数字信号处理-第2章讲解.ppt

第二章 维纳滤波和卡尔曼滤波 ;2.1 引 言 在生产实践中;我们的目的是为了得到不含噪声的;图 2.1.1 观测信号的组成;图 2.1.2 信号处理的一般;假若已知x(n-1), x(n;维纳滤波是在第二次世界大战期间;2.2 维纳滤波器的离散形式—;要使均方误差为最小，须满足 （;则（2.2.6）式可以写为 （;将（2.2.10）～（2.2.;因此 E［x*(n-j)e(n;下面计算输出信号与误差信号的互;图 2.2.1 期望信号、 估;图2.2.1表明在滤波器处于最;2.2.2 维纳—霍夫方程　　;(2.2.20)式称为维纳-霍;定义;（2.2.22）式可以写成矩阵;上式表明已知期望信号与观测数据;2.2.3 估计误差的均方值;上式可以进一步化简得到 ;将（2.2.24）式代入(2.;图 2.2.2 输入信号与观测;解 这个问题属于直接应用维纳-;根据题意，画出这个维纳滤波器的;(1) 求出期望信号的方差。根;(2) 计算输入信号和输出信号;对方程（1）取m=1, 2，得;v2(n)是一个零均值的白噪声;(3) 计算输出信号与期望信号;将m=0, m=1代入上式, ;把Wopt代入（2.2.27）;2.3 离散维纳滤波器的z域解;假设信号和噪声不相关，即rsv;Pss(ejω)≠0, Pvv;图 2.3.1 非因果维纳滤波;回顾前面讲到的时间序列信号模型;具体思路如图2.3.3所示。用;2.3.1 非因果维纳滤波器的;(2.3.9);可以看出，均方误差的第一项和第;这样，非因果维纳滤波器的最佳解;将上式代入(2.3.13)式，;把(2.3.17)式代入(2.;下面我们推出该滤波器的最小均方;由复卷积定理 (2.3.24);将（2.3.19）式代入上式，;2.3.2 因果维纳滤波器的求;要使均方误差取得最小值， 当且;又由（2.3.15）式得到 (;维纳滤波的最小均方误差为 (2;比较（2.3.28）式和（2.;通过前面的分析, 因果维纳滤波;例 2.3.1 已知 信号和;考虑到B(z)必须是因果稳定的;取因果部分， f+(n)=0.;令;单位圆内只有极点Zi=0.5,;(2) 对于非物理可实现情况,;令 单位圆内有两个极点0.8和;2.4 维 纳 预 测 2.4;对应于维纳预测器， 其输出信号;观测数据与期望的输出的互相关函;维纳预测的最小均方误差为 从上;2.4.2 纯预测 假;纯预测器的最小均方误差为 （2;取y(n)=x(n) （2.4;例2.4.1 已知 其中-1;其次，求出B(z)的Z反变换 ;图 2.4.1 纯预测维纳滤波;由Hopt(z)=aN，此时可;以上推导结果相当于在n+N时刻;表明一个信号的功率谱在单位圆上;2.4.3 一步线性预测的时域;其中, ap0=1, （2.4;由于预测器的输出 是输入;将(2.4.25)式和(2.4;这就是有名的Yule-Walk;例2.4.2 已知 x(n);计算得到 a1=-0.8， a;2.5 卡尔曼(Kalman);2.5.1 卡尔曼滤波的状态方;C表示状态变量与输出信号之间的;图 2.5.1 卡尔曼滤波器的;为了后面的推导简单起见，假设状;2.5.2 卡尔曼滤波的递推算;显然，由于不考虑观测噪声的影响;(2.5.8) (2.5.9);将（2.5.3）、 (2.5.;由上式可以看出，状态变量的估计;其中 (2.5.14b) (2;取k0=0，k=k-1，得到 ;所以 仅依赖于xk-1,;(2.5.20c) (2.5.;也就是说，Pk仅有其中的三项不;为了进一步化简Pk，推导未经误;将(2.5.22)式代入(2.;将上式代入（2.5.23）式，;将Hopt代入Pk，得到最小均;假设初始条件Ak,Ck,Qk,;例2.5.1 已知 信号与噪声;上式与卡尔曼状态方程相比，不同;卡尔曼滤波和维纳滤波都是采用均;例2.5.2 　已知在k=0时;由量测方程yk=xk+vk, ;(2) 求出卡尔曼滤波的输出。;表2.5.1 Kalman滤波;(3) 求出卡尔曼滤波的稳态解;化简上式，得到 1.36Pk+;根据P∞，可以确定达到稳态后的;(4) 用维纳滤波的方法分析。;上式说明x是一阶AR模型，对H;(2.5.34) 比较（2.5;通过上面的例题，可以看出维纳滤;2.5.3 应用举例 下面;我们知道，空间中的一点需要由径;假定加速度u(k)是零均值的平;根据状态变??的物理含义，得到以;由此得到卡尔曼滤波信号模型的状;观测噪声V(k)假定为高斯噪声;量测方程的噪声协方差阵 (2.;为了简单起见，假定在各个方向，;根据接收到的相邻两个回波脉冲，;取k=2,将上式中的观测信号z;计算k=2时刻的协方差阵 式中;因此，误差协方差阵是4×4阶矩;2.