资源描述:
《《维纳滤波》word版》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、第3讲:Wiener滤波Wiener滤波器是从统计意义上的最优滤波,它要求输入信号是宽平稳随机序列,本章主要集中在FIR结构的Wiener滤波器的讨论。由信号当前值与它的各阶延迟,估计一个期望信号,输入信号是宽平稳的,和是联合宽平稳的,要求这个估计的均方误差最小.。Wiener滤波器的几个实际应用实例如下:①通信的信道均衡器。图1.信道均衡器的结构示意②系统辨识:图2.线性系统辨识的结构③一般结构:12图3.Wiener滤波器的一般结构Wiener滤波器的目的是求最优滤波器系数,使最小。§3.1从
2、估计理论观点导出Wiener滤波FIR结构(也称为横向)的Wiener滤波器的核心结构如图4所示.图4.横向Wiener滤波器为了与第2讲中估计理论一致,假设信号,滤波器权值均为实数由输入和它的1至(M-1)阶延迟,估计期望信号,确定权系数使估计误差均方值最小,均方误差定义为:这里估计写为:除了现在是波形估计外,与线性Bayesian估计一一对应。12R(零均值假设)这里,Wiener滤波与线性Bayesian估计变量之间具有一一对应关系,设最优滤波器系数为,由线性Bayesian估计得到Wien
3、er滤波器系数对应式:上式后一个方程称为Wiener-Hopf方程,或结论:1)Wiener滤波器是线性FIR滤波器中的最优滤波器,但非线性滤波可能会达到更好结果。2)在联合高斯条件下,Wiener滤波也是总体最优的(①从Bayesian估计意义上讲是这样,②要满足平稳条件)3)从线性贝叶斯估计推导过程知,在滤波器系数取非最优的w时,其误差性能表示:它是w的二次曲面,只有一个最小点,时,§3.2维纳滤波:从正交原理和线性滤波观点分析Wiener滤波器Wiener滤波器是一个最优线性滤波器,图3是一
4、个一般表示框图,滤波器核是IIR或FIR的,为了导出后续常用的一些工具,我们导出最优滤波器的正交原理,并从正交原理出发重新导出一般的Wiener滤波器方程,先推导适应于IIR和FIR的一般结论,然后重点讨论FIR。讨论一般的复数形式。·输入过程。·滤波器系数,(权系数)·希望的响应d[n]·输出误差:12·正交性原理对复数据情况,推导一般结论,实数据是特例。均方误差是:设权系数定义递度算子其中符号是递度算子作用于J,其中第k项为:要求的值,使得J最小,即或等价:将代入递度算子得到:由得到:12代入
5、表达式整理得:当时,J达到最小。设J达最小时,用表示权系数和误差e[n],且则有:,和,以上两式为正交性原理,达到最优滤波时,误差和输入正交。推论:·最小均方误差:在达最优时,也写成:,表示由张成的空间对d[n]的估计(最优线性估计)。也可以写成:由和正交性得:12即:·维纳-霍夫方程(Wiener-Hopf)由正交性原理即:得:由于:得:这就是Wiener-Hopf方程,解此方程,可得到最优权。对于M阶FIR滤波器,(横向滤波器)wiener-Hopf方程变为:,·矩阵形式:令和112Winer
6、-Hopf方程写为:这里解方程求得:·再看最小均方误差由得则分析:由正交原理导出Wiener滤波器和从线性贝叶斯估计得到wiener滤波器,分别得到一些有益的启示,从估计理论看,Wiener滤波器只是一个线性Beyesian估计,它是最优估计的一个线性逼近,只有在高斯情况下,它才是真正的最优滤波器,在其它分布情况下,非线性滤波器可以达到比线性最优滤波器更优的结果.从一般线性最优滤波器的正交原理出发,我们容易忽视这些限制。·误差性能表面12由直接代入整理得:由上式,可以看出,J是Wk的二次曲面,是碗
7、状曲面,碗口向上,Jmin在碗底,其实,由上式直接对wk求导,得到一组方程,正是wiener-Hopf方程。上式也可以直接写成矩阵形式它可以整理成如下形式:上式在时,达最小,性能表面也可以写成:由于故令通过坐标变换,得到如上规范形式,对于一个给定,有:12这是超相圆,为其一个轴。数值例子:①希望响应是一个AR(1)过程,,是白噪声,,由白噪声驱动的产生该过程的传输函数为:②经过了一个通信信通,信道的传输函数为,并加入了白噪声即:通道模型如图5所示:图5.通道模型③求解:一个二阶FIR结构Wiene
8、r滤波器,目的是由u[n]恢复d[n]解:①是一个过程,②在中,是一个二阶过程,相当于12由二阶参数,确定,由Yule-walker方程:反解.得由上确定x[n]的自相关矩阵为:但:③求由:,和代入上式12得:故④性能表面⑤最优系数⑥最小均方误差:①规范误差性能表面解12这是一个随圆,主轴,副轴性能表面等高线如图6.图6.性能表面的等高线12