现代数字信号第4章波形估计.pdfVIP

第四章波形估计

•波形估计概述

•§4.1线性变换与正交原理

•§4.2平稳随机过程的估计

——维纳滤波

•§4.3卡尔曼滤波

波形估计概述

估计理论是根据受到噪声污染的观察数据来估计随机变

量或随机过程的数学运算。

根据估计变量的类型区分：

被估计变量是随机变量

——称为参量（或参数）估计，又称为静估计；

被估计量是随机过程

——称为波形（或状态）估计，又称为动态估计。

从概率的观点：一个最佳估计可以使用一切有关过程的统计信

息；但实际中，通常只能得到少量的信息，所以限定线性最佳估计，

采用最小方差准则，使均方误差最小。换句话说，如果能利用更多

统计信息，线性最小均方误差估计过程不一定给出最好的估计。因

此，如果随机变量不是高斯分布（广义高斯分布），则根据线性最

小均方误差准则所求得的估计器是最佳线性估计器，但不一定是最

佳的估计器。

波形估计概述

•波形估计与滤波

在许多实际问题中，需要研究随时间变化的随机变量

(数量随机信号)x(k)与随机矢量(矢量随机信号)x(k)的

估计问题。对这种估计，在通信工程中称为波形估计，而

在控制工程中则称为动态估计。

所谓滤波，是指将噪声中信号尽可能地排除噪声干扰，

而将有用信号分离出来．因此，在波形估计与动态估计中，

zkzkxk+α

基于观测过程或矢量观测过程，对或

()()()

x(k+α)

所作的最优估计。

若α0，就是滤波问题；

若α0，称为预测问题；

若α0，称为平滑问题．

波形估计概述

•维纳滤波

x(k)X(k)z(k)Z(k)

若信号或及观测或是广义平稳的，已

知其自相关函数或功率谱的知识，所用的最优估计准则为线

z(k)Z(k)

性最小均方误差估计准则，则基于观测过程或，对

x(k)或X(k)所作的最优估计，称为维纳滤波。

维纳滤波是在第二次世界大战期间，因为军事技术的需

要由维纳提出的，以后在通信、控制等领域获得了广泛的应

用，并且在应用中得到了发展．但维纳滤波不能递推实时处

理，也不适用于非平稳的滤波问题．

波形估计概述

•卡尔曼滤波

若巳知信号的动态模型与测量方程，则基于矢量观测过

程Z(k)与初始条件，按线性无偏最小方差递推估计准则对状

态X(k)所作的最优估计，称为卡尔曼滤波。

从本世纪四十年代开始已经有人用状态变量模型来研究随

机过程，到六十年代初由于空间技术的发展，为了解决对非平

稳、多输入输出随机序列的估计问题，由卡尔曼提出的，故称

为卡尔曼滤波。

此后卡尔曼与布西一起将其推广到一般的连续随机过

程．卡尔曼滤波一出现，就受到人们的很大重视，现已成功地

应用到许多领域，并在实践中不断丰富和完善．

4.1线性变换与正交原理

4.1.1线性变换

4.1.2正交性原理

4.1线性变