第一篇：隨機信號處理教學(xué)文本

隨機信號處理教學(xué)大綱

課程名稱：隨機信號處理

學(xué) 時：45學(xué)時 開課學(xué)期：第六學(xué)期

適用專業(yè)：電子信息工程、電子科學(xué)與技術(shù) 課程類別：選修 課程性質(zhì)：專業(yè)基礎(chǔ)課

先修課程：數(shù)字信號處理、概率論與數(shù)理統(tǒng)計、數(shù)字電路、計算機原理

教 材：《隨機信號處理》 張玲華，鄭寶玉著

清華大學(xué)出版社2003年9月第一版(一)本課程的地位、性質(zhì)和任務(wù)

隨機信號是客觀世界中普遍存在的一類信號，對其特性的深入理解以及掌握相應(yīng)的分析與處理方法，對電子信息工程專業(yè)的學(xué)生是非常重要的。本課程是電子信息工程、信息對抗技術(shù)專業(yè)的本科生掌握現(xiàn)代電子技術(shù)必備的一門學(xué)科基礎(chǔ)課。學(xué)習(xí)本課程的目的在于掌握信號統(tǒng)計分析與處理的理論和方法，通過學(xué)習(xí)，具備一定的隨機信號分析和處理的能力，為以后專業(yè)課學(xué)習(xí)打下基礎(chǔ)。(二)課程教學(xué)的基本要求：

通過該課程的學(xué)習(xí)，要求學(xué)生理解隨機信號的基本概念，掌握隨機信號的基本理論和分析處理方法，為學(xué)習(xí)“統(tǒng)計信號處理”或“信號檢測與估值”等后續(xù)課程以及將來的發(fā)展奠定堅實的基礎(chǔ)。

(三)課程主要內(nèi)容及學(xué)時分配：

第1章 緒論(2學(xué)時)要求了解數(shù)字信號處理的基本概念，學(xué)科概貌，DSP的基本組成、特點等。主要包括下面幾部分內(nèi)容：

1.1 數(shù)字信號處理的基本概念

1.2 數(shù)字信號處理的學(xué)科概貌（研究內(nèi)容）1.3 數(shù)字信號處理系統(tǒng)的基本組成 1.4 數(shù)字信號處理的特點 1.5 本課程的特點

第1章 數(shù)字信號處理基礎(chǔ)（10學(xué)時）

要求掌握離散時間信號系統(tǒng)相關(guān)概念、數(shù)字濾波器的結(jié)構(gòu)等內(nèi)容。主要包括下面幾部分內(nèi)容：

1.1 離散時間信號系統(tǒng) 1.2 數(shù)字濾波器的結(jié)構(gòu)

2、《隨機過程理論及應(yīng)用》，陸大鑫等，高等教育出版社，1987。

3、《Probability RandomVariable Radom process》帕布里斯（美）

4、《統(tǒng)計信號處理》 沈鳳麟，葉中付，錢玉美著 中國科技大學(xué)出版2001年3月(五)教學(xué)方法的原則性建議： 重點難點

1、隨機信號基本理論和概念的建立

2、基本隨機信號處理方法的掌握

3、現(xiàn)代譜估計理論和自適應(yīng)信號處理技術(shù)

方法提示

授課、小結(jié)、習(xí)作討論、輔導(dǎo)與答疑相結(jié)合。

第二篇：《隨機信號分析》實驗報告

《隨機信號分析》實驗報告

學(xué)號：

姓名：

2009年12月21日

實驗一：平穩(wěn)隨機過程的數(shù)字特征

1、實驗?zāi)康摹罢摹⑿∷乃误w1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

1、實驗?zāi)康摹罢?、小四宋體1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

1、實驗?zāi)康摹罢?、小四宋體1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

1、實驗?zāi)康摹罢?、小四宋體1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

第三篇：隨機信號分析基礎(chǔ)讀書報告

讀書報告

——隨機信號分析基礎(chǔ)

本讀書報告主要分為三部分：

一、自學(xué)計劃。

二、理論原理知識。

三、個人總結(jié)及心得體會。

一、自學(xué)計劃。

在研究生第一學(xué)期，開設(shè)了隨機信號分析基礎(chǔ)課，這門課程是在信號分析基礎(chǔ)上對信號分析與處理的更深一步的學(xué)習(xí)。11月末，在老師的安排下我們開始進(jìn)行關(guān)于由王永德、王軍主編的，由電子工業(yè)出版社出版的《隨機信號分析基礎(chǔ)》（第二版），第5章隨機信號通過線性系統(tǒng)的自學(xué)。

（1）時間安排

11月末至12月末，每周的周一下午，周四上午設(shè)定為學(xué)習(xí)時間。

（2）目標(biāo)要求

理解第五章關(guān)于5.2，5.3，5.5的相關(guān)內(nèi)容，隨時做好學(xué)習(xí)相關(guān)知識的筆記及心得體會。

二、理論原理知識。

在學(xué)習(xí)本書之前我已經(jīng)完成了《高等數(shù)學(xué)》、《復(fù)變函數(shù)》、《信號與系統(tǒng)》等基礎(chǔ)課程的學(xué)習(xí)。并且在學(xué)習(xí)第5章之前，學(xué)習(xí)了前四章的相關(guān)知識。

第2、3、4章討論了隨機過程的一般概念及其統(tǒng)計特征。各種電子系統(tǒng)盡管種類繁多，作用各異，但基本上可分為兩大類：即線性統(tǒng)計與非線性統(tǒng)計。第五章研究的是現(xiàn)性系統(tǒng)問題并在5.5節(jié)開始隨機序列通過線性離散系統(tǒng)后統(tǒng)計特性的變化，并介紹隨機序列模型的概念與現(xiàn)代譜值的基本思想。以下為關(guān)于5.2，5.3及5.5的讀書筆記。5.2 隨機信號通過線性系統(tǒng)

主要研究輸入信號為隨機過程時，線性、穩(wěn)定性、是不變系統(tǒng)的統(tǒng)計特征。5.2.1線性系統(tǒng)輸出的統(tǒng)計特征 1.系統(tǒng)的輸出

系統(tǒng)的輸入輸出樣本函數(shù)之間的關(guān)系：Y(t)????h(?)X(t??)d?，??輸入隨機過程為X(t)，通過系統(tǒng)產(chǎn)生的新過程為Y(t)，對于有收斂的樣本函數(shù)都可以通過此關(guān)系求得輸出。

2.系統(tǒng)輸出的均值與自相關(guān)函數(shù)

主要為解決已知輸入隨機過程的均值和自相關(guān)函數(shù)，求系統(tǒng)的輸出隨機過程的均值和自相關(guān)函數(shù)。

（1）系統(tǒng)輸出均值

??若X(t)是有界平穩(wěn)過程，于是

E[Y(t)]?E[? ?mX??h(?)X(t??)]d???顯然mX是與時間無關(guān)

h(?)d????的常數(shù)。

（2）系統(tǒng)輸出的自相關(guān)函數(shù)

若X(t)是有界平穩(wěn)過程，則系統(tǒng)的自相關(guān)函數(shù)為：

RY(t,t??)???????? ???RX(???1??2)h(?1)h(?2)d?1d?2?RY(?)通過上面兩式可以看出輸出的新隨機過程Y(t)亦是一個平穩(wěn)的隨機過程。但是實際上時不變隨機輸入信號時嚴(yán)平穩(wěn)的，那么輸出也是眼平穩(wěn)的。若輸入隨機過程是各態(tài)歷經(jīng)的，那么輸出隨機信號也是各態(tài)歷經(jīng)的。3.系統(tǒng)輸入與輸出之間的互相關(guān)函數(shù)

輸入輸出的之間的互相關(guān)函數(shù)為：

RXY(?)????R??X(???)h(?)d?

即輸入輸出的互相關(guān)函數(shù)為輸入的自相關(guān)函數(shù)與系統(tǒng)的沖激響應(yīng)的卷積，可寫成

RXY(?)?RX(?)?h(?)

4.物理可實現(xiàn)系統(tǒng)的響應(yīng)（1）無限工作時間系統(tǒng) 無限工作時間系統(tǒng)是指輸入信號x(t)始終作用在系統(tǒng)輸入端（即無始信號的情況），不考慮系統(tǒng)的瞬態(tài)過程，并且大多數(shù)實際應(yīng)用都是這種情況。若系統(tǒng)輸入X(t)為平穩(wěn)隨機過程，則有

?Y(t)??h(?)X(t??)d??0mY?mX???h(?)d???0

RY???? ???RX(???1??2)h(?1)h(?2)d?1d?2可以看出只要將前面倒出的關(guān)系式中的積分下限“??”用“0”代替，即可得到物理可實現(xiàn)系統(tǒng)的各關(guān)系式。

這是無限工作時間系統(tǒng)在時間域的關(guān)系，但一般情況下對于無限工作時間系統(tǒng)頻域法往往更簡單。

（2）有限工作時間系統(tǒng)

有限工作時間系統(tǒng)是指輸入信號x(t)在t?0時才開始加入（也就是輸入信號x(t)U(t)的情況）。所以輸入X(t)在t?0到t?t1時刻的輸出信號Y(t)為：

Y(t)??t1t10X(t1??)h(?)d?E[Y(t1)]?RY??t20t10E[X(t1??)]h(?)d?

? ?0RX(???1??2)h(?1)h(?2)d?1d?2以上討論的都是在時間域范圍內(nèi)，隨機信號輸入線性系統(tǒng)的響應(yīng)方法。5.2.2系統(tǒng)輸出的功率譜密度 主要是給出了系統(tǒng)的功率譜密度與輸入的功率譜密度關(guān)系。（假設(shè)輸入X(t)為寬平穩(wěn)過程，則輸出Y(t)也是寬平穩(wěn)過程，而X(t)和Y(t)是聯(lián)合寬平穩(wěn)的。這樣在討論中可以直接應(yīng)用維納-辛欽公式。）1.系統(tǒng)輸出的功率譜密度

線性時不變系統(tǒng)輸出的功率譜密度GY(?)與輸入功率譜密度GX(?)的關(guān)系如下：

GY(?)?GX(?)H(?)

H(?)是系統(tǒng)傳遞函數(shù)，H(?)被稱為系統(tǒng)的功率傳遞函數(shù)。就此關(guān)系式書上意見給

22出詳細(xì)的證明。

2.系統(tǒng)輸入與輸出之間的互譜密度

互譜密度公式為GXY(?)?GX(?)H(?)GYX(?)?GX(?)H(??)可以看出，當(dāng)系統(tǒng)的性能未知時，若可以知道互譜密度就可以確定線性系統(tǒng)的傳遞函數(shù)。3.未知系統(tǒng)辨識精度的分析

由前面的知識可以得出 ?2XY(?)?11?1?(?)

可以看出，對于某些頻率信噪比小，則相干系數(shù)值也小，反之則相干系數(shù)值也大。所以用此式可以定量的分析觀測噪聲對系統(tǒng)辨識的影響。5.2.3 多個隨機信號過程之和通過線性系統(tǒng)

在實際應(yīng)用中，輸入一般為多個隨機信號的情況是，所以討論多個隨機信號過程之和通過線性系統(tǒng)時很有必要的。假設(shè)系統(tǒng)的輸入X(t)時兩個聯(lián)合平穩(wěn)且單獨平穩(wěn)的隨機過程X1(t)與X2(t)的和，即

X(t)?X1(t)?X2(t)

由于系統(tǒng)式線性的，每個輸入都產(chǎn)生相應(yīng)的輸出，即有

Y(t)?Y1(t)?Y2(t)

輸出的自相關(guān)函數(shù)為：

RY(?)?RY(?)?RY(?)12GY(?)?GY(?)?GY(?)12

由以上式子可以看出，兩個獨立的（或至少不相關(guān)）的零均值隨機過程之和的功率譜密度或自相關(guān)函數(shù)等于各自功率譜密度或自相關(guān)函數(shù)之和。通過線性系統(tǒng)輸出的平穩(wěn)隨機過程的功率譜密度或自相關(guān)函數(shù)也等于各自的輸出的功率譜密度或自相關(guān)函數(shù)之和。5.3白噪聲通過線性系統(tǒng)

白噪聲（white noise）是指功率譜密度在整個頻域內(nèi)均勻分布的噪聲。所有頻率具有相同能量的隨機噪聲稱為白噪聲。5.3.1噪聲寬帶

理想的白噪聲具有無限帶寬，因而其能量是無限大，這在現(xiàn)實世界是不可能存在的。實際上，我們常常將有限帶寬的平整訊號視為白噪音，因為這讓我們在數(shù)學(xué)分析上更加方便。然而，白噪聲在數(shù)學(xué)處理上比較方便，因此它是系統(tǒng)分析的有力工具。一般，只要一個噪聲過程所具有的頻譜寬度遠(yuǎn)遠(yuǎn)大于它所作用系統(tǒng)的帶寬，并且在該帶寬中其頻譜密度基本上可以作為常數(shù)來考慮，就可以把它作為白噪聲來處理。例如，熱噪聲和散彈噪聲在很寬的頻率范圍內(nèi)具有均勻的功率譜密度，通?？梢哉J(rèn)為它們是白噪聲。5.3.2白噪聲通過理想線性系統(tǒng)

1.白噪聲通過理想低通線性系統(tǒng)（濾波器或低頻放大器）

一個白噪聲通過一個理想低通線性系統(tǒng)。相關(guān)時間?0為：?0???0?Y(?)d??12?f，表明輸出隨機過程的相關(guān)時間與系統(tǒng)的帶寬成反比，即系統(tǒng)的帶寬越寬，相關(guān)時間?0越小，輸出過程隨時間變化越劇烈，反之，系統(tǒng)越窄，則?0越大，輸出過程隨時間變化就越緩慢。

2.白噪聲通過理想帶通線性系統(tǒng)（帶通濾波器或高頻諧振放大器）

一個白噪聲通過一個理想帶通線性系統(tǒng)。相關(guān)時間?0為：?0???0?Y(?)d??12?f，形式與白噪聲通過一個理想低通線性系統(tǒng)相同，但是值得注意的是，這里?0是表示輸出窄帶過程的包絡(luò)隨時間起伏變化的快慢程度。即上式表明系統(tǒng)的帶快越寬，輸出包絡(luò)的起伏變化越劇烈。反之，帶寬越窄，則包絡(luò)變化越緩慢。

5.3.3白噪聲通過具有高斯頻率的線性系統(tǒng)

在實際中，只要放大設(shè)備中有4~5個以上的諧振回路，則放大設(shè)備就具有較近似的高斯頻率特性。高斯曲線表示式為

?(???0)2?22H(?)?K0e

5.5隨機序列通過線性系統(tǒng) 5.5.1自相關(guān)函數(shù)

隨機序列通過一階FIR濾波器

濾波器的輸出自相關(guān)函數(shù)滿足方程：

?2???bibi?k, k?0,1,?,q RY(k)??i?0?0 k?q ?q?k5.5.2 功率譜密度

在離散型隨機信號中，隨機序列的功率譜密度為自相關(guān)函數(shù)的傅里葉變換，??RX(?)?D???RX(kT)?(??kTs)

對應(yīng)的傅里葉變換為：

?GX(?)??k???RX(kTs)e?j?kTs

當(dāng)Ts為1時，上面兩式可以改寫，即為隨機序列的維納-辛欽定理。pqYn??l?1alYn?l??m?0bmXn?m成為自回歸滑動平均（ARMA）系統(tǒng)。它們在描述受白噪聲污染的正弦過程等復(fù)雜過程時非常有用。

三、個人總結(jié)及心得體會。

通過本次對《隨機信號分析基礎(chǔ)》（第二版），第5章隨機信號通過線性系統(tǒng)的自學(xué)。首先對我的自學(xué)能力加以考驗，并得到了充分的鍛煉。發(fā)現(xiàn)自學(xué)過程是非常有意義的，并且使我對知識的理解和更加深刻。

通過自學(xué)，我系統(tǒng)的了解了連續(xù)隨機信號通過線性系統(tǒng)的原理，及分析方法，對此有更好的領(lǐng)會。

第四篇：隨機信號處理案例——雙耳時間差的計算（小編推薦）

隨機信號案例——相關(guān)法計算雙耳時間差I(lǐng)TD

1.人耳對聲源的定位

在自然聽音中，人的聽覺系統(tǒng)對聲源的定位取決于多個因素——雙耳接收到的號差異用來決定聲源的水平位置，由外耳對高頻信號的反射所引起的耳郭效應(yīng)決定聲源的垂直位置，而人耳的某些心理聲學(xué)特性對于聲源的定位也起到很大的作用。2.雙耳效應(yīng)

在自然聽音環(huán)境中，雙耳信號之間的差異對于聲源的定位是非常重要的。該因素可以在直達(dá)聲場的聽音環(huán)境中得到最好解釋，如圖2-1所示。

圖2-1 聲源S與鏡像聲源S′引入最大程度相似的雙耳因素 聲源位于水平面上，水平方位角為θ，與人頭中心的距離為r，到達(dá)左右耳的距離分別為SL和SR。由于SL>SR，聲音首先到達(dá)右耳，從而在到達(dá)雙耳的時間先后上形成時間差。這種時間差被定義為雙耳時間差（interaural time difference，ITD），它與聲源的水平方位角θ有關(guān)。當(dāng)θ = 0°時，= 0；當(dāng)θ = ±90°時，達(dá)到最大值，對一般人頭來說，為0.6～0.7ms 的數(shù)量級。在低中頻（f <1.5kHz）情況下，雙耳時間差是定位的主要因素。3.頭相關(guān)傳輸函數(shù)簡介

頭相關(guān)傳輸函數(shù)(head-related transfer function, HRTF)描述了自由場聲波從聲源到雙耳的傳輸過程，它反映了頭部、耳廓和軀干等構(gòu)成的生理系統(tǒng)對聲波散射(綜合濾波)的結(jié)果。HRTF 是聲源方向、距離、頻率的連續(xù)函數(shù), 它是聲源到雙耳的頻域傳輸函數(shù)。自由場的情況下，HRTF 定義為HL?HL?r,?,?,f?，HR?HR?r,?,?,f?，其中r為聲源到頭中心的距離，f為聲波的頻率；方位角 0°≤θ< 360°和仰角?90°≤?≤ 90°表示聲源的方向, 其中φ = 0°和90°分別表示水平面和正上方, 而(θ= 0°，φ= 0°)和(θ= 90°，φ= 0°)分別表示水平面上正前和正右方向。HRTF的時域表示是頭相關(guān)脈沖響應(yīng)hl?r,?,?,t?,和hr?r,?,?,t?簡記為 HRIR，它們與 HL, HR 互為 Fourier 變換。

4.ITD的相關(guān)法定義

ITD的定義四[2]（相關(guān)法）雙耳脈沖響應(yīng)HRIR的歸一化互相關(guān)函數(shù)定義為：

+???LR（?）=????hL(t??)hR(t)dt??1/ ??22t）dt]??[?hL(t)dt][?h（R??????

（3-2-7）

（?）（?）（?）按定義，0≤|?LR|≤1。由式（3-2-7）可計算出函數(shù)?LR在|?LR|在|?|≤1ms范圍內(nèi)的最大值，與此相應(yīng)的?=?max即為相關(guān)法定義的雙耳時間差I(lǐng)TDcorre，即ITDmax??,????max

因而相關(guān)法是利用左、右耳HRIR的相似性求出ITD。實際中通常得

hnhn到的是經(jīng)過離散時間采樣的HRIR，即L??和R??。因而（3-2-7）對連續(xù)時間t的積分將變成對離散時間n的求和。例如在44.1KHz的采樣率下，時間分辨率約為23?s。為了提高時間分辨率，在進(jìn)行

hnhn（3-2-7）計算之前，可先對L??和R??進(jìn)行過采樣處理。例如10倍過采樣可將時間分辨率變?yōu)?.3?s。下面圖a[1]是有26名女性受試者的平均ITD。

圖 a

不同緯度面φ的ITD與方位角θ的關(guān)系 5.MATLAB仿真實驗

本實驗中采用的數(shù)據(jù)庫中采樣率為44.1KHz，時間分辨率為Ts=23?s的512點的離散序列——HRIR序列。ITD的單位是?s。參數(shù)具體是：-45°≤φ≤90°，0°≤θ≤360°。而HRIR序列是按不同φ確定的不同緯度面上，θ以人頭正前方為0°開始的，每5°變化一個方向取得hL??,??和hR??,??離散值。θ=0:5:355，這樣對于給定俯仰角φ的緯度面上就有72個方向的hL??,?i?和hR??,?i?離散值。為了方便記錄，將不同俯仰角?i下的雙耳時間差記為：ITD?i。（1）俯仰角φ=0°，方位角θ=0°；

程序如下： ITD0=[ ];Ts=23;load D:Signalshrtfselev0L0e000a.dat;hl0=L0e000a;load D:Signalshrtfselev0R0e000a.dat;hr0=R0e000a;c0=normxcorr2(hl0,hr0);[max_c0,imax]=max(abs(c0(:)));[yspeak,xspeak]=ind2sub(size(c0),imax(1));n0=[yspeak-size(hl0,1),xspeak-size(hl0,2)];t0=n0(1)*Ts;ITD0=[ITD0 t0];運行結(jié)果為： ITD0 =23；

（2）仰角φ=0°，方位角θ=5°； 運行結(jié)果為：ITD0 =[23 69]；（3）仰角φ=0°，方位角θ=10°;運行結(jié)果為：ITD0 =[23 69 92]；

這樣得到俯仰角φ=0°即水平面上的雙耳時間差 ITD01×72= [ 23 69 92 161

437 736 345 483 920 299 506 828 276

552 828 230

207 598 851 184

230 644 851 138

276 667 621

345 690 414

368713391

46 0-46-92-138-184-230-276-322-368-414-437-483-506-828-575-598-736-713-713-667-667-690-598-552-506-460-414-391-345-322-253-207-184-115-92-46 0 ]（4）同理可以變成計算出ITD15，ITD30，ITD45，ITD60，ITD75，ITD_15(φ=-15°)，ITD_30(φ=-30°)（5）得到的是7組離散的序列ITD?i，對其進(jìn)行插值和平滑處理，基本可觀察出我們所需要的大體情況。程序如下： x=0:5:355;xi=0:0.01:355;yi0=interp1(x,ITD0,xi,'spline');yi15=interp1(x,ITD15,xi,'spline');yi30=interp1(x,ITD30,xi,'spline');yi45=interp1(x,ITD45,xi,'spline');yi60=interp1(x,ITD60,xi,'spline');yi75=interp1(x,ITD75,xi,'spline');yi_15=interp1(x,ITD_15,xi,'spline');yi_30=interp1(x,ITD_30,xi,'spline');yy0=smooth(yi0,0.1);yy15=smooth(yi15,0.1);yy30=smooth(yi30,0.1);yy45=smooth(yi45,0.1);yy60=smooth(yi60,0.1);yy75=smooth(yi75,0.1);yy_15=smooth(yi_15,0.1);yy_30=smooth(yi_30,0.1);figure(1);xi=0:0.01:355;plot(xi,yy0,'r',xi,yy15,'m',xi,yy30,'g',xi,yy45,'c',xi,yy60,'b',xi,yy75,'y',xi,yy_15,'k',xi,yy_30);grid on;axis([0 360-950 950]);xlabel('θ/(°)');ylabel('ITD/μs');仿真圖如下：

6.小結(jié)

通過計算左右耳接收到的信號之間的互相關(guān)，便可得到雙耳時間差I(lǐng)TD，通過觀察發(fā)現(xiàn)實驗中仿真圖與前文中所給的平均值還是有一定出入的。這也是必然會出現(xiàn)的結(jié)果，首先實驗所采用的是HRIR的時間分辨率低，還有考慮耳郭對高頻信號部分的影響。這在實驗中是沒有給予考慮的。

參考文獻(xiàn)

[1] Head-related transfer function database and its analyses

Xie BoSunt，ZHONG XiaoLi，RAO Dan&LIANG ZhiQiang Acoustics of China of 0641，China 2007；

[2] 頭相關(guān)傳輸函數(shù)與虛擬聽覺，謝菠蓀著，國防工業(yè)出版社2008； [3] MATLAB程序設(shè)計教程，李海濤，鄧櫻著，高等教育出版社2007；

第五篇：隨機數(shù)字信號處理學(xué)習(xí)心得

《隨機數(shù)字信號處理》學(xué)習(xí)心得

姓名：吳迪 學(xué)號：2010522039 專業(yè)：通信與信息系統(tǒng) 隨機數(shù)字信號處理是由多種學(xué)科知識交叉滲透形成的, 在通信、雷達(dá)、語音處理、圖象處理、聲學(xué)、地震學(xué)、地質(zhì)勘探、氣象學(xué)、遙感、生物醫(yī)學(xué)工程、核工程、航天工程等領(lǐng)域中都離不開隨機數(shù)字信號處理。隨著計算機技術(shù)的進(jìn)步 ,隨機數(shù)字信號處理技術(shù)得到飛速發(fā)展。本門課主要研究了隨機數(shù)字信號處理的兩個主要問題：濾波器設(shè)計和頻譜分析。

在數(shù)字信號處理中,濾波技術(shù)占有極其重要的地位。數(shù)字濾波是語音和圖像處理、模式識別、頻譜分析等應(yīng)用中的一個基本處理算法。但在許多應(yīng)用場合,常常要處理一些無法預(yù)知的信號、噪聲或時變信號,如果采用具有固定濾波系數(shù)的數(shù)字濾波器則無法實現(xiàn)最優(yōu)濾波。在這種情況下, 必須設(shè)計自適應(yīng)濾波器, 以使得濾波器的動態(tài)特性隨著信號和噪聲的變化而變化, 以達(dá)到最優(yōu)的濾波效果。

自適應(yīng)濾波器(Adaptive Filter)是近幾十年來發(fā)展起來的關(guān)于信號處理方法和技術(shù)的濾波器, 其設(shè)計方法對濾波器的性能影響很大。自適應(yīng)濾波器是相對固定濾波器而言的, 它是一種能夠自動調(diào)整本身參數(shù)的特殊維納濾波器。自適應(yīng)濾波算法的研究是自適應(yīng)信號處理中最為活躍的研究課題之一,其中，兩種最基本的線性濾波算法為：最小均方誤差(LMS)算法和最小二乘(RLS)算法,由于 LMS算法具有初始收斂速度較慢、執(zhí)行穩(wěn)定性差等缺點,本門課著重介紹了RLS 算法。RLS算法的初始收斂速度比LMS算法快一個數(shù)量級, 執(zhí)行穩(wěn)定性好。

譜分析是隨機數(shù)字信號處理另一重要內(nèi)容，它在頻域中研究信號的某些特性如幅值、能量或功率等隨頻率的分布。對通常的非時限信號做頻譜分析,只能通過對其截取所獲得的有限長度的樣本來做計算,其結(jié)果是對其真實譜的近似即譜估計?，F(xiàn)代譜估計算法除模型參量法之外, 人們還提出了其它一些方法, 如Capon最大似然譜估計算法、Pisarenk 諧波分解法、MU SIC 算法、ESPRIT算法等利用矩陣的特征分解來實現(xiàn)的譜估計方法。在實際的譜估計過程中,無論是從樣本數(shù)據(jù)出發(fā)(直接法),或是由樣本的自協(xié)方差函數(shù)出發(fā)(間接法),窗函數(shù)的引入都是不可避免的,因為數(shù)據(jù)樣本的簡單截取本身就意味著通過了矩形窗。窗效應(yīng)在譜分析或譜估計中的影響表現(xiàn)在降低譜的頻率分辨力和產(chǎn)生能量的泄漏。本門課介紹了短時傅里葉變換以及由此引申出的一系列譜分析方法，并經(jīng)驗證得到了很好的效果。

綜上所述，為我對本門課的理解和認(rèn)知。通過本門課的學(xué)習(xí)，使我對隨機數(shù)字信號處理的技術(shù)和方法有了進(jìn)一步的了解，加深了對基本理論和概念的領(lǐng)悟程度，課程所涉及到的很多算法和思想對我個人的研究方向有很大的啟發(fā)，我將繼續(xù)鉆研相關(guān)理論和算法，爭取盡早與科研實際相結(jié)合，實現(xiàn)學(xué)有所用。最后，感謝老師孜孜不倦的講解，為我們引入新的思想，幫助我們更快的成長。