维纳滤波器的应用.pptx

维纳滤波在自适应阵列处理中的应用 The application of Wiener Filter in adaptive array processing Outline 1.自适应阵列处理 3. 结论 2. 维纳滤波应用分析 1.自适应阵列处理 自适应阵列处理 自适应阵列 处理 空间采样处理技术 空域自适应 滤波 时域FIR 滤波器 通过天线阵列 对空间信号进行采样 自适应波束形成算法 1.增强有用信号 2.抑制空间干扰和噪声 期望的输出结果 形成期望的波束方向图 信号模型 D个窄带信号入射到M元ULA天线阵，（DM）每个接收信号x(k)都含有加性、零均值、高斯噪声，有： 接收信号 阵列流型：相位延迟 发送端信号 接收机噪声 空域滤波 波束形成器权重，e.g：滤波器参数 空域滤波，恢复信号。 空域滤波器设计 FIR Filter Frequency response: Spatial Filter spatial response: Applications of Arrays 2. 维纳滤波应用分析 维纳滤波应用分析 最小均方误差（MMSE）波束形成器 广义旁瓣相消器（GSC） 多级维纳滤波器（MWF） 维纳滤波应用分析 最小均方误差（MMSE）波束形成器 最小均方误差（MMSE）波束形成器 为参考信号， 参考信号要么与期望信号相同，要么强相关，而与干扰信号无关。 应用条件：需要一个期望输出（参考）信号 。 令 则目标为： 其中 是相关矢量， 是相关矩阵。 维纳滤波器的直接应用 维纳滤波应用分析 广义旁瓣相消器（GSC） 维纳滤波器 Wiener-Hopf方程： Wiener解： 和 只能对消掉彼此相关的信号分量， 这也正是自适应信号处理的本质所在：通过训练得到自适应权。 最小均方误差（MMSE） 应用：广义旁瓣相消器（GSC） 上支路： 下支路： 相关分量相消 维纳解： 使均方误差最小 线性约束广义旁瓣相消器（LC-GSC） 上支路： 下支路： 只剩非约束 干扰信号及噪声 约束条件的静态波束响应和非约束干扰信号及噪声 维纳滤波后的非约束 干扰信号及噪声 相关分量相消 Example 维纳滤波应用分析 多级维纳滤波器（MWF） 变换域维纳滤波器（TDWF） 1维子空间 N-1维子空间 变换域维纳滤波器（TDWF） 多级维纳滤波器（MWF） 分解过程，降维 滤波整合过程 多级维纳滤波器优点： 标量求逆 计算量小 r级阶段 降秩处理 Example 相控阵雷达，阵元数成千上万 降维 降秩 约束多级维纳滤波器（CMWF） DR-MWF LC-MWF 3. 结论 Summary MMSE Beamformer GSC Multi-WF MWF-GSC Wiener Filter 直接形式 间接形式 2013.6.8