武大电信学院专硕ADSP2015习题课汇编.pptxVIP

2015-2016ADSP 九月 Teacher： 徐新教授 Tutor： 李小光 Affiliation：信号处理实验室 Email：279364597@ 信号动态模型 功率谱 估计 信号 滤波 线性预测模型 part1 part2 part3 part4 part5 自相关、功率谱 ARMA模型 Kalman filtering AR模型及参数提取 最小相位序列 谱分解 AR模型 Wiener filtering RLS LMS Yule-Walker方程 Levinson-Durbin递推 基础 知识 PHD MUSIC ESPRIT 基础知识 linear prediction coding 自相关函数：Rxx(t1,t2)=E[x(t1)*x(t2)] 互相关函数: Rxy(t1,t2)=E[x(t1)*y(t2)] aaa 随机过程数值特征 自相关函数：R(t,t+τ)=R(τ) 自相关函数: R(0)=E[x(t)*x(t)] 平稳过程的功率谱密度 ①某一实现（样本）功率谱的统计平均 ② F[R(τ)]=P(w) 白噪声：P(w)=n0/2, R(τ)= n0/2* δ(τ) 平稳随机过程 离散随机过程（信号）：随机矢量 均值：N维矢量 自相关函数(自共轭)： … … x1 xk xN … 信号动态模型 Signal dynamic model 平稳随机信号一般模型：ARMA 差分方程： AR过程： 传输函数： 全极点模型！ back AR模型参数计算： Yule-walker方程： AR模型规范方程组： Levison-Durbin递推算法： 当已知 p-1阶AR模型的参数ak(k=1~p-1)和?(p-1)时，计算此时的反射系数： 得到p阶AR模型的参数： special： 倒序！！！ 例题x： solution： 由 得到 例题x： solution： addition： 谱估计 Signal filtering application 经典方法 ①自相关法： ②周期图法： 基于参数模型的方法： STEP1 STEP2 STEP 3 为随机过程选择合理模型 由观测数据估计模型参数 由模型参数计算功率谱 review we need:AR模型参数求解 （e(n)为方差σe的白噪声） 基于相关矩阵特征分解的信号频率估计：PHD，MUSIC 解决的问题： 假设一个平稳随机过程 ，它由 个复正弦信号 与复高斯白噪声 组成. 一次实现的 个取样值为： 待估计的频率未知的确定信号 矢量形式： 信号功率 信号矢量 噪声功率 N*N单位阵 solution： solution： （ ， ） 求得 ， 令 MUSIC： 利用正交性： PHD（Pisarenko谱分解法）： 解出M个根，每个根的相位即频率的估计 信号滤波 Spectral estimation 问题描述：最小均方误差准则下线性滤波问题 最小均方误差准则 Minimum ! Minimum ! 求偏导 H(n)=0 ,when n0 Wiener-hopf equation!!! Wiener-hopf equation N阶FIR 矩阵形式 RxxH=Rxs H=Rxx-1＊Rxs Wiener-hopf equation 矩阵形式 RxxH=Rxs H=Rxx-1＊Rxs 最小均方误差： 请自己补充：频域维纳滤波器的设计！ 语音信号去噪： 谱减法 请关注音乐噪声！ observation model Some Explanation z（n）=H*x(n)+v(n) Linear dynamic system w(n)~N(0,R) v(n) ~N(0,Q) application Prediction and measurement ,which to believe? Step2:预测值均方误差 Step4:对测量值、预测值加权 Step5:预测值均方误差更新 Step3:求卡 尔曼增益 Step1：预测值更新 下一次递推！ A,H,R,Q 初始值 x(0|0),P(0|0) 例题x： 假设系统的状态方程和观测方程分别为 其中，x(n),z(n)均为标量，v1(n), v2(n)为零均值的白噪声序列，且满足： X(0), v1(n), v2(n)三者互不相关，E[x(0)]=0,观测序列为{1，-2,2