统计信号处理第六章

  • 格式:pdf
  • 大小:510.37 KB
  • 文档页数:71

下载文档原格式

  / 71
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

4.若在 jω 轴上存在零点,此零点必为 偶重根
ht :/ tp ss /i p. us . tc
零极点分布示意图

u ed n .c
S gx ( s ) + B ( s ) = H ( s ) S x ( s )
B (s) + H (s) S (s) = − S x ( s ) S x− ( s )
频域上估计均方误差公式:
E {e 2 ( t )} min = 1 2π
ht :/ tp
1 = 2π
ss /i

∞ −∞ ∞
⎡ ⎣ S g (ω) − H ( jω) S xg (ω) ⎤ ⎦ dω
⎡ ⎤ S gx (ω) ∫−∞ ⎢ S g (ω) − S x (ω) S xg (ω)⎥ dω ⎣ ⎦
−∞
维纳—霍甫方程的求解方法有两种: 1. 频谱因式分解法 2. 预白化法
ht

:/ tp
0 ≤η < ∞
ss /i
λ < 0 时 h(λ ) ≡ 0
p.
0 ≤η < ∞
--------------(6.2)
us
. tc u ed n .c
1. 频谱因式分解法
η ≥0 η <0
⎧0 引入一个新函数:b (η ) = ⎨ ⎩形式不作具体规定
t0 t0 + α
t
t0
t
波形估计目的:选取线性滤波器的冲激响应函数或传输函数,使 估计的均方误差达到最小。
g ( t )用统一代表三类波形,其估计 y ( t ) = g ˆ (t )。
x (t ) = s (t ) + n (t )
g (t ) = f ( s (t ))
x (t ) = s (t ) + n (t )
u ed
e (t )
− + +
g (t ) = f ( s (t + α ))
n .c
6.2 连续信号的维纳滤波
基本思想:寻找线性滤波器的最佳冲激响应或传输函数,使滤波 器的输出波形作为输入信号波形的最佳估计,即使波形估计的均 方误差达到最小。 本节内容: 6.2.1. 广义平稳随机信号的维纳滤波原理 6.2.2. 物理不可实现维纳滤波器的解 6.2.3. 物理可实现维纳滤波器的解 6.2.4. 最小均方误差 6.2.5. 非平稳随机信号的维纳滤波
}
最小均方误差估计的正交条件
E {e ( t ) x (τ ′ )} = 0 , − ∞ < τ ′ < ∞
ht :/ tp
∞ −∞
ss /i
∞ ⎤ x (τ ′ ) = 0, − ∞ <τ ′<∞ E ⎡ g ( t ) − ∫ h ( t −τ x (τ dτ ) ) ⎢ ⎥ −∞ ⎣ ⎦
{
}
S gx (ω) S x (ω)
S s (ω) e jωα H ( jω) = S s (ω) + Sn (ω)
ss /i
FFT
p.
S gx (ω) = S s (ω) e jωα
S s (ω) S n (ω) + 1
us
g (t ) = s (t + α )
S s (ω) S n (ω)
. tc
-------(6.1)
统计信号处理
第6章 最佳线性滤波基本理论 ——波形估计
ht :/ tp ss /i p. us . tc u ed n .c
本章内容
6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8
ht :/ tp
波形估计的分类 连续信号的维纳滤波 离散维纳滤波 稳健维纳滤波 α − β 滤波 卡尔曼滤波 稳健卡尔曼滤波 扩展卡尔曼滤波
比较例6.1和例6.2,可以看到不论 α 如何取值,后者(物理可实 现滤波器)的均方误差总是大于前者(物理不可实现滤波器)的, 这是由于对后者所加的约束条件多于前者。
ht :/ tp ss /i p. us . tc u ed n .c
并将其与(6.5)式相加,得:
Rgx (η ) + b (η ) = ∫ h ( λ ) Rx (η − λ ) d λ − ∞ < η < ∞
两边分别作双边拉氏变换,得:
S gx ( s ) + B ( s ) = H ( s ) S x ( s )
当 λ < 0 时有 h ( λ ) ≡ 0 ,因此 H ( s ) 的极点只存在于 s 的左半平面内
−∞ 0 αs ⎤ =⎡ S s e ( ) ⎣ sz ⎦
维纳滤波器就由白化滤波器和白信号对应的维纳滤波器组成,即: 1 αs + ⎡ H ( s ) = HW ( s ) H ′ ( s ) = + S sz ( s ) e ⎤ ⎣ ⎦ Sx ( s )
最小均方误差为: E e ( t )
2
维纳滤波器的最小均方误差(物理不可实现,可实现)可以统一为:
ht
:/ tp
y ( t ) = ∫ h ( t −τ ) x (τ ) dτ
−∞
ˆ (t ) = g (t ) − y (t ) e (t ) = g (t ) − g
E {e 2 ( t )} = E ⎡ ⎣ g ( t ) − y ( t )⎤ ⎦
ss /i

p.
{
us
. tc
u ed
2
n .c
ss /i
p. us . tc u ed n .c
6.1波形估计的分类
x ( t ) = s ( t ) + n ( t ) 为系统的输入,s ( t ) 是我们所要估计的信号波 形,其估计波形记为 s ˆ ( t ) ,假设当前时刻为 t0
滤波:估计信号 s ( t0 )
预测:估计信号 s ( t0 + α ) α > 0
+

由于因果系统的极点只能出现在的左半平面
g (t ) = s (t + α )
p.
us
. tc
αs 1 ⎡ S sx ( s ) e ⎤ H (s) = + ⎢ ⎥ S x ( s ) ⎣ S x− ( s ) ⎦
+
u ed
n .c
2.预白化法
基本思想:先将输入信号进行预白化处理,然后让得到的白化信号通 过其对应的维纳滤波器。
us
. tc
t −τ= λ ′ =η t −τ
u ed
n .c
Rgx (η ) = ∫ h ( λ ) Rx (η − λ ) d λ
0
ht :/ tp ss /i p.
h ( t ) = 0, t < 0

0 ≤η < ∞
因果广义平稳随机过程 的维纳-霍甫积分方程
us
. tc u ed n .c
p. us
0
SNR (ω )
. tc u ed n .c
g ( t ) = s ( t + α ) 滤波、平滑、预测,最小均方误差表示为:
例6.1:考虑输入信号 x ( t ) 为高斯—马尔可夫信号s ( t ) 和噪声 n ( t ) 的叠加,假定信号和噪声统计独立,其功率谱分别为S s (ω) = 3 2 1 +ω 和 Sn (ω) = 1 。
′ ) = ∫ h ( t −τ ′ ) dτ Rgx ( t −τ ) Rx (τ−τ

Rgx (η ) = ∫ h ( λ ) Rx (η − λ ) d λ , − ∞ < η < ∞ 非因果广义平稳随机过程 −∞ 的维纳-霍甫积分方程
p.
′ ) = E { g ( t ) x (τ ′ )} Rgx ( t −τ ′ ) = E { x (τ ′ )} Rx (τ−τ ) x (τ
求: α 分别取0,+1和-1时物理不可实现维纳滤波器的冲激响应 及最小均方误差。
ht
E {e ( t )} min = Rs ( 0 ) − ∫ h ( λ ) Rsx (α + λ ) d λ
2 ∞
1 E {e ( t )} min = 2π
2
:/ tp
ss /i

−∞ ∞
= Rs ( 0 ) − ∫ h ( λ ) Rs (α + λ ) d λ
x (t )
HW ( s )
由第3章所述白化滤波器的知识可知,其白化滤波器HW ( s )为: 1 HW ( s ) = + Sx ( s ) 考虑白输入的维纳滤波器,假设输入白信号为z ( t ) ,其对应维纳滤波 器传输函数为 H ′ ( s ) 。 输入白信号的自相关函数为 Rz (τ ) = δ (τ ) , 这里假定其谱高为1, 代入因果广义平稳随机过程维纳-霍甫积分方程可得:
ht
:/ tp
ss /i
p.
us
. tc u ed n .c
6.2.1 广义平稳随机信号的维纳滤波原理
信号和噪声均为零均值的广义平稳随机过程且互不相关,则观测 信号 x ( t ) = s ( t ) + n ( t ) 也是零均值广义平稳随机过程,且和 g ( t )联 合广义平稳
线性滤波器的冲激响应为 h ( t ) ,那么滤波器输出信号 y ( t )
ht
:/ tp
s (t )
s (t )
ss /i
( −α )
线性滤波器
ˆ (t ) = s ˆ (t + α ) y (t ) = g
最小均方误差准则
e (t )
− + +
p.
s (t + α )
us
延迟 ( −α )
g (t ) = s (t + α )
. tc
f ( ⋅)
ˆ ( s (t + α )) ˆ (t ) = f y (t ) = g
ht :/ tp
z (t )
H ′(s)
y (t )
wenku.baidu.com
⎧ ⎪ Rsz (α + τ ) h′ (τ ) = ⎨ ⎪ ⎩0
ss /i
p.
us
. tc
τ ≥0 τ <0
u ed
n .c
对上式作拉氏变换,其传输函数为: ∞ ∞ − sτ H ′ ( s ) = ∫ h′ ( τ ) e d τ = ∫ Rsz ( α + τ ) e − sτ d τ
平滑:估计信号 s ( t0 + α ) α < 0
ht
:/ tp
ss /i
x (t ) = s (t ) + n (t )
p. us
s ( t0 )
t0
t
. tc
s ( t0 + α ) , α > 0
t0
t
s ( t0 + α ) , α < 0
滤波、预测、平滑的关系
u ed n .c
t0 + α
−∞
⎡ S s (ω) S n (ω) ⎤ ∫−∞ ⎢ Ss (ω) + Sn (ω) ⎥ dω ⎣ ⎦
p.
us
. tc
u ed
n .c
6.2.3 物理不可实现维纳滤波器的解
因果广义平稳维纳-霍甫积分方程:
Rgx (η ) = ∫ h ( λ ) Rx (η − λ ) d λ
0

Rgx (η ) = ∫ h ( λ ) Rx (η − λ ) d λ
u ed
n .c
H ( jω) 滤波器幅频响应随信噪比变化的示意图: 1
SNR (ω ) = S s ( w) / Sn ( w)
滤波器幅频响应随信噪比变化的示意图: 当滤波器传输函数取为(6.4)式时, 估计的均方误差达到最小值:
∞ −∞
E {e2 ( t )} min = Rg ( 0 ) − ∫ h ( λ ) Rgx ( λ ) d λ
+ x
1 ⎡ S gx ( s ) ⎤ H (s) = + ⎢ ⎥ S x ( s ) ⎣ S x− ( s ) ⎦
ht
:/ tp
S gx ( s )
S x ( s ) = S x+ ( s ) S x− ( s )
ss /i
+
S gx ( s )
⎡ S gx ( s ) ⎤ ⎡ S gx ( s ) ⎤ =⎢ − ⎥ +⎢ − ⎥ − Sx ( s ) ⎣ Sx ( s ) ⎦ ⎣ Sx ( s ) ⎦
ht
E {e ( t )}
2
:/ tp
{
min
ss /i
}
min
+
= Rs ( 0 ) − ∫ h (τ ) Rsx (α + τ ) dτ
−∞
p.

= Rs ( 0 ) − ∫ h (τ ) Rsx (α + τ ) dτ
0
us
. tc

u ed
n .c
例6.2:考虑输入信号 x ( t ) 为高斯—马尔可夫信号s ( t ) 和噪声 n ( t ) 的叠加,假定信号和噪声统计独立,其功率谱分别为S s (ω) = 3 2 1 +ω 和 Sn (ω) = 1 。 求: α 分别取0,+1和-1时物理可实现维纳滤波器的冲激响应及最 小均方误差 。
ht
:/ tp
∞ −∞
ss /i
p.
us
. tc u ed n .c
假定 S x ( s ) = N ( s ) D ( s ) ,可知实平稳随机过程的功率谱 S x ( s )是实函 数和偶函数,可以推断S x ( s )的零极点分布具有以下性质: 1.复数零极点呈共轭对出现
2.复数零极点关于原点对称出现 3. 在 jω 轴上不存在极点
6.2.2 物理不可实现维纳滤波器的解
s (t ) 和 n (t )
互不相关
滤波器的幅频响应为 H ( jω) =
ht
:/ tp
H ( jω) =
Rgx (η ) = ∫ h ( λ ) Rx (η − λ ) d λ , − ∞ < η < ∞
−∞

S gx (ω) = H ( jω ) S x (ω)