最佳线性滤波器.ppt

第31页，共68页，星期日，2025年，2月5日(2).FIR维纳滤波器均方误差的时域计算举例：在上例中，FIR维纳滤波器的时域计算第32页，共68页，星期日，2025年，2月5日以非因果IIR线性滤波器为例，可分析和说明Wiener滤波器实现了最佳的线性滤波：第33页，共68页，星期日，2025年，2月5日2.实现问题问题一：实现精确度。Wiener滤波器最优权系数需要由输入信号的自相关函数矩阵以及输入信号与期望输出的互相关函数矩阵进行计算。实际中，这两个参数是未知的，需要通过估计得到，而一致性估计需要观测无限长信号；问题二：计算复杂度。求最优滤波器单位脉冲响应时需要矩阵求逆，其计算复杂度量级是滤波器长度的三次方。第34页，共68页，星期日，2025年，2月5日解决办法：改进算法。由于存在这些问题，实际实现Wiener滤波时，并不是直接计算得到最优Wiener滤波器的抽头系数，而是代之以LMS,RLS,Kalman等自适应滤波器。Kalman滤波器的主要特点：Kalman滤波是Wiener滤波的发展,它最早用于随机过程的参数估计,并在各种最佳滤波器和最佳控制中获得极其广泛的应用。其主要特点是：(1)采用递推算法结构。(2)具有RLS类自适应滤波器的框架。(3)具有标量型和矢量型两种结构，由标量型地推算法可直接写出矢量型算法的矩阵形式。第35页，共68页，星期日，2025年，2月5日第三章最佳线性滤波器最佳线性滤波概述Wiener-Hopf方程及其求解Wiener滤波的性能互补Wiener滤波器设计卡尔曼滤波器的递推算法卡尔曼滤波器的应用第36页，共68页，星期日，2025年，2月5日高通(HP)低通(LP)第37页，共68页，星期日，2025年，2月5日第38页，共68页，星期日，2025年，2月5日第39页，共68页，星期日，2025年，2月5日第三章最佳线性滤波器最佳线性滤波概述Wiener-Hopf方程及其求解Wiener滤波的性能互补Wiener滤波器设计卡尔曼滤波器的递推算法卡尔曼滤波器的应用第40页，共68页，星期日，2025年，2月5日第41页，共68页，星期日，2025年，2月5日第42页，共68页，星期日，2025年，2月5日第43页，共68页，星期日，2025年，2月5日第44页，共68页，星期日，2025年，2月5日第45页，共68页，星期日，2025年，2月5日第46页，共68页，星期日，2025年，2月5日第47页，共68页，星期日，2025年，2月5日请推导第48页，共68页，星期日，2025年，2月5日第1页，共68页，星期日，2025年，2月5日最佳线性滤波概述最优估计：在许多实际问题中，需要研究随时间变化的随机变量或随机矢量的估计问题，即：按照某种最优准则对随时间变化的随机变量或随机矢量作出估计。——在信息与通信工程领域常称为“波形估计”；——在控制科学与工程领域常称为“状态估计”。第2页，共68页，星期日，2025年，2月5日最优准则：包括最大后验准则、最大似然准则、均方准则、线性均方准则等。最佳线性滤波器采用线性均方准则，通常称为“最小均方误差（LMS）”和“最小二乘（LS）”准则。统计均方意义下的准则，要求输入为随机过程（序列），通常假定“平稳”和“各态历经”。第3页，共68页，星期日，2025年，2月5日最佳线性滤波器结构LTI(h(n))+第4页，共68页，星期日，2025年，2月5日第5页，共68页，星期日，2025年，2月5日第三章最佳线性滤波器最佳线性滤波概述Wiener-Hopf方程及其求解Wiener滤波的性能互补Wiener滤波器设计卡尔曼滤波器的递推算法卡尔曼滤波器的应用第6页，共68页，星期日，2025年，2月5日第7页，共68页，星期日，2025年，2月5日………+-+++第8页，共68页，星期日，2025年，2月5日Toeplitz对称阵第9页，共68页，星期日，2025年，2月5日第10页，共68页，星期日，2025年，2月5日观测信号为：，试中是方差为0.45的零均值白噪声，它与s(n）统计独立。设计一个长为N=3的FIR滤波器来处理x(n)，使得其输出与s(n)的差的均方值最小。例：设信号s(n)的自相关序列为：解：第11页，共68页，星期日，2025年，2月5日第12页，共68页，星期日，2025年，2月5日解：试设计一个长为