现代数字信号处理习题Word格式文档下载.doc

现代数字信号处理习题Word格式文档下载.doc

《现代数字信号处理习题Word格式文档下载.doc》由会员分享，可在线阅读，更多相关《现代数字信号处理习题Word格式文档下载.doc（68页珍藏版）》请在冰豆网上搜索。

或

步骤6状态估计

步骤7状态估计自相关矩阵

或

步骤8重复步骤1-7，进行递推滤波计算

4、经典谱估计方法：

直接法：

又称为周期图法，它把随机序列x（n）的N个观测数据视为一能量有限的序列，直接计算x（n）的离散傅里叶变换，得到X（k）,然后再取其幅值的平方，并除以N，作为序列x（n）的真实功率普估计

自相关法：

1949年，Tukey根据Wiener—Khintchine定理提出了对有限长数据进行谱估计的自相关法，即利用有限长数据估计自相关函数，再对该自相关函数球傅立叶变换，从而得到谱的估计。

1958年，Blackman和Tukey在出版的有关经典谱估计的专著中讨论了自相关谱估计法，所以自相关法又叫BT法。

5、假定输入信号{x（t）}是一个零均值的高斯白噪声，其功率谱为，且线性系统的冲激响应为

求输出y（t）=x（t）*h（t）的功率谱及协方差函数。

由题知，系统的传递函数为

有此得

由输出功率谱与输入功率谱、系统函数之间的关系，得

输出的协方差函数为功率谱的傅里叶反变换，故有

6、BT谱估计的理论根据是什么？

请写出此方法的具体步骤。

答：

（1）相关图法又称BT法，BT谱估计的理论根据是：

通过改善对相关函数的估计方法，来对周期图进行平滑处理以改善周期图谱估计的方差性能。

（2）此方法的具体步骤是：

①给出观察序列，估计出自相关函数：

②对自相关函数在（-M，M）内作Fourier变换，得到功率谱：

式中，一般取，为一个窗函数，通常可取矩形窗。

可见，该窗函数的选择会影响到谱估计的分辨率。

7、对于连续时间信号和离散时间信号，试写出相应的维纳－辛欣定理的主要内容。

（1）连续时间信号相应的维纳－辛欣定理主要内容：

连续时间信号的功率谱密度与其自相关函数满足如下关系：

（2）离散时间信号相应的维纳－辛欣定理主要内容：

离散时间信号的功率谱密度与其自相关函数满足如下关系：

8、举例说明卡尔曼滤波的应用场景。

假设要研究的对象是一个房间的温度。

根据经验判断，这个房间的温度是恒定的，也就是下一分钟的温度等于现在这一分钟的温度（假设用一分钟来做时间单位）。

假设经验不是100%的可信，可能会有上下偏差几度。

我们把这些偏差看成是高斯白噪声（WhiteGaussianNoise），也就是这些偏差跟前后时间是没有关系的而且符合高斯分配（GaussianDistribution）。

另外，我们在房间里放一个温度计，但是这个温度计也不准确的，测量值会比实际值偏差。

我们也把这些偏差看成是高斯白噪声。

现在对于某一分钟我们有两个有关于该房间的温度值：

根据经验的预测值（系统的预测值）和温度计的值（测量值）。

下面我们用这两个值结合他们各自的噪声来估算出房间的实际温度值。

假如我们要估算k时刻的是实际温度值。

首先要根据k-1时刻的温度值，来预测k时刻的温度。

因为假定温度是恒定的，所以k时刻的温度预测值是跟k-1时刻一样的，假设是23度，同时该值的高斯噪声的偏差是5度（5是这样得到的：

如果k-1时刻估算出的最优温度值的偏差是3，预测的不确定度是4度，二者平方相加再开方，就是5）。

然后，从温度计那里得到了k时刻的温度值，假设是25度，同时该值的偏差是4度。

由于我们用于估算k时刻的实际温度有两个温度值，分别是23度和25度。

究竟相信谁多一点，我们可以用他们的covariance来判断。

因为Kg^2=5^2/（5^2+4^2），所以Kg=0.78，我们可以估算出k时刻的实际温度值是：

23+0.78*（25-23）=24.56度。

可以看出，因为温度计的covariance比较小（比较相信温度计），所以估算出的最优温度值偏向温度计的值。

现在我们已经得到k时刻的最优温度值，下一步就是要进入k+1时刻，进行新的最优估算。

在进入k+1时刻之前，我们还要算出k时刻那个最优值（24.56度）的偏差。

算法如下：

（（1-Kg）*5^2）^0.5=2.35。

这里的5就是上面的k时刻预测的那个23度温度值的偏差，得出的2.35就是进入k+1时刻以后k时刻估算出的最优温度值的偏差（对应于上面的3）。

9、离散时间信号是一个一阶的AR过程，其相关函数，两观测数据为，其中和不相关，且是一个均值是0，方差为的白噪声，设计维纳滤波器。

由题意，可写出维纳霍夫方程：

由于和不相关，故

因此有，代入得：

解方程得：

所以，维纳滤波器的传递函数，其中和由上式给出。

11、如图（a）所示系统，其中，系统中理想带通滤波器的频率响应如图（b）所求，其相频特性，请分别画出和的频谱图，并注明坐标值。

答案：

12、AR谱估计的基本原理是什么？

与经典谱估计方法相比，其有什么特点？

（1）AR谱估计的基本原理是：

阶的AR模型表示为：

其自相关函数满足以下YW方程：

取，可得到如下矩阵方程：

在实际计算中，已知长度为N的序列，可以估计其自相关函数，再利用以上矩阵方程，直接求出参数及，于是可求出的功率谱的估计值。

13、已知信号模型为s（n）=s（n-1）+w（n）,测量模型为x（n）=s（n）+v（n）,这里w（n）和v（n）都是均值为零的白噪声，其方差分别为0.5和1，v（n）与s（n）和w（n）都不相关。

现设计一因果IIR维纳滤波器处理x（n），以得到对s（n）的最佳估计。

求该滤波器的传输函数和差分方程。

根据信号模型和测量模型方程可看出下列参数值：

a=1，c=1，Q=0.5，R=1。

将它们代入Ricatti方程Q=P－a2RP/（R+c2P）

得0.5=P－P/（1+P）

解此方程得P=1或P=-0.5，取正解P=1。

再计算维纳增益G和参数f:

G=cp/（R+c2P）=1/（1+1）=0.5f=Ra/（R+c2P）=1/（1+1）=0.5

故得因果IIR维纳滤波器的传输函数和差分方程分别如下：

Hc（z）=G/（1－fz-1）=0.5/（1－0.5z-1）

（n）=0.5（n-1）+0.5x（n）

14、简述AR模型功率谱估计步骤。

步骤1：

根据N点的观测数据uN（n）估计自相关函数，得，m=0,1,2,…,p,即

步骤2：

用p+1个自相关函数的估计值，通过直接矩阵求逆或者按阶数递推的方法（如Levinson-Durbin算法），求解Yule-Walker方程式，得到p阶AR模型参数的估计值和

步骤3：

将上述参数代入AR（p）的功率表达式中，得到功率谱估计，即

一．填空

1. 在随机信号处理中，当满足（样本数量足够大或者样本数量趋于无穷大）的条件时，时间平均和统计平均趋于一致。

2. 在信号检测常用的四种准则中，（Bayes最小风险准则）主要是考虑发生错误给判决造成的代价最小，因此该准则必须需要知道（先验概率）和（代价函数）这两个应用条件。

3. Cramer-Rao不等式是用于描述估计量有效性下限的重要公式，对一个估计量进行估计的最小方差是（）。

该不等式可借用Fisher信息量加以描述，请给出Fisher信息量的数学表达式（）。

4. 一般采用（协方差函数或者自相关函数）和（偏相关函数）这两个统计量对AR/MA/ARMA三种模型进行识别：

如果（偏相关函数）是截尾的，则说明该时间序列适于用AR模型建模。

5. 在小波分析中，高小波尺度反映的是信号（低）（高还是低？

）频段频率。

二．推演题

1. 某独立观测序列其均值为m，方差为。

现有两种估计算法：

算法A：

均值估计为，算法B：

均值估计为

请对这两种估计算法的无偏性和有效性进行讨论。

（12分）

均值估计为，则

，， 均值估计是无偏估计

算法B：

，

均值估计是有偏估计

所以，算法A比算法B更有效。

2. 对于平稳Poisson随机过程X（t），已知在任一区间中发生n个事件的概率为。

求的最大似然估计，并讨论该估计量的无偏性。

（10分）

（1） 函数

（2），所以该估计量是无偏估计。

3. 设脉冲信号s（t）如下图所示，求其匹配滤波器的传输函数与输出信号。

（8分）

先求s（t）的频谱

再取观测时刻t0=T，则可得匹配滤波器的传输函数为：

因为抽样时间，为使延时最小，即T0=T

此H（w）为匹配滤波器的传输函数，其中K为常数。

匹配滤波器的冲击响应为

匹配滤波器的输出信号为：

三．问答题（共50分）

1. 现代信号处理与传统的数字信号处理相比，一个最大的区别在于处理的信号是统计性的随机信号而不再是确定性信号，请回答下述问题：

（1）当研究宽平稳信号时，需要有各态历经性的理论基础来支撑，请对该性质加以论述。

若独立同分布的随机变量序列为一个随机过程，其均值为，方差为，则由大数定律可知

大数定律表明，随时间n的无限增长，随机过程的样本函数按时间平均以越来越大的概率近似于过程的统计平均。

也就是说，只要观测的时间足够长，则随机过程的每个样本函数都能够“遍历”各种可能状态。

随机过程的这种特性叫做各态历经性。

（2）白噪声是现代信号处理中常用的一种随机信号，请从时域和频域两个角度对其加以阐述。

设为实值平稳过程，若它的均值为零，

在时域中，其自相关函数仅在0点有一个冲击函数，在其他点均为0；

在频域中，谱密度在所有频率范围内为非零的常数，则称X（t）为白噪声过程。

（3）为了便于分析和设计，白化滤波器被提了出来，请从其作用和应用两个方面对其加以阐述。

白化滤波器的作用是将一个有色噪声转化为白噪声。

其应用举例可从广义匹配滤波器或者ARMA模型出发来举。

（4）滤波器设计中的恒Q特性是什么？

在信号处理分析中有什么特点？

Q值（品质因数）定义：

＝带宽/中心频率

在小波变换中，小波基函数ψ（t）的Q值：

；

ψ（t/a）的Q值保持不变：

不论a为何值（a>

0），ψ（t/a）始终和ψ（t）具有相同的品质因数Q。

由于恒Q性质，因此在不同尺度下，小波变换可以提供在时、频平面上长度可调的分析窗口。

（5）对频率随时间变化的信号，如果采用传统的DFT变换进行分析，将无法反映出频变特性。

请给出一种合理的方法对其进行处理，并评价该方法的优劣。

只要能提出一种时频联合分析的方法即可。

如STFT、Gabor变换、小波变换等。

2. 与传统的数字信号处理相比，现代信号处理另一个最大的区别在于更多的关注信号之间的关系，如相关函数、功率谱密度函数、信噪比等，请回答下述问题：

（1）信噪比是衡量信号与噪声之间的能量差异