非因果格形滤波器.pdfVIP

第六卷第四期 信 号 处 理 VoI_6N04 l990年 l2月 SIGN AL PRoCESSⅡ G Dee．1990 非因果格形滤波器 雍少为 (总参第五十一研究所) 【摘要】本文提出了因果和非因果格形概念 ，在 内积空间中导出了非因果格形的递推式，由此得到非因 果格形 网络 。 一 、 }l 言 首先 ，我们定义 由 @一 1)，z(一 2)，… ，(_ L)来估计 ()的 自适应滤波器为 因果型 自适应滤波器 ；而 由z(十 Ⅳ)，…，z(+ 1)，z@一 1)，…，(— Lv)来估计 () 的 自适应滤波器称为非固果型 自适应滤波器 。它们通常的结构为横向结构。 文献 [1]和 [2]用两种不同的输入信号模型比较了上述两种 自适应滤波器在抽头延迟 线个数相同条件下 ，消除窄带干扰提取宽带信号的能力。由于因果滤波器和非因果滤波器在 结构上有差异 ，处理的数据点不同，两者的性能一定有差异。从文中的结论看出，非因果滤 波器对窄带干扰的抑制明显优于因果滤波器 。这在某些工程应用上意义尤为重要。而就滤波 器结构来看，作为线性预测器的另一种实现方案 ，格形 (Lattice)结构越来越受到重视 ，与传 统的横向 (TDL)结构相 比，它在稳定性 、收敛性 以及滤波器性能对系数量化噪声和舍入噪声 的敏感性等许多方面都优越得多。因果型滤波器能用格形结构来实现，·我们且称之为因果格 形滤波器 。通常意义下的格形概念都是这种因果型，即用过去的数据点来预测当前数据点 (单边预测)。而要借助于格形用前后两边的数据点来预测内插当前时刻的数据点则必须完全 抛弃通常的格形概念 ，重新建立一套非因果的格形网络算法。 二、数学基础 我们的讨论建立在实或复的内积空间U上，把 由 { +Ⅳ)，…，z (n+Ⅳ一j+1)， z (n_1)，…， 一 ))张成的线性空间置 [u称为观测空间 (1≤；≤N，1≤J≤Ⅳ)。在 此观测空间中z (n)的估值 ： {(n)∈置 一 ．sprt；t{(n+ Ⅳ)，…，z(+ N — J+ 1)，(n一 1)，…，z(n— )) (2．1) 当 (n)与其估值 ±(n)问误差的范数最小，则 ()等于z()在子空间置 (置 是 一． 的子空间)上的投影，用P (n)]来表示。投影 P 能依据任何产生置 的矢量组来 表示 ，我们称这些矢量为形成矢量 。 我们在后面讨论中主要涉及的运算是一个实 Hilbert空间上的矢量在一个线性子空间上 的投影 ，因此我们首先讨论投影概念及其垂直分解。我们把z与其投影P ()之差称为投影 误差 ： ez==z— P (z) 一 个子空间x可分解成另一些子空间之和 ： 第四期 非因果格形滤波器 ·201 · X 。 {X0，…， ，}= p∞{0，…，I一】}+ sP {，· 7 = Xl+ X2 1≤ R≤ N 我们把X 中的每一个形成矢量投影在X 上： ％ 一 ．一 】(，) = 。… 。Ⅳ 表示投影误差，则 X亦可表为： X= p∞{0，… ， ) = spen{0+¨·，月一l}+ p∞{e ，…，e } 一 + 1≤ ≤ N 这种表示是唯一的。