walker方程. 根据正交原理: (3.3.13) 将式(3.3.10)代入上式, 得 (3.3.14) 最小均方预测误差为 (3.3.15) 将式(3.3.14)与式(3.3.15)联立, 可得 (3.3.16) 式中,