维纳滤波和卡尔曼滤波教学提纲.ppt

维纳滤波和卡尔曼滤波 ;1 引 言 ;信号处理的目的是得到s(n)，也称为期望信号，滤波系统的单位脉冲响应为h(n)，系统的期望输出为yd(n)，yd(n)应等于s(n)；系统的实际输出为y(n)，y(n)是s(n)的逼近或估计，yd(n)=s(n)，y(n) =　　 。;2 维纳滤波器的离散形式——时域解 ;要使均方误差为最小，须满足 ;则上式可以写为 ;;j = 0, 1, 2, … ;输出信号y(n)与误差信号e(n)的互相关函数 ;期望信号、估计值与误差信号的几何关系 ;假定输入信号x(n)和期望信号d(n)都是零均值, 应用正交性原理;ryx(-k) = r*xy(k);k=0, 1, 2, … ;可以写成矩阵的形式;已知期望信号与观测数据的互相关函数和观测数据的自相关函数时，可以通过矩阵求逆运算，得到维纳滤波器的最佳解。;假定所研究的信号都是零均值的，维纳滤波器为M长的FIR型，估计的均方误差为： ;均方误差与滤波器的单位脉冲响应是一个二次函数关系。由于单位脉冲响应h(n)为M维向量，因此均方误差是一个M维超椭圆抛物形曲面，该曲面有极小点存在。当滤波器工作于最佳状态时，均方误差取得最小值。;例:设y(n)=x(n)+v2(n), v2(n)是白噪声, 方差σ22=0.1.期望信号x1(n)的信号模型如图(a)所示，其中白噪声v1(n)的方差σ21=0.27, b0=0.8458。x(n)的信号模型如图(b)所示，b1=0.9458。假定v2(n)与x(n)、x1(n)不相关，并都是实信号。设计一个维纳滤波器，得到该信号的最佳估计，要求滤波器是一长度为2的FIR滤波器。 ;解;;;m = 0, 1 ;;该维纳滤波达到最佳状态时的均方误差;;3 离散维纳滤波器的z域解 ;若不考虑滤波器的因果性;上式表示，当噪声为0时，信号全部通过；当信号为0时，噪声全部被抑制掉，因此维纳滤波确有滤除噪声的能力。;Pss(ejω)≠0, Pvv(ejω)=0 ; 然而实际的系统都是因果的。对于一个因果系统，不能直接转入频域求解的原因是由于输入信号与期望信号的互相关序列是一个因果序列，如果能够把因果维纳滤波器的求解问题转化为非因果问题，求解方法将大大简化。; 假设观测数据x(n)的信号模型B(z)已知，求出信号模型的逆系统B-1(z)，将x(n)作为输入，那么逆系统的输出ω(n)为白噪声。; 用白噪声作为维纳滤波器G(z)的输入，假设1/B(z)为信号x(n)的白化滤波器的传输函数，那么关于x(n)的??纳滤波器的传输函数H(z)表示为 ;3.1 非因果维纳滤波器的求解;均方误差为：; 　均方误差的第一项和第三项都是与g(k)无关的常数, 要使均方误差为最小，当且仅当 ?;因此，非因果维纳滤波器的最佳解为 ;非因果的维纳滤波器的复频域最佳解的一般表达式 ;得到信号和噪声不相关时，非因果维纳滤波器的复频域最佳解和频率响应分别为 ; 下面推出在复频域(z域)计算维纳滤波器最小均方误差E［|e(n)|2］min的计算方法; 维纳滤波器的最小均方误差不仅与输入信号的功率谱，而且与信号和噪声的功率谱乘积有关，也就是说，最小均方误差与信号和噪声功率谱的重叠部分的大小有关;维纳滤波器是一个因果滤波器时，有;要使均方误差取得最小值，当且仅当 ;所以因果维纳滤波器的复频域最佳解为 ;对于非因果情况; (2)求 的z反变换，取其因果部分再做z变换，即舍掉单位圆外的极点，得;例 已知 ;(1) 首先分析物理可实现情况;;观测数据的均方误差为;(2) 对于非物理可实现情况,有 ;可以看出非物理可实现情况的最小均方误差小于物理可实现情况的均方误差。 ;4 维 纳 预 测 ; 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 ; 观测数据与期望的输出的互相关函数rxyd(k)和互功率谱密度Sxyd(z)分别为 ;维纳预测的最小均方误差为 ; 假设x(n)=s(n)+v(n)，式中v(n)是噪声，当v(n)=0，期望信号为s(n+N), N＞0，此种情况称为纯预测。;纯预测器的最小均方误差为 ;b(n)是因果系统;解;取因果;纯预测维纳滤波器 ;已知x(n-1), x(n-2)…,x(n-p),预测x(n)，假设噪声v(n)=0，称为一步线性预测。设定系统的单位脉冲响应为h(n)，则输出信号y(n)为 ;要使均方误差为最小值，要求 ;由于预测器的输出 是输入信号的线性组合，得 ;说明误差信号与输入信号满足正交性原理，预测误差与预测的信号值同样满足正交性原理。;将方程组写成矩阵形式 ;Yule-Walker方程具有以下特点：  (1) 除了第一个方程外，其余都是齐次方程;