第三章最佳线性滤波器.pptVIP

作业： P42： 2.3、2.5、2.7、2.11 (2). FIR维纳滤波器均方误差的时域计算 举例：在 上例中，FIR维纳滤波器的时域计算 以非因果IIR线性滤波器为例， 可分析和说明Wiener滤波器实现了最佳的线性滤波： 2. 实现问题 问题一：实现精确度。Wiener滤波器最优权系数需要由输入信号的自相关函数矩阵以及输入信号与期望输出的互相关函数矩阵进行计算。实际中，这两个参数是未知的，需要通过估计得到，而一致性估计需要观测无限长信号； 问题二：计算复杂度。求最优滤波器单位脉冲响应时需要矩阵求逆，其计算复杂度量级是滤波器长度的三次方。 解决办法：改进算法。由于存在这些问题，实际实现Wiener滤波时，并不是直接计算得到最优Wiener滤波器的抽头系数，而是代之以LMS, RLS, Kalman等自适应滤波器。 Kalman滤波器的主要特点：Kalman滤波是Wiener滤波的发展, 它最早用于随机过程的参数估计, 并在各种最佳滤波器和最佳控制中获得极其广泛的应用。其主要特点是： (1)采用递推算法结构。 (2)具有RLS类自适应滤波器的框架。 (3)具有标量型和矢量型两种结构，由标量型地推算法 可直接写出矢量型算法的矩阵形式。 第三章 最佳线性滤波器 最佳线性滤波概述 Wiener-Hopf方程及其求解 Wiener滤波