维纳滤波(详解-着重IIR).pptVIP

34 总结 滤波器 一般数字滤波器 维纳滤波 噪声与信号的频谱 分离，不可重叠 可互相重叠 设计依据 频率特性分析 时域分析 信号统计特性 不要求 需已知 表1 维纳滤波与一般数字滤波器对比 仅适用于平稳随机过程 滤波器长度较大时计算量大 逆矩阵计算存储量大 滤波器长度改变需重新计算 存在问题： 维纳滤波是基于最小均方误差准则的，能抑制频谱混叠噪声干扰的最佳滤波方法。 那么现在正式进入我们的维纳滤波内容，在我们的实际数字处理系统中，信号的传递一般步骤是，首先经过A/D转换，然后数字处理系统针对转换后信号进行进一步数字处理。但是在信号采集过程以及传输过程中，往往由于各种原因，往往使我们不能接收到真实信号，比如：有的时候我们在打电话的时候，会出现嗞啦嗞啦的声音，这就是手机信号在传播的过程中受到了干扰造成的，使我们接受到的信号出现偏差。（进入下一页！引出模型） * 那么我们就可以用这样一个模型来描述我们刚才手机信号收到干扰的情况，这里sn就是机站发出的真实信号的，vn就是传输过程中受到的干扰信号，然后我们实际听到的，其实就是这里的这个xn，也就受到了干扰的实际信号。而这种被干扰了的信号，我们一般就把它称之为退化了或者是是真了的信号。也就是说，在实际应用中，我们能够观测到的都是退化了或失真了的有用信号，但是我们所需要的是原始的未被干扰的有用信号sn。所以，要实现这样的功能，我们需要使用滤波器来获取这个有用信号。 * 那么，添加滤波系统后，信号处理的一般模型，变为如图1-2的形式，真实信号sn，经过与噪声信号vn叠加后，得到观察信号xn，通过一个滤波系统，得到去噪后的输出信号yn，那么很明显，滤波系统的滤波性能好坏，决定了滤波系统输出信号yn是否能够很好反应真实信号sn。那么如何评定滤波系统性能？这里我们引入一个概念，最佳滤波器：对。。。。。针对滤波器性能问题，我们首先讨论经典数字信号处理理论中的滤波器设计问题：……很明显，在是sn与vn频谱分离的情况下，只要通过简单的高通、低通、带通这类滤波器，就能将噪声信号vn完全滤除，这种情况下的滤波器，显然是最佳的。但是，如果sn和vn的互有重叠，经典滤波理论失效，问题变得复杂，我们就需要寻找新的解决办法。 * 因此，有了维纳滤波这一类针对频谱混叠情况的滤波器。都说战争能够推进科技的进步，维纳滤波的产生也是如此，诺伯特维纳在1942年2月，针对军事上防空火力控制和雷达噪声滤波的问题，给出了从时间序列的过去数据推知未来的维纳滤波公式，建立了在最小均方误差准则下将时间序列外推进预测的维纳滤波理论。这其中提到了最小均方准则，也就是说维纳滤波只是在最小均方误差准则下的最佳滤波器。这里简单介绍一下衡量“最佳”一般准则，通常的衡量准则有四种：……最小均方误差准则是属于线性均方准则的。那么根据最小均方准则，我们可以得到这样的计算公式：估计误差en等于真实信号sn减去最佳估计sn尖，然后我们的目的是求取估计误差en平方的期望最小值（可洗）。后面会详细如何可洗最小的情况下，得到最佳滤波器。这种求取最佳滤波器的方法也广义地被统称为最小二乘法（或者最小二乘方）滤波。由en表达式我们可以知道，这其中涉及到sn，也就是说，设计时，要求已知信号的统计特性，需要求取可洗的最小值，相应的同样需要指导噪声的统计特性（这也是维纳滤波的一个很大不足）。其实维纳滤波的最完整名称应该是线性最小均方误差滤波，但是。。。。。。 * 到此，我们对维纳滤波器已经有了初步的一些了解，那么现在简单介绍两个维纳滤波的实际应用例子，第一个例子是：信道均衡器的设计问题，在通信系统中，为了在接收端补偿信道传输引入的各种畸变，在对接收信号进行检测之前，需要通过一个滤波器对信道失真进行校正，这个滤波器就称为信道均衡器。那么，如信道传输模型所示的情况，我们对图中线性滤波器，也就是我们信道均衡器，的设计原则就是根据真实信号和信道噪声的已知统计特性、均方误差最小准则，来确定维纳滤波器系数，进而得到最佳的信道均衡器；第二个用例是用于系统的辨识，一般情况如我们的模型所示，信号同时经过未知系统和线性滤波器系统，然后将两个系统的输出进行比较，同样也是根据均方误差最小准则，使得两系统输出的差别最小，从而确定维纳滤波器系数，这时候，也就得到了未知系统的一个统计意义上的一个最佳逼近。那么维纳滤波的背景部分，我们就介绍到这里。 * 到此，我们对维纳滤波器已经有了初步的一些了解，那么现在简单介绍两个维纳滤波的实际应用例子，第一个例子是：信道均衡器的设计问题，在通信系统中，为了在接收端补偿信道传输引入的各种畸变，在对接收信号进行检测之前，需要通过一个滤波器对信道失真进行校正，这个滤波器就称为信道均衡器。那么，如信道传输模型所示的情况，我们对图中线性滤波器，也就是我们信道均衡器，的