现代信号处理_张贤达_课件

1、交换膜对水中阴、阳离子的选择透过性,在外加直流电场作用下,海水中溶解盐的离子转移到另一部分海水中使海水淡化的方法。
感悟思考 1.海水淡化的目的是什么? 提示：海水淡化的目的是利用物理或化学方法除去海水中的无机盐以获得淡水。
,目标导航,一,二,预习导引,三,二、纯水的制造 1.水的硬度。
(1)硬水:溶有较多Ca2+、Mg2+的水。
(2)水的硬度:以1 L水中含10 mg CaO(或相当于10 mg CaO)为1度来表示。
2.水处理技术。
(1)核心:减少或除去水中的各种杂质离子。
(2)方法。
离子交换法是使离子交换树脂上的离子与水中的离子进行交换,以除去水中的阴、阳离子的方法。
阳离子交换树脂(HR)与金属离子Mn+的反应为,目标导航,一,二,预习导引,三,阴离子交换树脂(ROH)与阴离子Ym-的反应为交换树脂用酸或碱处理可重新恢复交换能力,该过程叫做树脂的再生。
膜分离法:包括电渗析和反渗透两种广泛应用的技术。
感悟思考 2.海水淡化因能耗大,成本高,不能形成规模化生产,此观点对吗? 提示：不对。
海水淡化耗能大,成本高,这是传统海水淡化法,现在。

2、0%,教材及参考书,张贤达，现代信号处理第二版，清华大学出版社，北京，200 胡广书，现代信号处理教程 ，清华大学出版社，北京，200 邹谋炎，反卷积和信号复原，国防工业出版社，北京，200 杨绿溪，现代数字信号处理，科学出版社，北京，200 丁玉美，数字信号处理时域离散随机信号处理，西安电子科技大学出版社，200 Roberto Cristi, Modern Digital Signal Processing, Thomson-Brooks/Cole，200,课程主要内容,第一章 信号分析基础 第二章 高阶统计和高阶谱方法 第三章 时频分析 第四章 多抽样率信号处理 第五章 现代信号处理的前沿技术,1、高阶统计和高阶谱方法,功率谱只揭示了该随机序列的幅度信息，而没有反映出其相位信息。
要准确描述随机信号，仅使用二阶统计量是不够的，还要使用高阶统计量。
,2、 时频分析技术,有效地克服了傅里叶变换存在的不足,STFT,WT,FT,3、 多抽样率处理技术,信号的子带分解：将信号的频谱均匀或非均匀地分解成若干部分，每一部分都对应一个时间信号。
,。

3、现代信号处理教程图5.2.1,频域表示：,将信号 作M倍的抽取后，所得信号 的频谱等于原信号 的频谱先作M倍的扩展，再在 轴上作 的移位，幅度降为原来的1/M后再叠加。
,图5.2.2 信号抽取后频谱的变化 注：见胡广书现代信号处理教程图5.2.2,M=3,注：见杨绿溪现代数字信号处理图8.3,M=2,抽取滤波器的频响特性：由于M是可变的，所以很难要求在不同的M下都能保证 。
防止抽取后在 中出现混叠的方法是在对 抽取前先进行低通滤波，压缩其频带。
,图5.2.4 先滤波再抽取后的频谱的变化 注：见胡广书现代信号处理教程图5.2.4,信号的插值,增加抽样率以增加数据的过程称为信号的“插值”。
时域表示：,图5.3.1信号的插值 注：见胡广书现代信号处理教程图5.3.1,频域表示：,图5.3.2 插值后对频域的影响 注：见胡广书现代信号处理教程图5.3.2,插值滤波器的频响特性：实现有效插值的方法是将 再通过一个低通滤波器，即,图5.3.3 插值。

4、结果，自动地调节现时刻的滤波器参数，以适应信号与噪声未知的或随时间变化的统计特性，从而实现最优滤波。
,维纳滤波器的输入输出关系,自适应滤波器原理图,e(n)=d(n)-y(n),自适应滤波器H(z)的系数根据误差信号，通过一定的自适应算法，不断地进行改变， 使输出y(n)最接近期望信号d(n)。
实际中，d(n)要根据具体情况进行选取。
,自适应滤波器的特点： 滤波器的参数可以自动地按照某种准则调整到最佳滤波，是一种最佳的时变数字滤波器； 实现时不需要任何关于信号和噪声的先验统计知识； 具有学习和跟踪的性能。
,2、自适应数字滤波器的应用,1967年由美国B.Windrow 及Hoff等人提出自适应数字滤波算法，主要用于随机信号处理。
自提出以来，自适应滤波器发展很快，在各个方面得到了广泛的应用： 系统模型识别； 通信信道的自适应均衡； 雷达与声纳的波束形成； 消除心电图中的电源干扰； 噪声中信号的检测、跟踪、 增强和线性预测等。
,自适应滤波器分类：FIR自适应滤波器、IIR自适应滤波器最小均方误差（LMS）自适应滤波器、最小二乘（LS）自适应滤波器横向结构、格型结构,3.2 LMS自适。

5、主要问题2,信号处理技术研究目的：提高信号质量； 主要内容： 维纳滤波理论（平稳条件下）； 卡尔曼滤波理论（非平稳条件下）； 自适应滤波理论；,课程特点,现代数字信号处理的基本概念、基本理论和分析方法；结合有关问题，介绍其在相关领域的应用。
,课程讲述线索,本课程采用对不同处理对象的线索来讲解： 确定性信号随机信号； 平稳信号处理非平稳信号处理; 时域频域时频分析;根据处理对象和应用背景的不同而选择相应的处理方法,课程主要内容,第一章 时域离散随机信号的分析 第二章 维纳滤波和卡尔曼滤波 第三章 自适应数字滤波器 第四章 功率谱估计 第五章 时频分析,成绩评定,课堂成绩 闭卷考试,教材及参考书,教材： 张贤达，现代信号处理第二版，清华大学出版社，北京，200 丁玉美，数字信号处理时域离散随机信号处理，西安电子科技大学出版社，200参考书： 胡广书，数字信号处理理论、算法与实现第二版，清华大学出版社，北京，200 Roberto Cristi, Modern Digital Signal Processing, Thomson-Brooks/Cole。

6、出了递推最小二乘算法：,3,Pajunnen的RLS算法,4,自然梯度RLS算法,以上的RLS算法是从非线性PCA准则出发的一种随机梯度算法。
Zhu和Zhang 2 从自然梯度角度出发提出了一种收敛速度更快的RLS算法。
首先利用正交约束下的自然梯度公式67：给出盲信号分离最佳权系数矩阵：,5,自然梯度RLS算法（续）,然后再运用矩阵求逆引理10，便得到权系数矩阵更新的RLS算法：,6,六、卷积信道的盲信号分离,实际信号的混合都是有时延的情况，如通信信道、语音信号的混合等，通常这样的混合模型简化如下：“*”是卷积运算， 是多通道系统的脉冲响应。
我们的目的就是设计一组逆滤波器 使得：,7,卷积信道的主要方法,对于卷积信道的盲分离目前主要存在着三大类方法： 频域中的盲信号分离方法 时域中的盲信号分离方法 频域和时域相结合的盲信号分离方法,在频域方法里，首先对接收到的混合信号做短时FFT变换，这样时域的卷积模型在频域里就变成了瞬时混合模型：,8,频域盲信号分离,因此在频域里我们可以应用瞬时混合信道的盲信号分离方法，例如将原来的Bell 和Amari的ICA准则。

7、分析,课程特点及考核,课程特点 现代信号处理的主要理论、方法和应用“与前沿接轨” 数学知识（矩阵分析、数理统计、最优化） 创新能力的培养 考核方式 习题（11%） 计算机仿真（实验3次，24%） 考试（65%）,第一章 随机信号,本章主要介绍随机信号的基本概念：相关函数、功率谱密度、两个信号的正交、统计不相关和统计独立、相干信号以及它们的几个典型应用。
,信号信息的载体,1.信号分类,统计特性,按概率分布分类,随机信号：也叫随机过程、时间序列。
高斯信号：概率密度函数服从正态分布的随机信号 非高斯信号：概率密度函数服从非正态分布的随机信号。
,平稳信号（统计量与时间无关）广义平稳的条件强平稳、狭义平稳,平稳信号,严格平稳广义平稳，但反之一般不成立。
高斯信号：严格平稳广义平稳 非平稳信号（nonstationary signal）凡不是广义平稳的信号遍历性,平稳信号（续）,互相关函数,2.两个随机信号的二阶统计量,互协方差函数功率谱：协方差函数的Fourier变换,2.两个随机信号的二阶统计量（续）,互相关系数相干信号(coherent)拷贝信号相干积累：收集相干信号，以提高接收机。