实验五不同滤波器的比较

比较维纳滤波器、卡尔曼滤波器、匹配滤波器、自适应滤波器的异同

一、维纳滤波器

维纳滤波器是由数学家维纳提出的一种以最小平方为最优准则的线性滤波器。在一定的约束条件下，其输出与一给定函数（通常称为期望输出）的差的平方达到最小，通过数学运算最终可变为一个托布利兹方程的求解问题。维纳滤波是利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法。

设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差，对该误差求均方，即为均方误差。因此均方误差越小，噪声滤除效果就越好。为使均方误差最小，关键在于求冲激响应。如果能够满足维纳－霍夫方程，就可使维纳滤波器达到最佳。根据维纳－霍夫方程，最佳维纳滤波器的冲激响应，完全由输入自相关函数以及输入与期望输出的互相关函数所决定。

维纳滤波器的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。对某些问题，还可求出滤波器传递函数的显式解，并进而采用由简单的物理元件组成的网络构成维纳滤波器。

维纳滤波器的缺点是，要求得到半无限时间区间内的全部观察数据的条件很难满足，同时它也不能用于噪声为非平稳的随机过程的情况，对于向量情况应用也不方便。因此，维纳滤波在实际问题中应用不多。

实现维纳滤波的要求是：①输入过程是广义平稳的；②输入过程的统计特性是已知的。根据其他最佳准则的滤波器亦有同样要求。

二、卡尔曼滤波器

卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。

状态估计是卡尔曼滤波的重要组成部分。一般来说，根据观测数据对随机量进行定量推断就是估计问题，特别是对动态行为的状态估计，它能实现实时运行状态的估计和预测功能。最常用的是最小二乘估计，线性最小方差估计、最小方差估计、递推最小二乘估计等。卡尔曼提出的递推最优估计理论，采用状态空间描述法，在算法采用递推形式，卡尔曼滤波能处理多维和非平稳的随机过程。

卡尔曼滤波器基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于实时处理和计算机运算。卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。

三、匹配滤波器

匹配滤波器指滤波器的性能与信号的特性取得某种一致，使滤波器输出端的信号瞬时功率与噪声平均功率的比值最大。即当信号与噪声同时进入滤波器时，它使信号成分在某一瞬间出现尖峰值，而噪声成分受到抑制。使滤波器输出信噪比在某一特定时刻达到最大，由此而导出的最佳线性滤波器称为匹配滤波器。通常匹配滤波器的输出信号就是输入信号的自相关函数，因此常常把匹配滤波器当做一个相关器。在数字通信中，匹配滤波器具有更广泛的。

四、自适应滤波器

根据环境的改变，使用自适应算法来改变滤波器的参数和结构。这样的滤波器就称之为自适应滤波器。自适应滤波器的系数是由自适应算法更新的时变系数。自适应滤波器的最重要的

www.99jianzhu.com/包含内容：建筑图纸、PDF/word/ppt 流程，表格，案例，最新,免费下载,施工方案、工程书籍、建筑论文、合同表格、标准规范、CAD图纸等内容。