[PPT课件]现代信号处理-维纳和卡尔曼滤波.pptVIP

2.5.1 卡尔曼滤波的状态方程和量测方程 　　为了后面的推导简单起见，假设状态变量的增益矩阵A不随时间发生变化，ωk,vk都是均值为零的正态白噪声，方差分别是Qk和Rk，并且初始状态与ωk,vk都不相关，γi,j表示相关系数。 2.5 卡尔曼(Kalman)滤波 2.5.1 卡尔曼滤波的状态方程和量测方程 用数学形式表示为： 其中 2.5 卡尔曼(Kalman)滤波 2.3.2 因果维纳滤波器的求解 估计误差的均方值 类似于（2.3.4）式的推导，得到 (2.3.27) 2.3 离散维纳滤波器的Ｚ域解 2.3.2 因果维纳滤波器的求解 要使均方误差取得最小值， 当且仅当 (2.3.28) 令 (2.3.29) (2.3.30) 2.3 离散维纳滤波器的Ｚ域解 2.3.2 因果维纳滤波器的求解 又由（2.3.15）式得到 (2.3.31) 所以因果维纳滤波器的复频域最佳解为 (2.3.32) 2.3 离散维纳滤波器的Ｚ域解 2.3.2 因果维纳滤波器的求解 维纳滤波的最小均方误差为: 2.3 离散维纳滤波器的Ｚ域解 2.3.2 因果维纳滤波器的求解 即维纳滤波的最小均方误差为: (2.3.33) 2.3 离散维纳滤波器的Ｚ域解 比较（2.3.23）式和（2.3.33）式，可以看出因果维纳滤波器的最小均方误差与非因果维纳滤波器的最小均方误差的形式相同，但公式中的　　　　的表达式不同, 分别参见(2.3.11) 式和(2.3.32)式。 2.3.2 因果维纳滤波器的求解 　　前面已经导出， 对于非因果情况， 对于因果情况， 比较两式，它们的第二项求和域不同，因为因果情况下　　　　，因此可以说明非因果情况的　　　　　一定小于等于因果情况　　　　　。 　　在具体计算时,可以选择单位圆作为积分曲线， 应用留数定理， 计算积分函数在单位圆内的极点的留数来得到。 2.3 离散维纳滤波器的Ｚ域解 2.3.2 因果维纳滤波器的求解 　　通过前面的分析, 因果维纳滤波器设计的一般方法可以按下面的步骤进行：  (1) 根据观测信号x(n)的功率谱求出它所对应的信号模型的传输函数，即采用谱分解的方法得到B(z)。具体方法为　　　　　　　　　，把单位圆内的零极点分配给　　　，单位圆外的零极点分配给　　　，系数分配给　　。 。 2.3 离散维纳滤波器的Ｚ域解 2.3.2 因果维纳滤波器的求解 (2)求 　　　 取其因果部分再做Z变换，即舍掉单位圆外的极点，得： (3) 积分曲线取单位圆，应用（2.3.32）式和（2.3.33）式，计算： 。 2.3 离散维纳滤波器的Ｚ域解 　　^ 2.4 维 纳 预 测 2.4.1 维纳预测的计算 在维纳滤波中，期望的输出信号　　　　　，实际的输出为　　　　　。在维纳预测中，期望的输出信号　　　　　　　， 实际的输出　　　　　　。前面已经推导得到维纳滤波的最佳解为： （2.4.1） 其中,　　　是观测数据的功率谱；　　　是观测数据与期望信号的互功率谱。 2.4 维 纳 预 测 2.4.1 维纳预测的计算 　　互相关函数　　　的傅里叶变换 ： （2.4.2） 对应于维纳预测器， 其输出信号y(n)和预测误差信号e(n+N)分别为 （2.4.3） （2.4.4） 2.4.1 维纳预测的计算 同理，要使预测误差的均方值为最小，须满足 （2.4.5） 其中，hk表示h(k)。 2.4 维 纳 预 测 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） 2.4.1 维纳预测的计算 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） 2.4 维 纳 预 测 2.4.1 维纳预测的计算 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 维 纳 预 测 （2.4.10） 2.4.2 纯预测 假设 ，式中 是噪声，且 ，期望信号为 ，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） 2.4 维 纳 预 测 2.4.2 纯预测 纯预测器的最小均方误差为 （2.4.13） 2.4 维 纳 预 测 2.4.2 纯预测 应用复卷积定理 （2.4.14） 2.4 维 纳 预 测