维纳最速下降法滤波器,卡尔曼滤波器设计及 Matlab 仿真
1. 滤波问题浅谈
估计器或滤波器这一术语通常用来称呼一个系统,设计这样的系统是为了从含有噪声的数据
中提取人们感兴趣的,接近规定质量的信息.由于这样一个宽目标,估计理论应用于诸如通信、
雷达、声纳、导航、地震学、生物医学工程、金融工程等众多不同的领域。例如,考虑一个数
字通信系统,其基本形式由发射机、信道和接收机连接组成.发射机的作用是把数字源(例如
计算机)产生的 0、1 符号序列组成的消息信号变换成为适合于信道上传送的波形。而由于符
号间干扰和噪声的存在,信道输出端收到的信号是含有噪声的或失真的发送信号。接收机的作
用是,操作接收信号并把原消息信号的一个可靠估值传递给系统输出端的某个用户。随着通信
系统复杂度的提高,对原消息信号的还原成为通信系统中最为重要的环节,而噪声是接收端需
要排除的最主要的干扰,人们也设计出了针对各种不同条件应用的滤波器,其中最速下降算法
是一种古老的最优化技术,而卡尔曼滤波器随着应用条件的精简成为了普适性的高效滤波器.
2.维纳最速下降算法滤波器
2.1 最速下降算法的基本思想
考虑一个代价函数 ,它是某个未知向量 的连续可微分函数.函数 将 的元素映射为
实数。这里,我们要寻找一个最优解 。使它满足如下条件
(2.1)
这也是无约束最优化的数学表示。
特别适合于自适应滤波的一类无约束最优化算法基于局部迭代下降的算法:
从某一初始猜想 出发,产生一系列权向量 ,使得代价函数 在算法的每一