第二章 维纳滤波和卡尔曼滤波数字信号处理-时域离散随机信号处理 教学课件.pptVIP

观测数据与期望的输出的互相关函数rxyd(k)和互谱密度Sxyd(z)分别为 （2.4.6） （2.4.7） 这样，非因果维纳预测器的最佳解为 （2.4.8） 因果维纳预测器的最佳解为 （2.4.9） 维纳预测的最小均方误差为 从上面分析可以看出， 维纳预测的求解和维纳滤波器的求解方法是一致的。 2.4.2 纯预测 假设x(n)=s(n)+v(n)，式中v(n)是噪声，且v(n)=0，期望信号为s(n+N), N＞0，此种情况称为纯预测。  假定维纳预测器是因果的，仍设s(n)与v(n)不相关，纯预测情况下的输入信号的功率谱及维纳预测器的最佳解分别为 （2.4.11） （2.4.12） 纯预测器的最小均方误差为 （2.4.13） 应用复卷积定理 （2.4.14） 取y(n)=x(n) （2.4.15） 将上式代入(2.4.13)式, 并考虑到b(n)是因果系统，得到 可以看到，随着N增加，E［|e(n+N)|2］min也增加。这一点也容易理解，当预测的距离越远，预测的效果越差，偏差越大，因而E［|e(n+N)|2］min越大。 例2.4.1 已知 其中-1＜a＜1， 求: (1) 最小均方误差下的s(n+N)；  (2) E［|e(n+N)|2］min。 ^ 解 首先对S