第二十四讲最小二乘估计波形估计.pptVIP

解： 第30页，共57页，编辑于2022年，星期一 第31页，共57页，编辑于2022年，星期一 第32页，共57页，编辑于2022年，星期一 连续时间的维纳滤波器 离散时间滤波 连续时间滤波 物理可实现 物理可实现 第33页，共57页，编辑于2022年，星期一 例7.13　设观测过程为z(t)=s(t)+v(t)，-?t ? 其中假定观测噪声v(n)为零均值白噪声，功率谱密度为1，s(n)是具有有理谱的平稳随机过陈，功率谱密度为 求估计s(t)的维纳滤波器。 第34页，共57页，编辑于2022年，星期一 第35页，共57页，编辑于2022年，星期一 第七章小结 贝叶斯估计 非贝叶斯估计 最小均方估计 条件中位数估计 最大后验概率估计 线性最小均方估计 最大似然估计 最小二乘估计 都需要计算后验概率密度 需要计算似然函数 只对数据模型进行假定 第36页，共57页，编辑于2022年，星期一 1. 最小均方估计 平方代价函数的贝叶斯估计 最小均方估计是无偏估计 2. 条件中位数估计 绝对值代价函数的贝叶斯估计 第37页，共57页，编辑于2022年，星期一 3. 最大后验概率估计 采用绝对值代价函数的贝叶斯估计 最大后验概率方程 第38页，共57页，编辑于2022年，星期一 贝叶斯估计都需要计算后验概率密度，需要已知被估计量的分布特性。 先验信息的应用，有利于提高估计的性能。 第39页，共57页，编辑于2022年，星期一 Mean=Median=Mode 高斯后验分布 第40页，共57页，编辑于2022年，星期一 第1页，共57页，编辑于2022年，星期一 选择一种?的最佳估计 ,使s(n)最接近z(n) 例如：DC电平信号 第2页，共57页，编辑于2022年，星期一 例：正弦信号频率的估计 最小化难以得到闭合性形式的解，原因是信号与未知参数f0之间存在高度的非线性关系。 第3页，共57页，编辑于2022年，星期一 第4页，共57页，编辑于2022年，星期一 加权最小二乘估计 第5页，共57页，编辑于2022年，星期一 讨论： （1） 当观测噪声的均值为零时，最小二乘与加权最小二乘是无偏估计。 第6页，共57页，编辑于2022年，星期一 （2）估计的方差阵 第7页，共57页，编辑于2022年，星期一 (3) 对于加权最小二乘估计，如果有一些模型的知识，如E(v)=0，E[vvT]=R，当W=R-1时，估计误差的方差阵达到最小，这个最小的方差阵为 这时的估计称为马尔可夫估计 第8页，共57页，编辑于2022年，星期一 例：信号幅度的估计 设N次独立观测为 方法一： 第9页，共57页，编辑于2022年，星期一 方法2： 第10页，共57页，编辑于2022年，星期一 信号处理实例：最小二乘在目标跟踪中的应用 目标的跟踪问题可等效成一个曲线拟合问题 假定目标做匀速直线运动 运动模型（只考虑x方向）： 第11页，共57页，编辑于2022年，星期一 观测模型： 令 第12页，共57页，编辑于2022年，星期一 递推算法： 批处理算法，运算量太大。 第13页，共57页，编辑于2022年，星期一 递推算法： 第14页，共57页，编辑于2022年，星期一 7.7 波形估计 (Waveform Estimation) 根据 {z(n), n?[n0, nf]} 估计s(n) 波形估计的应用 图像恢复 语音恢复 目标跟踪 弹道数据处理 第15页，共57页，编辑于2022年，星期一 1. 波形估计的三种类型 (1)滤波： 根据当前和过去的观测值 { z(k), k= n0, n0+1,...,n }对信号s(n)进行估计 (2)预测: 根据当前和过去的观测值 { z(k), k= n0, n0+1,...,nf }对未来时刻n(nnf)的信号s(n)进行估计，预测也称为外推。 数据 数据 第16页，共57页，编辑于2022年，星期一 (3)内插: 根据某一区间的观测数据 { z(k), k= n0, n0+1,...,nf }对区间内的某一个时刻n(n0nnf)的信号进行估计，内插也称为平滑。 数据 第17页，共57页，编辑于2022年，星期一 波形估计宜采用可建立递推算法的线性最小均方估计或最小二乘估计。 v(n) 相互独立，且 若采用最大似然估计 第18页，共57页，编辑于2022年，星期一 这个估计量是没有意义的，因为没有对观测做任何处理。 第19页，共57页，编辑于2022年，星期一 最小均方估计： 线性最小均方估计： 滤波 第20页，共57页，编辑于2022年，星期一 由正交原理： Wiener-Holf 方程 波形估计的关键是如何求解Wiener-Holf方程 第21页，共57页，编辑于2022年，星