分享
分享赚钱 收藏 举报 版权申诉 / 11

类型最佳滤波器.doc

  • 上传人:jinchen
  • 文档编号:7900049
  • 上传时间:2019-05-29
  • 格式:DOC
  • 页数:11
  • 大小:288KB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    最佳滤波器.doc
    资源描述:

    1、最佳滤波器一、实验目的、要求本实验的目的是在了解了 Matlab 编程语言的编程和调试的基础上,利用 Matlab 本身自带的函数来验证随机信号建模,并掌握子函数的编写方法。计算机根据理论模型生成随机数,学生需要根据观测的数据编程来计算随机过程的参数。本实验主要是为了让学生在充分理解不同的随机过程建模的理论方法的基础上,用计算机来认识理论和仿真模型之间的差异。要求包括以下几个部分:1要求独立完成实验的内容所要求的各项功能,编制完整的 Matlab 程序,并在程序中注释说明各段程序的功能。2要填写完整的实验报告,报告应包含程序、图形和结论。要求记录在实验过程中碰到的问题,以及解决的方法和途径。3

    2、实验报告是现场用 Word 填写并打印完成。个人或组必须在报告上署名。二、实验环境验所要求的设备: 每组包含完整的计算机 1 台;可共用的打印机 1 台,A4 纸张若干;计算机上安装的软件包括: Matlab 6.5 以上(应包含 Signal Processing Toolbox, Filter Design Toolbox) ; Word 2000 以上;三、实验原理实验内容包括 2 个,实验 1如果 是 1 阶的 AR 过程,其自相关序列为 , 。观测()dn()kdr01数据 包含期望信号 和零均值的不相关白噪声,方差为 ,()x 2v()va. 编写设计 阶 FIR 维纳滤波器的 M

    3、atlab 程序,要求能返回滤波器系数和均方误差;p代码:p=20;a=0.8;err=1;N=50;for k=1:prd(k)=ak;rx(k)=rd(k)+err;endrdx=rd;Coef,Err = Wienner_FIR(rx,rdx);stem(Coef);title(滤波器系数 );xlabel(n);b. 取 ,分别计算 的均方误差,并比较这些误差的大小。得出什0.81,20p么结论并解释原因。代码clear all; close all;a=0.8;N=200;v=randn(1,N);rv=xcorr(v,biased);for k=1:Nrd(k)=ak;endrx=

    4、rd+rv(N:end);rdx=rd;Er=;for p=1:20Coef,Err = Wienner_FIR(rx(1:p),rdx(1:p);Er=Er, Err;endplot(Er);title(不同阶数时均方误差变化 );xlabel(阶数p );ylabel(均方误差值);图形如图所示,随着 p 值的增大,最小均方误差先递减后保持不变。这是由于当极点一定时,滤波器能达到的最小均方误差是有极值的,当最小均方误差达到极值时,其值将保持在极值附近。c. 取 ,画出均方误差在 时的值,解释图中的结果。10p0.1,2,.9代码clear all; close all;err=1;N=20

    5、;Er=;p=10;v=randn(1,N);rv=xcorr(v,biased);for a=1:9; for k=1:Nrd(k)=(0.1*a)k;endrx=rd+rv(N:end);Coef,Err = Wienner_FIR(rx(1:p),rd(1:p);Er=Er, Err;enda=0.1:0.1:0.9;stem(a,Er);title(不同自相关系数滤波器均方误差变化 );xlabel(自相关系数 );ylabel(均方误差值);图形如图,极点越靠近 1 则最小均方误差越小。因为极点取值越靠近 1,估计量与被估计量的相关性就越强,从而使估计值更准确。实验 2. 本实验是介

    6、绍最佳滤波器在噪声抵消中的应用。令 ,其中()()xndgn是谐波过程 ,其中 , 是在 到 间均匀分布的()dn0()sin)d0.5随机变量。假定 是单位方差的白噪声,另一个噪声 和 相关,由另一个辅g2()v助传感器接收,两者的关系为 22()0.8()vnna. 分别编程实现 500 个 和 的样本;x2()v代码clear all;close all;N=500;w0=0.05*pi;phi=pi-2*pi*rand(1,500);g=randn(1,500);for n=1:Nd(n)=sin(n*w0+phi(n);endx=d+g;v2=filter(1,1,-0.8,g);f

    7、igure(1)subplot(2,1,1)plot(x);title(含噪声信号);xlabel( n);ylabel(函数值);subplot(2,1,2)plot(v2);title(接收信号 );xlabel(n);ylabel(函数值);图形b. 推导并设计编程由 来估计 的最佳 阶 FIR 滤波器的 Wiener-Hopf 方程;2()vn()gp代码p=n;rv2=xcorr(v2(1:p),biased);rv2g=xcorr(g(1:p),biased);Coef,Err = Wienner_FIR(rv2(p:end),rv2g(p:end);g1=filter(Coef,

    8、1,v2);figure(2)subplot(2,1,1)plot(g,r);title(白噪声信号g(n);xlabel(n);ylabel( 幅值);subplot(2,1,2)plot(g1,b);title(估计二阶白噪声信号 g1(n);xlabel(n);ylabel(幅值);图形c. 分别取 ,应用维纳噪声抵消器。画出所估计的过程 ,并计算比较不2,46p ()gn同滤波器的输出均方误差。代码clear all;close all;N=500;w0=0.05*pi;phi=pi-2*pi*rand(1,500);g=randn(1,500);for n=1:Nd(n)=sin(n

    9、*w0+phi(n);endx=d+g;v2=filter(1,1,-0.8,g);p=2;a=0.1;v0=v2+a*d(n);rv0=xcorr(v0(1:p),biased);rv0g=xcorr(g(1:p),biased);Coef,Err1 = Wienner_FIR(rv0(p:end),rv0g(p:end);g1=filter(Coef,1,v0);p=2;a=0.4;v0=v2+a*d(n);rv0=xcorr(v0(1:p),biased);rv0g=xcorr(g(1:p),biased);Coef,Err2 = Wienner_FIR(rv0(p:end),rv0g(

    10、p:end);g2=filter(Coef,1,v0);p=2;a=0.7;v0=v2+a*d(n);rv0=xcorr(v0(1:p),biased);rv0g=xcorr(g(1:p),biased);Coef,Err3 = Wienner_FIR(rv0(p:end),rv0g(p:end);g3=filter(Coef,1,v0);figure(1)subplot(4,1,1)plot(g,r);title(白噪声信号g(n);xlabel(n);ylabel( 幅值);axis(0,500,-3,3);subplot(4,1,2)plot(g1,b);title(p=2,a=0.1估

    11、计二阶白噪声g1(n);xlabel(n);ylabel(幅值 );axis(0,500,-3,3);subplot(4,1,3)plot(g2,b);title(p=2,a=0.4估计二阶白噪声g2(n);xlabel(n);ylabel(幅值 );axis(0,500,-3,3);subplot(4,1,4)plot(g3,b);title(p=2,a=0.7估计二阶白噪声g3(n);xlabel(n);ylabel(幅值 );axis(0,500,-3,3);Err1,Err2,Err3 图形d. 实际过程中,期望信号也可能会泄露到辅助传感器,此时维纳滤波器的性能会下降。为了从计算机中展

    12、示这种效果,假定输入到维纳滤波器的数据是 02()()vndn其中 是前面定义的噪声。计算并评价 时取不同 值时维纳噪声抵消器的2()vn2,46p性能,根据结果来得出自己的结论。代码clear all;close all;N=500;w0=0.05*pi;phi=pi-2*pi*rand(1,500);g=randn(1,500);for n=1:Nd(n)=sin(n*w0+phi(n);endx=d+g;v2=filter(1,1,-0.8,g);p=2;a=0.1;v0=v2+a*d(n);rv0=xcorr(v0(1:p),biased);rv0g=xcorr(g(1:p),bias

    13、ed);Coef,Err1 = Wienner_FIR(rv0(p:end),rv0g(p:end);g1=filter(Coef,1,v0);p=4;a=0.1;v0=v2+a*d(n);rv0=xcorr(v0(1:p),biased);rv0g=xcorr(g(1:p),biased);Coef,Err2 = Wienner_FIR(rv0(p:end),rv0g(p:end);g2=filter(Coef,1,v0);p=6;a=0.1;v0=v2+a*d(n);rv0=xcorr(v0(1:p),biased);rv0g=xcorr(g(1:p),biased);Coef,Err3

    14、= Wienner_FIR(rv0(p:end),rv0g(p:end);g3=filter(Coef,1,v0);figure(1)subplot(4,1,1)plot(g,r);title(白噪声信号 g(n);xlabel(n);ylabel(幅值);axis(0,500,-3,3);subplot(4,1,2)plot(g1,b);title(p=2,a=0.1 估计二阶白噪声 g1(n);xlabel(n);ylabel(幅值);axis(0,500,-3,3);subplot(4,1,3)plot(g2,b);title(p=4,a=0.1 估计二阶白噪声 g2(n);xlabel(n);ylabel(幅值);axis(0,500,-3,3);subplot(4,1,4)plot(g3,b);title(p=6,a=0.1 估计二阶白噪声 g3(n);xlabel(n);ylabel(幅值);axis(0,500,-3,3);Err1,Err2,Err3图形随着 a 的增加,估计的最小均方误差在变大,但是随 p 值的变化规律不变。成绩: 指导教师签名: 批阅日期:

    展开阅读全文
    提示  道客多多所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:最佳滤波器.doc
    链接地址:https://www.docduoduo.com/p-7900049.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    道客多多用户QQ群:832276834  微博官方号:道客多多官方   知乎号:道客多多

    Copyright© 2025 道客多多 docduoduo.com 网站版权所有世界地图

    经营许可证编号:粤ICP备2021046453号    营业执照商标

    1.png 2.png 3.png 4.png 5.png 6.png 7.png 8.png 9.png 10.png



    收起
    展开