现代信号处理研究生课程报告

华南师范大学

现代信号处理

课程设计

课程名称：现代信号处理

课程题目： wiener滤波器和kalman滤波器

的原理分析及其matlab实现

指导老师：李xx

专业班级： 2015级电路与系统

姓名： xxxx

学号： xxxx

wiener滤波器和kalman滤波器的原理分析及

matlab实现

摘要：信号处理的实际问题，常常是要解决在噪声中提取信号的问题，因此，我们需要寻找一种所谓有最佳线性过滤特性的滤波器。这种滤波器当信号与噪声同时输入时，在输出端能将信号尽可能精确地重现出来，而噪声却受到最大抑制。Wiener滤波Kalman滤波就是用来解决这样一类从噪声中提取信号问题的一种过滤(或滤波)方法[1]。

Wiener滤波与Kalman滤波都是解决最佳线性过滤和预测问题，并且都是以均方误差最小为准则的。但与Wiener滤波器不同的是，Kalman滤波器是一种自适应滤波器，Kalman滤波器提供了推导称作递推最小二乘滤波器的一大类自适应滤波器的统一框架。

关键词：Wiener滤波Kalman滤波均方误差最小自适应滤波器

目录

第一章绪论 (4)

1.1滤波器的发展历程 (4)

1.2 现代信号处理的滤波器分类 (5)

1.3 wiener和kalman滤波各自的运用领域 (6)

1.3.1 wiener滤波的运用范围 (6)

1.3.2 kalman滤波的运用范围 (6)

第二章 wiener和kalman的各自的滤波原理 (7)

2.1 wiener滤波器的原理分析 (7)

2．2维纳-霍夫方程 (9)

2.2 kalman滤波的自适应原理分析 (11)

2.3 wiener滤波和kalman滤波的区别与联系 (13)

第三章 wiener和kalman滤波的matlab仿真实现 (14)

3.1 FIR维纳滤波器的matlab实现 (14)

3.2 kalman滤波器的matlab实现 (19)

第四章总结与展望 (23)

参考文献 (25)

第一章绪论

1.1滤波器的发展历程

从滤波器的发展现状来看，滤波器从处理信号的类型可以分为模拟滤波器和数字滤波器，模拟滤波器可分为无源滤波器(Passive filter)和有源滤波器(Active filter)，而数字滤波器已可用计算机软件实现，也可用大规模集成数字硬件实时实现。本文主要针对数字滤波器。

从形式上看，数字滤波有线性滤波和非线性滤波。线性滤波是指卷积滤波，又分为频域滤波和时域滤波，在实域中根据滤波方式又分为递归滤波和递归滤波。非线性滤波主要是指同态滤波，它是用取对数的方法将非线性问题线性化。

近些年，线性滤波方法，如Wiener滤波、Kalman滤波和自适应滤波得到了广泛的研究和应用[2]。同时一些非线性滤波方法，如小波滤波、同态滤波、中值滤波和形态滤波等都是现代信号处理的前沿课题，不但有重要的理论意义，而且有广阔的应用前景。Wiener滤波是最早提出的一种滤波方法，当信号混有白噪声时，可以在最小均方误差条件下得到信号的最佳估计。但是，由于求解Wiener-Hoff方程的复杂性，使得Wiener滤波实际应用起来很困难，不过Wiener 滤波在理论上的意义是非常重要的，利用Wiener滤波的纯一步预测，可以求解信号的模型参数，进而获得著名的Levinson算法。

Kalman滤波是20世纪60年代初提出的一种滤波方法。与Wiener滤波相似，它同样可以在最小均方误差条件下给出信号的最佳估计。所不同的是，这种滤波技术在时域中采用递推方式进行，因此速度快，便于实时处理，从而得到了广泛的应用。Kalman滤波推广到二维，可以用于图象的去噪。当假设Wiener滤波器的单位脉冲响应为有限长时，可以采用自适应滤波的方法得到滤波器的最佳响应。由于它避开了求解Wiener-Hoff方程，为某些问题的解决带

来了极大的方便阔。小波滤波就是利用信号和噪声的目的。同态滤波主要用于解决信号和噪声之间不是相加而是相乘关系时滤波问题。另外，当信号和噪声之间为卷积关系的时候，在一定条件下可以利用同态滤波把信号有效地分离开来，由同态滤波理论引申出的复时谱也成为现代信号处理中极为重要的概念.Wiener滤波、Kalman滤波等自适应滤波都是线性滤波，线性滤波的最大缺点就是在消除噪声的同时，会造成信号边缘的模糊。中值滤波是20世纪70年代提出的一种非线性滤波方法，它可以在最小绝对误差条件下，给出信号的最佳估计。这种滤波方法的优点，就是能够保持信号的边缘不模糊。另外它对脉冲噪声也有良好的清除作用。形态滤波是建立在集合运算上的一种非线性滤波方法，它除了用于滤除信号中的噪声外，还在图象分析中发挥了重要的作用。

1.2 现代信号处理的滤波器分类

数字滤波分空间域和频率域的方法。空间域的滤波处理，是根据平滑窗口内的统计值或自适应参数进行处理，很难达到在消除相干斑噪声的同时又能很好地保留边缘和纹理细节的理想状态。一般只能在相干斑噪声消除和细节信息保留两个方面进行折衷，综合这两个方面的较好效果。频率域的傅立叶变换能够进行高频或低频的带通滤波，但不能区分噪声和信息相近的频率。基于小波分析的方法由于具有多分辨率和时频联合分析的特征，使得频率域的去噪有了更好的途径。

空间域的几种著名滤波器可分为以下两类：传统方法、局域统计自适应滤波方法。均值滤波器和中值滤波器属于经典传统滤波器范畴。传统方法在对SAR影像进行滤波时，对噪声和边缘信息是不加区分的。为了解决传统方法存在的问题，人们提出了各种形式的自适应滤波器，自适应滤波器一般通过局域统计参数的调节，对噪声进行较强的平滑，而对边缘则尽量予以保留[3]。

基于频率域的滤波方法有Fourier变换滤波方法以及近年兴起的小波变换滤波的方法，传统的建立在傅里叶变换基础上的频率域滤波方法在提高信噪比和提高空间分辨率两项指标上存在矛盾。低通滤波能较好地平滑抑制噪声，但同时也模糊了图像的边缘。高通滤波可以使边缘更加陡峭，但背景噪声同时也