维纳滤波WienerFiltering课件.pptVIP

维纳滤波(Wiener Filtering) 随机信号或随机过程(random process)是普遍存在的。 一方面，任何确定性信号经过测量后往往就会引入随 机性误差而使该信号随机化；另一方面，任何信号本 身都存在随机干扰，通常把对信号或系统功能起干扰 作用的随机信号称之为噪声。噪声按功率谱密度划分 为白噪声（white noise）和色噪声（color noise），我 们把均值为0的白噪声叫纯随机信号（pure random signal）。因此，任何其它随机信号都可看成是纯随 机信号与确定性信号并存的混合随机信号或简称为随 机信号。要区别干扰（interference）和噪声( noise)两 种事实和两个概念。非目标信号（nonobjective signal 都可叫干扰。 干扰可以是确定信号，如国内的50Hz工频干扰。干扰也可以是噪声，纯随机信号（白噪声）加上一个直流成分（确定性信号），就成了最简单的混合随机信号。医学数字信号处理的目的是要提取包含在随机信号中的确定成分，并探求它与生理、病理过程的关系，为医学决策提供一定的依据。例如从自发脑电中提取诱发脑电信号，就是把自发脑电看成是干扰信号，从中提取出需要的信息成分。因此我们需要寻找一种最佳线性滤波器，当信号和干扰以及随机噪声同时输入该滤波器时，在输出端能将信号尽可能精确地表现出来。维纳滤波和卡尔曼滤波就是用来解决这样一类问题的方法：从噪声中提取出有用的信号。实际上，这种线性滤波方法也被看成是一种估计问题或者线性预测问题。 设有一个线性系统，它的单位脉冲响应是　　，当输入一个观测到的随机信号　　，简称观测值，且该信号包含噪声　　和有用信号　　，简称信号，也即 　　　　　　　 (1) 则输出为 (2) 我们希望输出得到的　　与有用信号　 尽量接近，因此称　　为　　的估计值，用　　来表示 ，我们就有了维纳滤波器的系统框图 .这个系统的单位脉冲响应也称为对于　 的一种估计器。 用当前的和过去的观测值来估计当前的信号　　　　 称为滤波；用过去的观测值来估计当前的或将来的信号　　　　 ，称为预测；用过去的观测值来估计过去的信号　　　　　 称为平滑或者内插。 系统框图中估计到的　　信号和我们期望得到的有用信号　　不可能完全相同，这里用　　来表示真值和估计值之间的误差 　　　　　　　　　 (3) 显然　　是随机变量，维纳滤波和卡尔曼滤波的误差准则就是最小均方误差准则 　　　　　　　　　　　 (4) １维纳滤波器的时域解（Time domain solution of the Wiener filter） 设计维纳滤波器的过程就是寻求在最小均方误差下滤波器的单位脉冲响应 或传递函数　　的表达式，其实质就是解维纳－霍夫（Wiener－Hopf）方程。 我们从时域入手求最小均方误差下的用　　　表示最佳线性滤波器。这里只讨论因果可实现滤波器的设计。 １.１因果的维纳滤波器 设　　是物理可实现的，也即是因果序列： 因此，从式(1)、(2)、(3)、(4)推导： 　　　　　　　　　(5) 　　　　　　　　　　　 　　　　　　　　　　　　　　　 (6) 要使得均方误差最小，则将上式对各　 m＝0，1，…，求偏导，并且等于零，得： 　　　　　　　　　　　　　 　 　 　　　　　　　　　　　　　 　 　　　　　　　　　　　　　　　　 　 从维纳－霍夫方程中解出的h就是最小均方误 差下的最佳h，　　。 于是得到N个线性方程： 写成矩阵形式有： 简化形式： 式中， 是待求的单位脉冲响应 　 只要 是非奇异的，就可以求到H： 求得H后，这时的均方误差为最小：记最佳的H为 若信号与噪声互不相关，即， 前面推导的最小均方误差[下