张旭东 离散随机信号处理 第3 章最优滤波2.pptVIP

下载地址：/book/Showbook.asp?CPBH=008269-01DJ=39 下载日期：2010-04-05 * * 最优线性预测 前向线性预测 空间 预测 系数 预测值 期望响应 预测误差 后向线性预测 预测误差功率 自相关矩阵 互相关矢量 Wiener-Hopf方程 最小预测误差 前向与后向的预测系数的关系 线性预测误差滤波器 预测误差滤波器的增广wiener-Hopf方程 前向线性预测误差滤波器与AR模型的关系 AR(M)模型下 比较 Levinson-Durbin算法 从m-1阶出发，对正向预测有 将系数矩阵增广 这里 反向（m-1）阶预测 将系数矩阵增广 (正向)＋(反向2)×km 比较m阶情况的前向预测 等价要求 和 (1) (2) 由（1），就得到预测滤波系数的递推公式 由（2）确定km参数和pm递推公式 解之得到 总结Levinson-Durbin算法： （1） （2） （3） 初始化条件： Levinson-Durbin算法要点： 由 最终确定的是 这是要求解的最优预测误差滤波器系数和（或）AR模型参数 ·反Levinson-Durbin算法 Cholesky分解 Cholesky分解的结论 可以分解成一个上三角矩阵和下三角矩阵之积， 它们是互为转置 格型预测器 证明 在如上式带入Levinson-Durbin递推公式得到 ·模块化结构 ·增加阶数后不改变前面的参数 ·同时计算前向和后向预测误差 Wiener滤波器的格型结构如图 利用Cholesky分解可以得到这个结构 *