维纳滤波器_原创精品文档.pdfVIP

随机信号分析实验报告

维纳滤波器的设计与仿真

1

①问题描述

滤波技术是信号分析、处理技术的重要分支，无论是信号的获取、

传输，还是信号的处理和交换都离不开滤波技术，它对信号安全可靠

和有效灵活地传递是至关重要的。信号分析检测与处理的一个十分重

要的内容就是从噪声中提取信号，实现这种功能的有效手段之一是设

计一种具有最佳线性过滤特性的滤波器，当伴有噪声的信号通过这种

滤波器的时候，它可以将信号尽可能精确地重现或对信号做出尽可能

精确的估计，而对所伴随噪声进行最大限度地抑制。维纳滤波器就是

这种滤波器的典型代表之一。

维纳滤波器具有以下一些特点：

1.假设：信号以及附加噪声都是已知频谱特性或者自相关和互相关的

随机过程

2.性能标准：最小均方差

3.能够用标量的方法找到最优滤波器

4.维纳滤波器的设计目的是就是滤除按照统计方式干扰信号的噪声。

②模型建立

2

假设维纳滤波器的输入信号是s(t)，叠加噪声n(t)。输出信号x(t)

通过滤波器g(τ)使用下面的卷积运算得到：

x(t)=g(τ)*(s(t)+n(t))

其中

s(t)是需要估计的原始信号

n(t)是噪声

x(t)是估计出的信号（我们希望它能等同于s(t)）

g(τ)是维纳滤波器

误差是e(t)=s(t+d)−x(t)，方差是e2(t)=s2(t+d)−2s(t+d)x(t)+

x2(t)其中

s(t+d)是所期望的滤波器输出

e(t)是误差

根据d的不同，问题名称可以更换为：

3

如果d0那么问题是预测

如果d=0那么问题是滤波

如果d0那么问题是平滑

将x(t)写成卷积积分：

计算平方误差的均值，可得

其中

Rs是s(t)的自相关函数

Rx是x(t)的自相关函数

Rxs是x(t)和s(t)的互相关函数

如果信号s(t)和噪声n(t)是不相关的（例如，互相关是0）那么

请注意

这个的目的是求最优的g(t)，使得E(e2)最小。

③仿真实现

1.原是输入信号选取正弦信号：。时域、频域波形如下所示：

4

2.为输入信号加入噪声，时域、频域如下所示：

3.为通过维纳滤波器后的，时域、频域如下所示：

5

4.通过维纳滤波器后与原始信号进行对比：

6

附MATLAB代码：

clc;

clear;

%参数设置

%采样点与采样区间

n=1000;t=(0:999)/n;

w1=100;w2=200;w3=300;sn=sin(2*pi*w1*t)+sin(2*pi*w2*t)+sin(2*pi*w3

*t);

%Sa函数

Px=abs(fft(sn));%sn.*conj(sn)/600;

xn=awgn(sn,10);

figure(1);%原始信号波形

subplot(2,1,1);

plot(t(1:100),sn(1:100));

xlabel(时间);

ylabel(幅度);

title(原始随机信号x(n)时域波形);

tn=1000*(0:999)/1000;

subplot(2,1,2);

plot(tn,Px);

xlabel(频率);

ylabel(幅度);

title(原始随机信号x(n)频域波形);

figure(2);

subplot(2,1,1);

plot(t(1:100);

xn(1:100));

xlabel(时间);