当前课程知识点:现代数字信号处理 >  第四章 自适应滤波器 >  4.2 维纳滤波器 >  4.2 维纳滤波器

返回《现代数字信号处理》慕课在线视频课程列表

4.2 维纳滤波器在线视频

下一节:4.3 Kalman滤波

返回《现代数字信号处理》慕课在线视频列表

4.2 维纳滤波器课程教案、知识点、字幕

上节课我们介绍了一种最优滤波器

匹配滤波器的原理

这节课我们讨论

另外一种常用的最优滤波器

Wiener滤波器

本节课包括两部分内容

维纳滤波器的设计原理

和维纳滤波器的求解

首先我们来看第一个部分

维纳滤波器的设计原理

我们待设计的滤波器的结构图

如图所示

假设我们接收或观测信号为

x(n)=d(n)+v(n)

式中d(n)为期望信号

v(n)为噪声

令h(n)是滤波器的时不变冲激响应函数

H(w)为滤波器的传递函数

维纳滤波器的设计准则是

使输出滤波器的均方估计误差为最小

即最小均方误差准则

那么设计维纳滤波器的任务

实际上就是选择h(n)

使其输出信号y(n)

与期望信号d(n)

误差的均方值为最小

假设滤波系统h(n)

是一个线性时不变系统

它的单位脉冲响应和输入信号都是复函数

设定h(n)= a(n) + jb(n)

则滤波器的输出y(n)

等于x(n)与h(n)的卷积

误差信号e(n)=d(n) - y(n)

进而得到均方误差J(n)

等于误差信号的模的平方的均值

等于d(n)-y(n)的模的平方的均值

等于d(n)与h(m)乘以x(n-m)

m从0到正无穷上求和的

差值的模的平方的均值

以上是维纳滤波器的设计原理

接下来我们分析一下维纳滤波器的求解

要使均方误差为最小

须满足均方误差对h的偏导为0

根据偏导的性质

需满足均方误差对a的偏导

减去j乘以对b的偏导为0

也就是以下式子为0

根据误差信号的公式可得误差信号

和其转置分别对a和b求偏导的公式

所以有均方误差对hj的偏导

等于负的2倍的E的x(n-j)

乘以e(n)的共轭等于0

因此

E的x(n-j)乘以e(n)的共轭等于0

j等于0,1,2等等

也就是说

均方误差达到最小值的充要条件

是误差信号与任一进入估计的输入信号正交

这就是通常所说的正交性原理

另一方面

输出信号与误差信号的互相关函数E的y(n)

乘e(n)的共轭等于E的h(j)

乘x(n-j)乘e(n)的共轭

在j从0到正无穷进行求和

就等于h(j)乘E的x(n-j)乘e(n)的共轭

在j从0到正无穷进行求和

假定滤波器工作于最佳状态

滤波器的输出yopt(n)

与期望信号d(n)的误差为eopt(n)

此时E的yopt(n)乘以eopt(n)的共轭等于0

该式表明

当滤波器工作在最优条件时

由滤波器输出定义的期望响应的估计yopt(n)

与相应的估计误差eopt(n)

彼此正交

这一结果称为正交性原理的引理

将E的x(n-j)乘以e(n)的共轭等于0

j等于0,1,2等等这个式子进行展开

得到E的x(n-k)乘以d(n)的共轭

减去h(m)的共轭乘以x(n-m)

的共轭对m从0到正无穷加和等于0

进一步展开可以得到

rdx(-k)等于h(m)的共轭

乘以x的自相关函数m-k

对m从0到正无穷加和

对上面这个式子两边取共轭

利用相关函数的性质ryx(-k)

等于rxy(k)的共轭得到rxd(k)

等于h(m)乘以x的自相关函数k-m

对m从0到正无穷加和

也就等于h(k)

与x的自相关函数的卷积

这就是著名的Wiener-Hopf方程

原则上

若滤波器输入的自相关函数

以及输入与期望响应之间的

互相关函数rxd可以估计

则求解维纳霍夫方程

即可获得最优滤波器的系数

从而完成最优滤波器的设计

然而

对于无限长单位脉冲响应滤波器而言

求解维纳霍夫方程是不可现实的

因为需要求解无穷多个方程

如果滤波器的冲激响应系数

只有有限个

那么滤波器设计将大大简化

当h(n)是一个长度为M的

因果序列(即h(n)是一个长度为M的

有限长单位脉冲响应滤波器时

维纳-霍夫方程表述为

rxd(k)等于h(m)乘以x的自相关函数

k-m对m从0到M-1上进行加和

也就等于h(k)与x的自相关函数的卷积

对其进行展开可以得到

当k=0时

h1乘以rxx0加h2乘以rxx1加等等等

加hM乘以rxxM-1等于rxd0

当k=1时

h1乘以rxx1加h2乘以rxx0加等等等

加hM乘以rxxM-2等于rxd1

以此类推

当k=M-1时

h1乘以rxxM-11加h2乘以rxxM-2加等等等

加hM乘以rxx0等于rxdM-1

这时我们定义向量h是由h1 h2

一直到hM组成的向量

向量Rxd是由rxd0 rxd1

一直到rxdM-1组成的向量

矩阵Rxx是由rxx0到rxxM-1组成的矩阵

那么维纳-霍夫方程可用矩阵形式表示为

向量Rxd等于矩阵Rxx乘以向量h

则维纳滤波器的冲激响应

等于矩阵Rxx的逆乘以向量Rxd

因此

维纳滤波器最优冲激响应的计算

需已知以下统计量

第一 输入向量x(n)的自相关矩阵Rxx

输入向量x(n)与期望响应d(n)

的互相关向量Rxd

以上便是维纳滤波器的全部内容

谢谢大家

现代数字信号处理课程列表:

第一章 随机信号

-1.1 基本概念

--1.1 基本概念

-1.2 随机信号的比较、变换

--1.2 随机信号的比较、变换

-第一章 作业

--第一章 作业

第二章 参数估计理论

-2.1 估计量的性质

--2.1 估计量的性质

-2.2 Bayes 估计

--2.2 Bayes 估计

-2.3 最大似然和最小二乘

--2.3 最大似然和最小二乘

-2.4 线性均方估计

--2.4 线性均方估计

-第二章 作业

--第二章 作业

第三章 现代谱估计

-3.1 离散随机过程与非参数化谱估计

--3.1 离散随机过程与非参数化谱估计

-3.2 ARMA谱估计

--3.2 ARMA谱估计

-3.3 最大熵谱估计

--3.3 最大熵谱估计

-3.4 Pisarenko谐波分解法

--3.4 Pisarenko谐波分解法

-3.5 MUSIC方法

--3.5 MUSIC方法

-3.6 ESPRIT方法

--3.6 ESPRIT方法

-第三章 作业

--第三章 作业

第四章 自适应滤波器

-4.1 匹配滤波器

--4.1 匹配滤波器

-4.2 维纳滤波器

--4.2 维纳滤波器

-4.3 Kalman滤波

--4.3 Kalman滤波

-4.4 LMS类自适应算法

--4.4 LMS类自适应算法

-4.5 RLS自适应算法

--4.5 RLS自适应算法

-第四章 作业

--第四章 作业

第六章 时频信号分析---线性变换

-6.1 信号的局部变换

--6.1 信号的局部变换

-6.2 短时傅里叶变换

--6.2 短时傅里叶变换

-6.3 Gabor变换

--6.3 Gabor变换

-6.4 小波变换

--6.4 小波变换

-第六章 作业

--第六章 作业

第七章 时频信号分析---非线性变换

-7.1 时频分布的一般理论

--7.1 时频分布的一般理论

-7.2 Wigner-Ville分布

--7.2 Wigner-Ville分布

-7.3 模糊函数

--7.3 模糊函数

-7.4 cohen类时频分布

--7.4 cohen类时频分布

-第七章 作业

--第七章 作业

4.2 维纳滤波器笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。