希尔伯特变换和解析过程.doc

第四章 窄带随机过程 4.1 希尔伯特变换和解析过程 4.1.1 希尔伯特变换 希尔伯特变换的定义 设有实信号，它的希尔伯特变换记作或，并定义为 用代入上式，进行变量替换，可得到上式的等效形式为： 也可得 希尔伯特反变换为 经变量替换后得 希尔伯特变换的性质 1. 希尔伯特变换相当于一个的理想移相器。 从定义可以看出，希尔伯特变换是和的卷积，即 于是，可以将看成是将通过一个具有冲激响应为的线性滤波器的输出。由冲激响应可得系统的传输函数为 式中，为符号函数，其表达式为 可得滤波器的传输函数为 即 上式表明，希尔伯特变换相当于一个的理想移相器。 由上述分析可得，的傅立叶变换为 2. 的希尔伯特变换为，即。 3. 若，则的希尔伯特变换为 4. 与的能量及平均功率相等，即 此性质说明希尔伯特变换只改变信号的相位，不会改变信号的能量和功率。 5. 设具有有限带宽的信号的傅氏变换为，假定，则有 设与为低频信号，则 4.1.2 解析信号 由实信号作为复信号的实部，的希尔伯特变换作为复信号的虚部，即 这样构成的复信号称为解析信号。 设频谱为，并已知的频谱为，则可得复信号的频谱为 4.1.3 复随机变量 若X和Y分别是实随机变量，则定义Z为复随机变量 Z=X+jY 复随机变量的数字特征： 数学期望 复数 方差 实数 互相关矩 若有两个复随机变量Z1=X1+jY1，Z2=X2+jY2，则它们的互相关矩为 互协方差 互相独立、互不相关、互相正交 两个复随机变量互相独立需满足 两个复随机变量互不相关需满足 两个复随机变量互相正交需满足 4.1.4 复随机过程 若X(t)和Y(t)为实随机过程，则Z(t)=X(t)+jY(t)为复随机过程。 复随机过程的数字特征： 数学期望 复时间函数 方差 实函数 自相关函数 自协方差函数 当时，有 由实随机过程广义平稳定义可直接类推出复随机过程广义平稳条件，若复随机过程Z(t)满足以下条件： 则称Z(t)为广义平稳复随机过程。 互相关和互协方差函数 若，则称Z1(t)和Z2(t)互不相关。 若，则称Z1(t)和Z2(t)互相正交。 若两个复随机过程各自平稳且联合平稳，则有 功率谱密度 平稳复随机过程的功率谱密度仍定义为自相关函数的傅立叶变换，即 两个联合平稳的复随机过程的互功率谱密度与互相关函数也是一个傅立叶变换对。 4.1.5 解析过程 定义：由实随机过程作为复随机过程的实部，的希尔伯特变换作为的虚部，即 这样构成的复随机过程为解析随机过程。其中 解析过程的性质： 1. 若为广义平稳过程，则也是广义平稳过程，且、联合平稳。 2. 3. 可得 4. 奇函数 5. 6. 7. 8. 第一节 Kalman滤波的背景 信号在传输与检测过程中不可避免地要受到外来干扰与设备内部噪声的影响．使接收端收到的信号具有随机性。为获取所需信号，排除干扰，就要对信号进行滤波，所谓滤波，是指从混合在一起的诸多情号中提取出所需信号的过程。信号的性质不问，获取的方法就不同，即滤波的手段不向。对于确定性信号，内于其具有确定的频谱特性，可根据各信号所处频带的不向，设置具有相应频率特性的滤波器，如低通滤波器、高通滤波器、带通滤波器及带阻滤波器等，使有用信号无衰减地通过，而干扰估号受到抑制。这类滤波器可用物理的方法实现，即模拟滤波器，亦可用计算机通过算法实现，即数字滤波器。对确定性信号的滤波处理通常称为常规滤波。 随机信号具有确定的功率语特性，可根据有用信号和干扰信号的功率谱设计滤波器。美国学者维纳(N Wicner)等人提出了winer滤波，它通过做功率谱分解设汁滤波器，在对信号抑制和选通这一点同常规滤波是相似的。由于在频域进行Wiener滤波器设计，需要求解维纳—霍普方程，且计算量较大，需要大量的存储空间，妨碍了Winer滤波的应用。 Kalman滤波是卡尔曼(R.E.kalman)于1960年提出的从与被提取信号的有关的观测量中通过算法估计出所需信号的一种滤波算法。他把状态空间的概念引人到随机估计理论中，把信号过程视为白噪声作用下的—个线性系统的输出，用状念方程来描述这种输入—输出关系，估计过程中利用系统状态方程、观测方程和白噪声激励(系统噪声和观测噪声)的统计特性形成滤波算法，由于所用的信息都是时城内的量，所以不但可以对平稳的一维随机过程进估计，也可以对非平稳的、多维随机过程进行估汁。 这就完全避免了wicnar滤波在频域内设计时遇到的限制，适用范围比较广泛。 实际上，Kalman滤波足一套由计算机实现的实时递推算法．它所处理的对象是随机信号，利用系统噪声和观测噪声的统计特性，以系统的观测量作为滤波器的输入，以所要估计