資源描述：
《維納-霍夫方程 實(shí)驗(yàn)報(bào)告》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、生物醫(yī)學(xué)信號處理評分大理大學(xué)實(shí)驗(yàn)報(bào)告課程名稱生物醫(yī)學(xué)信號處理實(shí)驗(yàn)名稱維納-霍夫方程專業(yè)班級姓名羽卒蘭cl學(xué)號實(shí)驗(yàn)日期2016年5月20日實(shí)驗(yàn)地點(diǎn)2015—2016學(xué)年度第3學(xué)期第14頁共14頁生物醫(yī)學(xué)信號處理一、實(shí)驗(yàn)?zāi)康膶W(xué)習(xí)求解維納-霍夫方程，尋找最小均方誤差意義下的最優(yōu)濾波器。二、實(shí)驗(yàn)環(huán)境1、硬件配置：Intel（R）Core(TM)i5-4210UCPU@1.7GHz1.7GHz安裝內(nèi)存（RAM）：4.00GB系統(tǒng)類型：64位操作系統(tǒng)2、軟件環(huán)境：MATLABR2013b軟件三、實(shí)驗(yàn)內(nèi)容(包括本實(shí)驗(yàn)要完成的實(shí)驗(yàn)問題及需要的相關(guān)知識(shí)簡單概述)已知信號的自
2、相關(guān)函數(shù)和噪聲的能量，編寫程序求解維納-霍夫方程，尋找最優(yōu)濾波器。編寫程序仿真信號，噪聲和觀察波形，然后把觀察信號通過濾波器得到的信號估計(jì)與原始信號比較，觀察是否達(dá)到了去噪的目的。選擇不同信號（仿真信號，實(shí)際采集的心電，腦電信號），人工添加噪聲，調(diào)整噪聲的相對強(qiáng)度，觀察濾波效果。四、實(shí)驗(yàn)結(jié)果與分析（包括實(shí)驗(yàn)原理、數(shù)據(jù)的準(zhǔn)備、運(yùn)行過程分析、源程序（代碼）、圖形圖象界面等）實(shí)驗(yàn)原理根據(jù)正交原理可以推導(dǎo)出維納-霍夫方程，滿足該方程的濾波器輸出信號的估計(jì)值與信號在最小均方誤差意義下最接近。根據(jù)濾波器的形式，維納濾波器可以分為三種情況：非因果IIR型，因果IIR型，
3、FIR型，對于實(shí)時(shí)性有要求的情況下用后兩種形式。圖1維納濾波器對于FIR型維納濾波器，維納-霍夫方程的形式為：或者寫成矩陣形式：其中：第14頁共14頁生物醫(yī)學(xué)信號處理這樣，如果信號和噪聲的二階統(tǒng)計(jì)特性已知，則易求解。維納濾波的均方誤差是：源程序：function[h,e]=WH(Rss,Rww,M)%求解維納-霍夫方程的函數(shù)，其中M為信號的長度e1=10;%給e1賦初值e0=0;%給e0賦初值N=0;%給N賦初值%以下循環(huán)的目的是找出FIR濾波器合適的階數(shù)%判據(jù)是當(dāng)階數(shù)增加而均方誤差沒有明顯下降時(shí)，則認(rèn)為階數(shù)足夠whileabs(e0-e1)>1e-6%e
4、1和e0不夠接近則循環(huán)N=N+1;%每次N的取值加1e0=e1;%把e1賦給e0Rxs=Rss(M:(M+N-1));%信號和噪聲互不相關(guān)Rxx=Rww(M:(M+N-1))+Rss(M:(M+N-1));%信號和噪聲的自相關(guān)之和R_xx=zeros(N);%生成N階的零矩陣forj=1:Nforn=1:NR_xx(j,n)=Rxx(abs(j-n)+1);%雙for為了求出對稱矩陣endendh=inv(R_xx)*Rxs';%求rxs的逆矩陣e1=Rss(M)-h'*Rxs';%轉(zhuǎn)置endN%顯示N的最終值e=e1;%真實(shí)值與估計(jì)值之間的估計(jì)誤差%主程
5、序clear;clc;%清空M=input('信號的長度M=');%輸入n=1:M;%n的取值范圍從1到Ms=exp(-0.002*n).*sin(pi*n/50);%指數(shù)衰減正弦,仿真信號，可以自己生成，任意形式第14頁共14頁生物醫(yī)學(xué)信號處理%loadecgdata;%導(dǎo)入實(shí)際心電信號的數(shù)據(jù)%loadeegdata;%導(dǎo)入腦電信號的數(shù)據(jù)%loadicpdata;%導(dǎo)入顱內(nèi)壓信號的數(shù)據(jù)%loadrespdata;%導(dǎo)入個(gè)呼吸信號的數(shù)據(jù)%s=ecgdata(1:M)';%取生成心電信號(1:M)的逆矩陣%s=eegdata(1:M)';%取生成腦電信號(1
6、:M)的逆矩陣%s=icpdata(1:M)';%取生成顱內(nèi)壓信號(1:M)的逆矩陣%s=respdata(1:M)';%取生成呼吸信號(1:M)的逆矩陣w=0.4*randn(1,M);%白噪聲，系數(shù)代表噪聲相對強(qiáng)度x=s+w;%仿真信號Rss=xcorr(s,s);%估計(jì)信號自相關(guān)函數(shù)Rww=xcorr(w,w);%估計(jì)噪聲自相關(guān)函數(shù)[h,e]=WH(Rss,Rww,M);ss=filter(h,1,x);%用維納濾波器濾波figure;subplot(2,2,1);plot(n,s);title('信號');%生成兩行兩列窗口，在第一個(gè)窗口畫圖，并標(biāo)
7、題subplot(2,2,2);plot(n,w);title('噪聲');%生成兩行兩列窗口，在第二個(gè)窗口畫圖，并標(biāo)題subplot(2,2,3);plot(n,x);title('觀測值');%生成兩行兩列窗口，在第三個(gè)窗口畫圖，標(biāo)題subplot(2,2,4);plot(n,ss);title('信號估計(jì)');%生成兩行兩列窗口，在第四個(gè)窗口畫圖標(biāo)題figure;plot(n,ss-s);title('估計(jì)誤差');%畫估計(jì)誤差圖error=mean((ss-s).^2)%求最小均方誤差思考題：觀察實(shí)驗(yàn)結(jié)果，對于幾種不同的信號，維納濾波是否都取得了較
8、好的效果？如果效果不好，試分析原因。1.只改變數(shù)據(jù)長度，觀察其對信
