現(xiàn)代信號(hào)處理_2013-復(fù)習(xí)總結(jié).pdf

1 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 1 李飛李飛 lifei lifei 20132013年年2 2月月 5 5月月 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 2 李飛李飛 2013 6 52013 6 5 總結(jié)與復(fù)習(xí)總結(jié)與復(fù)習(xí)總結(jié)與復(fù)習(xí)總結(jié)與復(fù)習(xí) 2 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 3 本課程主要內(nèi)容本課程主要內(nèi)容 信號(hào)處理方法及應(yīng)用信號(hào)處理方法及應(yīng)用 多速率信號(hào)處理與小波變換多速率信號(hào)處理與小波變換 隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì) 自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理 非線性信號(hào)處理非線性信號(hào)處理 以以NNSP為代表為代表 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 4 信號(hào)處理方法及其應(yīng)用信號(hào)處理方法及其應(yīng)用信號(hào)處理方法及其應(yīng)用信號(hào)處理方法及其應(yīng)用 信號(hào)處理分類信號(hào)處理分類 信號(hào)處理方法信號(hào)處理方法 信號(hào)處理應(yīng)用信號(hào)處理應(yīng)用 3 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 5 1 1 信號(hào)處理分類信號(hào)處理分類信號(hào)處理分類信號(hào)處理分類 信號(hào)處理兩類方式信號(hào)處理兩類方式 信號(hào)分析信號(hào)分析 提取有用信息提取有用信息 譜估計(jì) 信號(hào)建模譜估計(jì) 信號(hào)建模 分類 檢測(cè) 預(yù)測(cè) 模式識(shí)別分類 檢測(cè) 預(yù)測(cè) 模式識(shí)別 信號(hào)濾波信號(hào)濾波 提高信號(hào)質(zhì)量提高信號(hào)質(zhì)量 數(shù)字濾波器 最優(yōu)濾波器 自適應(yīng)濾波器 陣列 濾波器等 數(shù)字濾波器 最優(yōu)濾波器 自適應(yīng)濾波器 陣列 濾波器等 噪聲消除 均衡 反卷積噪聲消除 均衡 反卷積 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 6 濾波基于分析 分析通過濾波 濾波基于分析 分析通過濾波 隨機(jī)信號(hào) 統(tǒng)計(jì)過程理論 分析濾波 1 1 信號(hào)處理分類信號(hào)處理分類信號(hào)處理分類信號(hào)處理分類 4 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 7 分析分析濾波濾波 譜估計(jì)譜估計(jì)信號(hào)建模信號(hào)建模最優(yōu) 濾波 最優(yōu) 濾波 自適應(yīng) 濾波 自適應(yīng) 濾波 Beyesian statistical processing 非線性 濾波 非線性 濾波 時(shí)間時(shí)間 尺度 分析 尺度 分析 1 1 信號(hào)處理分類信號(hào)處理分類信號(hào)處理分類信號(hào)處理分類 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 8 2 2 信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法 取決于信號(hào)本身的知識(shí)取決于信號(hào)本身的知識(shí) 取決于具體應(yīng)用取決于具體應(yīng)用 線性噪聲模型線性噪聲模型 非線性噪聲模型非線性噪聲模型 時(shí)不變時(shí)不變 時(shí)變時(shí)變 1維1維 多維多維 5 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 9 2 2 信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法 基于變換的方法基于變換的方法 小波變換小波變換 傅利葉變換傅利葉變換 分析分析 DFT 頻譜分析頻譜分析 deterministic signals 周期圖周期圖 功率譜分析功率譜分析 random signals 短時(shí)傅利葉變換 小波短時(shí)傅利葉變換 小波 多分辨率分析多分辨率分析 time variant signals 濾波濾波 數(shù)字濾波器數(shù)字濾波器 濾波器組濾波器組 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 10 2 2 信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法 基于模型的方法基于模型的方法 信號(hào)產(chǎn)生過程的參數(shù)模型信號(hào)產(chǎn)生過程的參數(shù)模型 分析分析 線性預(yù)測(cè)線性預(yù)測(cè) 參數(shù)譜估計(jì)參數(shù)譜估計(jì) 濾波濾波 最優(yōu)線性濾波器最優(yōu)線性濾波器 維納濾波器維納濾波器 卡爾曼濾波器卡爾曼濾波器 自適應(yīng)濾波器自適應(yīng)濾波器 6 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 11 2 2 信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法 統(tǒng)計(jì)信號(hào)處理方法統(tǒng)計(jì)信號(hào)處理方法 信號(hào)統(tǒng)計(jì)模型信號(hào)統(tǒng)計(jì)模型 貝葉斯估計(jì)貝葉斯估計(jì) 分析分析 參數(shù)估計(jì)參數(shù)估計(jì) 隱馬爾科夫模型隱馬爾科夫模型 濾波濾波 MAP ML LS 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 12 2 2 信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法信號(hào)處理方法 基于智能 機(jī)器學(xué)習(xí)方法基于智能 機(jī)器學(xué)習(xí)方法 訓(xùn)練 學(xué)習(xí)訓(xùn)練 學(xué)習(xí) 推論推論 分析 分析 數(shù)據(jù)挖掘 支持向量機(jī) 數(shù)據(jù)挖掘 支持向量機(jī) 濾波 濾波 人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò) 粒子濾波器 廣義卡爾曼濾波器 粒子濾波器 廣義卡爾曼濾波器 Little knowledge No knowledge 7 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 13 信號(hào)處理方法總結(jié)信號(hào)處理方法總結(jié)信號(hào)處理方法總結(jié)信號(hào)處理方法總結(jié) 方法分類方法分類 基于變換的方法 Fourier 變換 基于變換的方法 Fourier 變換 統(tǒng)計(jì)方法 Bayes準(zhǔn)則 統(tǒng)計(jì)方法 Bayes準(zhǔn)則 基于模型的方法 信號(hào)模型AR MA ARMA 基于模型的方法 信號(hào)模型AR MA ARMA 基于智能 機(jī)器學(xué)習(xí)的方法 盲方法 對(duì)信號(hào)所知甚少 基于智能 機(jī)器學(xué)習(xí)的方法 盲方法 對(duì)信號(hào)所知甚少 對(duì)于更加復(fù)雜的問題 對(duì)于更加復(fù)雜的問題 非線性模型非線性模型 非高斯分布非高斯分布 復(fù)雜方程 多維 時(shí)變 復(fù)雜方程 多維 時(shí)變 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 14 3 3 信號(hào)處理應(yīng)用信號(hào)處理應(yīng)用信號(hào)處理應(yīng)用信號(hào)處理應(yīng)用 按技術(shù)來分按技術(shù)來分 分類分類 提取提取 預(yù)測(cè)預(yù)測(cè) 壓縮壓縮 噪聲消除噪聲消除 均衡均衡 去卷積去卷積 恢復(fù)恢復(fù) 按領(lǐng)域來分按領(lǐng)域來分 語音 音頻語音 音頻 圖像 視頻圖像 視頻 通信通信 雷達(dá) 聲納雷達(dá) 聲納 生物 醫(yī)藥生物 醫(yī)藥 地球物理地球物理 地震數(shù)據(jù)地震數(shù)據(jù) 8 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 15 現(xiàn)代信號(hào)處理要點(diǎn)現(xiàn)代信號(hào)處理要點(diǎn)現(xiàn)代信號(hào)處理要點(diǎn)現(xiàn)代信號(hào)處理要點(diǎn) 多速率信號(hào)處理與小波變換多速率信號(hào)處理與小波變換 隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì) 自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理 非線性信號(hào)處理 以非線性信號(hào)處理 以NNSP為例 為例 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 16 多速率信號(hào)處理與小波變換多速率信號(hào)處理與小波變換多速率信號(hào)處理與小波變換多速率信號(hào)處理與小波變換 1 抽取 內(nèi)插與多相分解的基本概念 抽取與 內(nèi)插之后頻譜的變化情況 抽取與內(nèi)插所涉 及的低通濾波器的作用 抽取 內(nèi)插與多相分解的基本概念 抽取與 內(nèi)插之后頻譜的變化情況 抽取與內(nèi)插所涉 及的低通濾波器的作用 2 FIR濾波器 濾波器 IIR濾波器的多相分解表示 了 解多相濾波器的應(yīng)用 濾波器的多相分解表示 了 解多相濾波器的應(yīng)用 3 小波變換的基本概念 理論基礎(chǔ)和實(shí)現(xiàn)方 法 以及與短時(shí)傅立葉變換的主要區(qū)別 小波變換的基本概念 理論基礎(chǔ)和實(shí)現(xiàn)方 法 以及與短時(shí)傅立葉變換的主要區(qū)別 9 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 17 隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì) 1 平穩(wěn)隨機(jī)過程的基本數(shù)字特征 均值 方差 自相關(guān)函數(shù)的定義及相互關(guān)系 平穩(wěn)隨機(jī)過程的基本數(shù)字特征 均值 方差 自相關(guān)函數(shù)的定義及相互關(guān)系 2 平穩(wěn)隨機(jī)過程的自相關(guān)函數(shù)與功率譜的關(guān)系 白噪聲過程自相關(guān)函數(shù)與功率譜的特點(diǎn) 平穩(wěn)隨機(jī)過程的自相關(guān)函數(shù)與功率譜的關(guān)系 白噪聲過程自相關(guān)函數(shù)與功率譜的特點(diǎn) 3 三種信號(hào)模型的特點(diǎn) 系統(tǒng)函數(shù) 時(shí)域差分方 程和譜分解定理 三種信號(hào)模型的特點(diǎn) 系統(tǒng)函數(shù) 時(shí)域差分方 程和譜分解定理 要求掌握基于信號(hào)模型的功 率譜計(jì)算方法 要求掌握基于信號(hào)模型的功 率譜計(jì)算方法 4 AR模型的輸入輸出關(guān)系式 包括相關(guān)域和譜 域 模型的輸入輸出關(guān)系式 包括相關(guān)域和譜 域 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 18 隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì)隨機(jī)信號(hào)的功率譜估計(jì) 5 AR模型 法 與線性預(yù)測(cè) 法 預(yù)測(cè)誤差 濾波器 的關(guān)系 模型 法 與線性預(yù)測(cè) 法 預(yù)測(cè)誤差 濾波器 的關(guān)系 6 AR模型正則方程的獲取過程 求解模型正則方程的獲取過程 求解AR模型參 數(shù)的 模型參 數(shù)的Levision Durbin算法 算法 Burg算法 要求掌 握 算法 要求掌 握Levision關(guān)系式 關(guān)系式 Burg算法與算法與Levision Durbin算法的比較算法的比較 7 橫向預(yù)測(cè)誤差濾波器和格型預(yù)測(cè)誤差濾波器結(jié) 構(gòu) 橫向預(yù)測(cè)誤差濾波器和格型預(yù)測(cè)誤差濾波器結(jié) 構(gòu) 8 掌握特征分解譜估計(jì)及高階統(tǒng)計(jì)量的基本概念掌握特征分解譜估計(jì)及高階統(tǒng)計(jì)量的基本概念 10 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 19 譜譜譜譜分解定理分解定理分解定理分解定理 譜分解定理譜分解定理 任何實(shí)平穩(wěn)隨機(jī)信號(hào)任何實(shí)平穩(wěn)隨機(jī)信號(hào)xn的有理譜的有理譜Sxx z 都可 以唯一地表示為如下最小相位形式 都可 以唯一地表示為如下最小相位形式 12 zHzHzS wxx 式中 為常數(shù) 式中 為常數(shù) H z 是有理函數(shù)是有理函數(shù) H z A z B z A z B z 都是最小相位多項(xiàng)式 適當(dāng)調(diào)整式中系數(shù)的數(shù)值 以使都是最小相位多項(xiàng)式 適當(dāng)調(diào)整式中系數(shù)的數(shù)值 以使 A z B z 都是最高項(xiàng)系數(shù)為都是最高項(xiàng)系數(shù)為1 1的多項(xiàng)式 上式分解唯一 的多項(xiàng)式 上式分解唯一 2 w 2 w 譜分解定理譜分解定理保證了保證了平穩(wěn)隨機(jī)平穩(wěn)隨機(jī)信號(hào)模型的存在信號(hào)模型的存在 即任何平穩(wěn) 隨機(jī)信號(hào) 即任何平穩(wěn) 隨機(jī)信號(hào)xn都可以看成是由白噪聲都可以看成是由白噪聲 wn 激勵(lì)一個(gè)因果 穩(wěn) 定時(shí)不變系統(tǒng)產(chǎn)生的輸出 激勵(lì)一個(gè)因果 穩(wěn) 定時(shí)不變系統(tǒng)產(chǎn)生的輸出 1 2 zHzHzS wxx 當(dāng)當(dāng)xn為復(fù)信號(hào)時(shí)為復(fù)信號(hào)時(shí) 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 20 正則方程正則方程正則方程正則方程 0 0 1 2 1 mkmra mkmra mr xx p k k wxx p k k xx 11 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 21 自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理 1 自適應(yīng)濾波的基本概念 維納濾波和卡爾曼 濾波異同點(diǎn) 自適應(yīng)濾波的基本概念 維納濾波和卡爾曼 濾波異同點(diǎn) 2 掌握維納解的求解方法 兩種基本的自適應(yīng) 算法 掌握維納解的求解方法 兩種基本的自適應(yīng) 算法 LMS算法 算法 RLS算法 的性能比較算法 的性能比較 3 LMS算法中失調(diào)的概念及產(chǎn)生的原因算法中失調(diào)的概念及產(chǎn)生的原因 4 FIR自適應(yīng)濾波器和自適應(yīng)濾波器和IIR自適應(yīng)濾波器的基本 結(jié)構(gòu) 自適應(yīng)濾波器的基本 結(jié)構(gòu) FIR自適應(yīng)濾波器和自適應(yīng)濾波器和IIR自適應(yīng)濾波器 各自的優(yōu)缺點(diǎn) 自適應(yīng)濾波器 各自的優(yōu)缺點(diǎn) 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 22 自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理自適應(yīng)信號(hào)處理 5 掌握前向預(yù)測(cè) 后向預(yù)測(cè)和聯(lián)合估計(jì)的基本 概念和特點(diǎn) 格型自適應(yīng)濾波器的基本原理 及實(shí)現(xiàn)方法 掌握前向預(yù)測(cè) 后向預(yù)測(cè)和聯(lián)合估計(jì)的基本 概念和特點(diǎn) 格型自適應(yīng)濾波器的基本原理 及實(shí)現(xiàn)方法 6 Laguerre橫向?yàn)V波器的特點(diǎn)橫向?yàn)V波器的特點(diǎn) 7 自適應(yīng)濾波器的四種主要應(yīng)用自適應(yīng)濾波器的四種主要應(yīng)用 12 現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理現(xiàn)代信號(hào)處理 23 神經(jīng)網(wǎng)絡(luò)信號(hào)處理神經(jīng)網(wǎng)絡(luò)信號(hào)處理神經(jīng)網(wǎng)絡(luò)信號(hào)處理神經(jīng)網(wǎng)絡(luò)信號(hào)處理 1 組成人工神經(jīng)網(wǎng)絡(luò)的三要素 神經(jīng)元 網(wǎng)絡(luò)拓 撲 學(xué)習(xí)算法 人工神經(jīng)元模型的結(jié)構(gòu)特 點(diǎn) 常用的激活函數(shù) 組成人工神經(jīng)網(wǎng)絡(luò)的三要素 神經(jīng)元 網(wǎng)絡(luò)拓 撲 學(xué)習(xí)算法 人工神經(jīng)元模型的結(jié)構(gòu)特 點(diǎn) 常用的激活函數(shù) 2 三種學(xué)習(xí)規(guī)則 誤差修正學(xué)習(xí)三種學(xué)習(xí)規(guī)則 誤差修正學(xué)習(xí) 準(zhǔn)則 準(zhǔn)則 Hebb 學(xué)習(xí) 競(jìng)爭(zhēng)學(xué)習(xí) 學(xué)習(xí) 競(jìng)爭(zhēng)學(xué)習(xí) 3 信號(hào)處理領(lǐng)域常用的三種人工神經(jīng)網(wǎng)絡(luò) 多層 前向神經(jīng)網(wǎng)絡(luò) 自組織神經(jīng)網(wǎng)絡(luò) 信號(hào)處理領(lǐng)域常用的三種人工神經(jīng)網(wǎng)絡(luò)