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
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
-1.1 基本概念
--1.1 基本概念
-1.2 随机信号的比较、变换
-第一章 作业
--第一章 作业
-2.1 估计量的性质
-2.2 Bayes 估计
-2.3 最大似然和最小二乘
-2.4 线性均方估计
-第二章 作业
--第二章 作业
-3.1 离散随机过程与非参数化谱估计
-3.2 ARMA谱估计
-3.3 最大熵谱估计
-3.4 Pisarenko谐波分解法
-3.5 MUSIC方法
-3.6 ESPRIT方法
-第三章 作业
--第三章 作业
-4.1 匹配滤波器
-4.2 维纳滤波器
-4.3 Kalman滤波
-4.4 LMS类自适应算法
-4.5 RLS自适应算法
-第四章 作业
--第四章 作业
-6.1 信号的局部变换
-6.2 短时傅里叶变换
-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
-7.1 时频分布的一般理论
-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
-第七章 作业
--第七章 作业