电子科技大学：《信号处理理论与算法》课程教学资源（课件讲稿）第二部分 CH04 自适应滤波

匹配滤波器 白化滤波器： P(o)=a2（0+)…(0+3n) (0+p)…(0+pn) (0+a…(j0+a,)][ (-j0+a)…(-j0+ag) (j0+阝)…(j0+Bn) (-j0+B)…(-j0+B。) 左半平面 右半平面 (物理可实现) (物理不可实现) P(@)=P(@)P.(@) W(o)=p*(o)

匹配滤波器 白化滤波器： 2 1 1 1 1 1 1 ( )( ) ( ) ( )( ) ( )( ) ( )( ) ( )( ) ( )( ) n x n q q p p z z P p p jj j j jj j j                                                左半平面 (物理可实现) 右半平面 (物理不可实现) () () () P PP x xx       1 ( ) ( ) x W P    

Viener滤波器 需求： IIR &FIR 线性、离散；估计、预测 u(n) w y(n） y(n)=∑wu(n-k) k=0 误差信号 e(n)=d(nm)-y(n）=d(n)-∑wu(n-k) k0 均方误差 用统计方法，大量的数求平均，提出均方误差最小准则，即 输出信号与输入信号之间误差最小，测量数据越多，则越准确。 J(n)=E e(n)Ee(n)e(n)

Wiener滤波器 需求： 线性、离散；估计、预测 * 0 () ( ) k k y n wu n k      wk u n( ) y n( ) IIR & FIR 均方误差 用统计方法，大量的数求平均，提出均方误差最小准则，即 输出信号与输入信号之间误差最小，测量数据越多，则越准确。     2 * J n E en E ene n () () () ()   * 0 () () () () ( ) k k en d n y n d n wu n k   误差信号    