维纳滤波的应用研究
澎s782‘‘
堇殳Z≥lk2墨点基墨
长安大学
硕士学位论文
崔嚏盎
孟熊鲞翌究煎
申请学位级剿甄±学科名称整茎拯测董筮息基盔论文提交目期2壁壁五。艇论文答辩日期至壁壁矗a鲢量§一.。学位授予单位整基去竖
答辩委员会主席:堡塞=苎至壅基
学位论文评阅人:堡塞塑室嚣
_●______x-_。i_____-____-___。’-__一李貅教授
二零零六年五月指导教师姓名
摘要
在我们的实际工作中,经常会遇到采集到的信号受到噪声的干扰,给我们的工作带来很大不便。本文中就是力求利用滤波作用滤除对我们实际真值信号产生干扰的噪声,使之尽量达到我们所需要的期望信号.
滤波问题,指的就是从获得的信号与干扰中尽可能地滤除干扰,分离出所期望的信号,或者说,是通过对一系列带有误差的实际测量数据的处理,得出所期望数据的估计值。几十年来滤波理论已经发展成了一个广阔的研究领域,可以有许多不同的方法来介绍它的内容。有的可以选择不同的重点。本文主要讲的是维纳滤波,介绍维纳滤波以及对其进行实际中的应用。
维纳滤波是基于最小均方误差的基础上的维纳滤波器的设计,使其与输入信号滤波后的输出在最小平方意义下与期望输出最佳逼近,寻求最小均方误差的实质其实就是解维纳一霍夫方程。文中讨论了维纳一霍夫方程在时域和z域的解,并对z域的因果解与非因果解作了详细讨论。在z域中还讨论了Bode和Shannon相继提出的将输入噪声白化的概念。文中的实际应用是以桩基检测中的完整单自由度桩基为例,对桩基检测进行了概括的介绍,讨论了桩基的稳定性在现实生活中的意义,并对完整单自由度桩基系统进行加噪,然后用维纳滤波进行消噪处理,得到很好的处理效果。文中并用图像与数据的方式一起说明维纳滤波的处理结果体现出了维纳滤波在信号去噪方面的强大去噪功能。关键词:维纳滤波最小平方准则系统函数相关函数
THEAPPLICATIoNoF
Abstract
InourWIENERFILTERJNGtroublespracticalwork,noisesoRendisturbthecollectedsignal,takeing
caIltousforthework.InthisteXt,wegetridofthenoisesdisturbingourrealsignalthroughthe
functionoffiltering,making
Filteringissueistoit抛inedtheexpectationsignalweneeded・intemredwim,tos印aratethe
erroradisposethesignalthathasbeenanticipantsignal.Thatis,disposingseriesofmeasuredatathathaVeandrecelVmgtne
aestimatevalueofa11ticipantdata.Inthe
widefield,thercaref;州decades,filteringtheor)rtohasalreadydeVelopedinonmanydifferentwaysintroducethecontentofitbaSingdi行erentemphases.Thedissertationismainlyintroducingitandputtingitintopracticalapplicatlon・
Thedissertationdesignsawienerfinerbasinguponminimummean-square
erroreITor.1n士act,theessentialofseekingminimummean.squareissolVingmeWjener-holfequation・And
attheleastsquare・mal(ingtheoutputsigllalandtheeXpectationsigllalhaVethebeStapproach
thesolutionot。Thedissertationintroducesthebasicprincipleofwienerfiltering,discussing
Wiener:holfequationattime.fieldandZ.field.AndattheZ—field,haVingadiscussionabout
asanv,hitenoisebyBode锄dShannon.Takingthe如llsinglefreedompilefoundation
ex锄ple,generally
wiener6lteI-ing,introducesthepilefoundationdetecting,addingnoisethendisposingitbyreVealsthedisposingresultsbypictureanddata.Theresuhsshowsstrong
at如nctionwhichwienerfilteringhastheaspectofdiSpOsingnoise.
Keywords:Wienerfiltering;minimumf.unctionsquaremean;syStemfunction;coHelation
论文独创性声明
本人声明:本人所呈交的学位论文是在导师的指导下,独立进行研究工作所取得的成果。除论文中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体己经公开发表的成果。
本声明的法律责任由本人承担。
论文作者签名:侄刁五高跏彳年箩月爰/日
论文知识产权权属声明
本人在导师指导下所完成的论文及相关的职务作品,知识产权归属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时,署名单位仍然为长安大学。
(保密的论文在解密后应遵守此规定)
论文作者签名:锉职砖。乡年今月皮乡日导师签名:壶晦0易年j月砣多日
刍%袤
第一章引言
1.1论文的选题依据
数字信号处理是一门发展十分迅速的前沿交叉性学科,在通信、导航、雷达、声呐、地震勘探及生物医学等领域都有着广泛的应用。信息化的基础是数字化,数字化的核心技术之一是数字信号处理,数字信号处理的任务在很大程度上需要由DsP器件来完成。DSP技术已成为人们日益关注的并得到迅速发展的前沿技术,DsP可以代表数字信号处理器(DigitalsigIlalProcessor),也可以代表数字信号处理技术(DigitalsignalPmcessing),后者是理论上的技术,要通过前者变成实际产品。两者结合起来就成为解决某一实际问题和实现某一方案的手段即数字信号处理解决方案。本文侧重对DsP的第一种解释一数字信号处理器进行阐述。DsP将是未来集成电路中发展最快的电子产品,并成为电子产品更新换代的决定因素。
滤波技术是信号分析、处理技术的重要分支,无论是信号的获取、传输,还是信号的处理和交换都离不开滤波技术,它对信号安全可靠和有效灵活地传递是至关重要的。信号分析检测与处理的一个十分重要的内容就是从噪声中提取信号,实现这种功能的有效手段之一是设计一种具有最佳线性过滤特性的滤波器,当伴有噪声的信号通过这种滤波器的时候,它可以将信号尽可能精确地重现或对信号作出尽可能精确的估计,而对所伴随噪声进行最大限度地抑制。维纳滤波器就是这种滤波器的典型代表之一o
1.2维纳滤波的研究历史
维纳是著名的数学家,后来被誉为信息理论家。维纳的著作不仅是一个很好的创见,而且具有结合工程的实际意义,是线性滤波理论研究的一个重要的开端.
在第二次世界大战中,由于雷达的发明以及防空炮火控制的任务,把大量有修养的数学家和物理学家都动员到信息科学这个研究领域中来了,这个时候人们活跃于这个领域,并有许多重大的科学创造。数学家维纳对于滤波理论【”1的研究成果,就是这时候重大的科学创见之一。
通讯与控制中的滤波问题,指的是从获得的信号与干扰中尽可能地滤除干扰,分离出所期望的信号,或者说,是通过对一系列带有误差的实际测量数据的处理,得出所期望数据的估计值【l】o维纳的工作是从研究处在统计平衡的时间序列开始的,维纳
第一章引言
1.1论文的选题依据
数字信号处理是一门发展十分迅速的前沿交叉性学科,在通信、导航、雷达、声呐、地震勘探及生物医学等领域都有着广泛的应用。信息化的基础是数字化,数字化的核心技术之一是数字信号处理,数字信号处理的任务在很大程度上需要由DsP器件来完成。DSP技术已成为人们日益关注的并得到迅速发展的前沿技术,DsP可以代表数字信号处理器(DigitalsigIlalProcessor),也可以代表数字信号处理技术(DigitalsignalPmcessing),后者是理论上的技术,要通过前者变成实际产品。两者结合起来就成为解决某一实际问题和实现某一方案的手段即数字信号处理解决方案。本文侧重对DsP的第一种解释一数字信号处理器进行阐述。DsP将是未来集成电路中发展最快的电子产品,并成为电子产品更新换代的决定因素。
滤波技术是信号分析、处理技术的重要分支,无论是信号的获取、传输,还是信号的处理和交换都离不开滤波技术,它对信号安全可靠和有效灵活地传递是至关重要的。信号分析检测与处理的一个十分重要的内容就是从噪声中提取信号,实现这种功能的有效手段之一是设计一种具有最佳线性过滤特性的滤波器,当伴有噪声的信号通过这种滤波器的时候,它可以将信号尽可能精确地重现或对信号作出尽可能精确的估计,而对所伴随噪声进行最大限度地抑制。维纳滤波器就是这种滤波器的典型代表之一o
1.2维纳滤波的研究历史
维纳是著名的数学家,后来被誉为信息理论家。维纳的著作不仅是一个很好的创见,而且具有结合工程的实际意义,是线性滤波理论研究的一个重要的开端.
在第二次世界大战中,由于雷达的发明以及防空炮火控制的任务,把大量有修养的数学家和物理学家都动员到信息科学这个研究领域中来了,这个时候人们活跃于这个领域,并有许多重大的科学创造。数学家维纳对于滤波理论【”1的研究成果,就是这时候重大的科学创见之一。
通讯与控制中的滤波问题,指的是从获得的信号与干扰中尽可能地滤除干扰,分离出所期望的信号,或者说,是通过对一系列带有误差的实际测量数据的处理,得出所期望数据的估计值【l】o维纳的工作是从研究处在统计平衡的时间序列开始的,维纳
证明:在一定条件下,处在统计平衡的时间序列的时间平均等于相平均【38】。维纳正是基于这点提出了他著名的滤波和预测理论。滤波问题就是尽可能地恢复一个被噪声干扰了的信号的问题。实质上,就是预测一个被噪声干扰了的时间序列的问题,因此,滤波问题也可以视为一个预测问题。数学上讲,预测就是从一个时间序列的过去的数据估算整个序列的统计参数。
工程上的滤波问题也是理论上的一类统计估计问题,最佳线形滤波是最佳线性估计的方法之一,在最佳估计中最小均方误差估计是最有现实意义的。估计理论的课题是众多的,最小均方误差估计只是估计理论的一个小的分支。然而,它却是最重要又最富有实际意义的一个分支,对系统所加的线性条件起初是为了简化理论分析,非线性滤波问题是在理论处理上比线性滤波问题要困难和复杂的多,但是后来证明:在一定条件下,在最小均方误差准则下得到的最佳线性系统是所有系统中的最佳者。
近代滤波理论的发展对于信息科学的发展是有重大贡献的,它概括了通讯与控制中信息过滤的统计本质。这是由于滤波理论与通讯和控制中的许多课题有密切的联系,从而赋予了滤波理论以极大的生命力,滤波理论本来是一个小的研究领域,但是它联系着许多大的广泛的研究领域,因此它的价值已经超出了它起源时自身的价值,也就是它能够继续活跃地向前发展的保证。
几十年来滤波理论已经发展成了一个广阔的研究领域,可以有许多不同的方法来介绍它的内容,有的可以选择不同的重点。本文主要是关于维纳滤波的,介绍维纳滤波的基本概念以及讲其维纳滤波的应用。
从数学的观点来说滤波理论是统计学中的估计理论的一个重要分支,从工程的观点来看它又是系统工程研究的一个重要组成部分。
1.3本文主要内容和贡献
本文通过维纳滤波理论研究的历史回顾,描绘出一幅基于最小均方误差估计的线性滤波理论的轮廓并对其进行的实际的应用。
维纳滤波也是最小平方滤波,其基本思想是设计一个滤波器,使其与输入信号滤波后的输出在最小平方意义下与期望输出最佳逼近,本文就是讨论在最小平方意义下设计滤波因子的最小平方方法问题。
本文是基于最小均方误差的基础上的维纳滤波器的设计,寻求最小均方误差的实质其实就是解维纳一霍夫方程。文中介绍了维纳滤波的基本原理,讨论了维纳一霍夫
方程在时域和z域的解,并对三域的因果解与非因果解作了详细讨论。以桩基检测中的完整单自由度桩基为例,对桩基检测进行了概括的介绍,并对其进行加噪,并用维纳滤波进行了处理,得到很好的处理效果,体现出了维纳滤波在信号处理方面的去噪功能。
第二章维纳滤波的基本原理
2.1维纳滤波概述
维纳(wiener)滤波是用来解决从噪声中提取信号问题的一种过滤(或滤波)的方法。实际上这种线性滤波问题,可以看成是~种估计问题或一种线性估计问题。
一个线性系统,如果它的单位样本响应为厅(玎),当输入一个随机信号x("),且
工(玎)=s(行)+D(玎)(2一1)
其中s(”)表示信号,u(玎)表示噪声,则输出y(甩)为
y(")=∑矗(m)x(揩一m)(2—2)
我们希望x(胛)通过线性系统矗(聍)后得到的.y(甩)尽量接近于J(胛),因此称y(胛)为J(盯)的估计值,用j(”)表示,即
y(月)=i(行)(2-3)
图2.1维纳滤波器的输入一输出关系
‘
如图2.1所示。这个线性系统厅(聆)称为对于s(肛)的一种估计器。
实际上,式(2.2)的卷积形式可以理解为从当前和过去的观察值x(胛),xm一1),x∽一2)…x∽一研),…来估计信号的当前值j(甩)。因此,用^(聆)进行过滤的问题可以看成是一个估计问题。由于我们现在涉及的信号是随机信号,所以这样一种过滤问题实际上是一种统计估计问题。
一般,从当前的和过去的观察值x0),z0—1),x∽一2),…估计当前的信号值y(n)=§(n)称为过滤或滤波;从过去的观察值,估计当前的或将来的信号值y(聆)=;∽+Ⅳ)(Ⅳ≥0)称为预测或外推;从过去的观察值,估计过去的信号值y(聆)=j印一Ⅳ)(Ⅳ>1)称为平滑或内插【3】。因此维纳过滤又常常被称为最佳线性过滤与预测或线性最优估计。这里所谓最佳与最优是以最小均方误差为准则的。这里只讨论过滤与预测问题。
如果我们以s与;分别表示信号的真值与估计值,而用e(胛)表示它们之间的误差,即
e(n)=s(M)一;(n)(2-4)4
显然,e(n)可能是正的,也可能是负的,并且它是一个随机变量。因此,用它的均方值来表达误差是合理的,所谓均方误差最小即它的平方的统计平均值最小:
Ek2(H)】mm=E缸(n)一j(押)】2k(2-5)
采用最小均方误差准则作为最佳过滤准则的原因还在于它的理论分析比较简单,不要求对概率的描述。并且在这种准则下导出的最佳线性系统对其它很广泛~类准则而言也是最佳的。
2.2时间序列的滤波,预测与平滑
2.2.1时间序列
滤波、预测与平滑都是对时间序列而言的。所谓时间序列就是随机变量关于时间的函数。随机过程最著名的例子可以说是布朗运动了。布朗运动是悬浮在液体中的微粒所做的永不停止的运动。布朗在显微镜的视野里观察到了这种运动。微粒的运动是受来自各方液体分子的撞击所引起的。这个就揭示了微观世界的秘密。类似的例子我们随处可见,例如:雷达中的热噪声与目标噪声,飞行器遇到的湍流,心电图中的杂音尖峰,时间序列是这类物理现象的总称。离散分布是连续时间函数以某一时间间隔采样的结果,称每个采样值为一个标本。相反,连续分布也可以认为是当采样时间间隔趋于无限小时离散分布的极限情况。
时间序列是对随机变量长期观察的结果,但是随机变量的个别观察结果总是呈现为不规则的行为,要预测个别的结果几乎是不可能的。但是,对它的长时间的观察的平均结果却表现出显著的规则性,统计学所描述的正是这种规则性的数学模型。
随机变量的分布函数描述了随机变量的最完整的性质。在一系列的实际情形中,往往只要知道分布的某些数字特征就足够了,其中这里最关心的是均值与方差。
随机变量x的均值(又称为数学期望),定义为
巴
&=I矽(z)出=m
式中p(x)随机变量x的概率密度。
随机变量x的平方均值定义为
&2=卜2p(_:c)出随机变量x的方差定义为
№=E旺一&】2=E陆一聊】2=盯2
方差的物理意义在工程领域是很重要的。
均值、平方均值以及方差是有联系的
仃2=l【x—J'l】2p(x)出
=p2p(x)出一2脚J妇(功出+所2p(工)出
=Er2—2肌2+肌2
=及2一所2
或者记为:
盯2=及2一(凰)2
方差表征了随机变量的一切值在其平均值的两旁的分布情况,即可用方差来度量离散或者密集的情况。
2.2.2滤波,预测与平滑
笼统来讲,滤波,预测与平滑都属于过滤问题,但是三者之间还是有差别的,只有明了三者的差别,才能正确建立滤波,预测与平滑的概念。
滤波问题是一类估计问题,所谓最佳滤波输出,指的就是最小均方误差估计,所以滤波器在某种意义上来说就是一个最小均方误差估计器了。输出可以用j(疗)来表示。如果滤波器的输出是输入信息的准确复现,则输出为理想输出,用%(”)表示。实际上,在有干扰与噪声v(”)存在的情况下,没有误差的理想输出几乎是不可能的。这个误差记为e(n)
e@)=;@)一J。0)
由于屯(”)=JQ)上式又可写为
P(胛)=j(押)一s(")
我们所设计的滤波器应当使P(疗)很小。在研究线性滤波器时,采用最小均方误差准则,即使滤波器输出的均方误差为最小。均方误差定义为6
础啦脚去≯c帅c功五
滤波器在玎时刻复现信号J(")显然是滤波问题。这是一种简单的过滤,滤除噪声v(")是唯一的目的。但输出在时间上的简单的超前或者滞后,都不失为线性滤波问题。
在行时刻,滤波器输出如果为j∽+口),这显然是一种超前的情况,输出j∽+口)是s0+口)的估计值,它比x(n)超前了口时间。这个时候滤波器所完成的是一种预测,研究这种情况就是研究预测问题。
另外一种情况,是输出滞后的情况。即在”时刻,滤波器输出为j∽一口),是J∽一口)的一个估计值,滞后是明显的。在某些譬如通讯系统中,这个是允许的,因为简单的延迟并不意味着失真。常常延迟对提取信息是有好处的,可以获得更高的滤波精度。这类问题称为平滑。7
第三章最小均方误差准则及维纳滤波器的解
维纳滤波理论所解决的是最小均方误差准则下的线性滤波问题。采用最小均方误差准则作为最佳滤波准则的原因在于这种准则下的理论分析比较简单,因而可能得到解析的结果。贝叶斯估计和最大似然估计都要求对测量做概率的描述,而线性最小均方误差估计却放宽了要求,不再涉及所有概率的假设,只保留对前二阶矩的要求。在一定条件下,在这种准则下导出的最佳线性系统对其它很广泛一类准则而言也是最佳的。
设计维纳滤波器的过程就是寻求最佳滤波器冲击响应的明确表达式,其实质就是求解维纳一霍夫方程。
3.1最小均方误差准则
滤波器的输入包括有信号和噪声,设信号为s(n),噪声为v(H)。x(n)与s(n)是统计独立的,二者联合信号为
x(胛)=J(仃)+V(疗)(3—1)
滤波器是线性滤波器,其冲击响应可表示为矗(f),则滤波输出为
;(聆)=弘(f)x∽一fm(3—2)
设%(胛)为滤波器的理想输出,在理想情况下,%(”)=J(聍),即妁(")等于信号本身。为书写方便以下将理想输出记为s(H)。则估计的误差为
P(即)=毒(行)一J(")(3-3)
均方误差实质上就是f=o时的误差自相关函数丸(O),即
E【e2(n)]=烛去≥s㈣咄坩毋
=烛去≥2c珊(3—4、或者记为:
E【P2(聆)】=E[J(胛)一j(行)】2(3・5)
将式(3.2)代入到式(3—5)可以得到
Ep2(挖)】=E【s(”)~p(咖@一r)dr】2
∞∞∞
=E[so)】2—2p(f)Ep(厅)工。一f)】dr+弘(r)drp(盯)研x@一f)《厅一f)1如’
=丸(o)一2p(f耽(f)d盯+p(f矽rpp渺p一盯)d盯(3-6)
式中
丸(o)=E【J(")】2
=烛寺≥2∽咖(3—71
丸(n)=Ep(n)工(疗一f)】
=姆刍≥c咧…,砌(3—8)
丸O一盯)=E【x(n—r)x(聆一盯)】
=姆去≯c…胁叫砌f3—9)
称丸(O)为滤波器信号输入(或理想输出)的均方值,丸(r)为滤波器输入一理想输出互相关函数,丸p一盯)为滤波器信号与噪声联合信号输入的自相关函数。
3.2维纳滤波器的时域解
维纳滤波器的设计,实际上就是在最小均方误差条件下探索和确定滤波器的冲激响应^(珂)或系统函数日(z),也就是求解维纳一霍夫方程的问题。但令人遗憾的是,当需要满足因果性(物理可实现性)约束时,求解维纳一霍夫方程相当困难,从图(2.1)我们可以得到
y(")=;(n)=∑矗(m)x(n—m)
如果系统是物理可实现的,即
而(竹)=O"<O
则此时的
y(甩)=;(n)=∑矗(坍)x∽一所)m=0(3.10)
它实现的是将当前的及过去的诸输入值作相应的加权后的求和运算。
维纳滤波的设计则是要确定均方误差
E№2(玎)】=E{p(咒)一∑^(埘)x(聍一埘)】2}(3.11)
最小意义下的冲激响应矗。(即)
为了便于得出矩阵表示式,我们先将式子(3.10)改写成
j(门)=∑啊z
式中
f2脚+1,或川=f—l1
篡警慕意邶jx,=x(甩一,”)=z(疗一f+1)J
因此
E【e2(n)】=E[(s一∑红x。)2】
为了求得E【O—j)2]最小时的{吩),先将式子(3.14)对毵求偏导,得到
旦墨挚=E{2p一(啊_+%工:+・・・)】(一x,)),_,≥l
再令其为零,即
研(J一∑帆)_】=o,≥1
或者
E【蹦.]=0,,≥1从而可以确定所需要的{托)
10(3—12)(3・13)(3—14)(3.15)(3—16a)(3・16b)
O
图3.1用几何图像表示的正交性原理
式子(3.16b)符合正交性原理,即满足二个矢量正交时它们的点乘等于零的关系。正交性原理可以比较方便地用图3.1说明。这里假设以f表示的求和项的项数为2,图中的j显然处于由五与x,决定的平面内,所以P垂直于该平面。正因为如此,这个时候的P既垂直于五又垂直于x,,而且它的长度最短。
从式(3.16)可以看到,满足正交性原理与满足均方差最小的条件是一致的。由于E口,x。]_丸。,以及研x,s】=丸,。,将其代入(3—16a),可得
丸,=∑曩‰,/≥l(3-17)
若将(3.16a)及式(3-17)代换回以m为参数变量的形式,可分别获得
E{【s(")一∑厅口(m)x(疗一m)】工(行一.i}))=o,女≥o(3—18)
m=O
及
妒期(后)=j:办叫(研)痧聃(|j}一聊),七≥o(3—19)
m=0
式(3—17)与(3一19)称为维纳一霍夫方程。根据以时间域表示的维纳一霍夫方程,即可解得均方误差最小意义下的最佳冲激响应厅。(_]})
如果从{x(”))求;(")时,并不严格要求实时得到有关结果,而是允许在将来(例如可以经过一定等待或延迟)得到相应的结果一这在数字信号处理中实现起来比较方
便,那么
y(聆)=;(")=∑矗(研)x(聍一m)(3—20)
中的求和下限就不必限于m=O,而是可以让脚<O了,也即没有了h∽<o)=O的限制,因而前述维纳一霍夫方程也就不在有后≥O的约束了。
在要求作严格实时处理的场合,不允许有过多的等待和延迟,则必须考虑因果性限制,在工程实际中常在时域用逼近的方法解上述方程。这时如果具有因果性约束的而(")可用长度为N的有限长序列来逼近,则式(3-lO)与(3-12),式(3—16a)与(3—16b)以及式(3—17)与(3—19)可以分别表示成式(3—21),(3・22)及(3-23)等诸式。
如下:
Ⅳ.11
y(")=;(胛)=∑矗(m)x(n一坍)l”o
Ⅳ。}f(3.21)、7
;(珂)=∑囊x,
I_lJ
和
E{p一∑噍t】_}=o
.,=1,2,…,Ⅳ(3—22)
E【甜,】_0
以及
吣=∑ht‰,j=
(3—23)
≯。(女)=∑^(m)丸(☆一,,1),女=o,l,…,Ⅳ一1
为了表述方便,我们又常将式(3—23)表达的维纳一霍夫方程写成矩阵形式,即
[丸]-[丸]【纠(3—24)式子中
丸.,
k】=矿”
:(3-25)
●
÷。
为x与J的互相关矩阵。而
氏。丸。‘’氏。
+‘
k】=丸:。丸:。(3・26)
口”t口”l’‘÷”N
则为x的自相关矩阵。以及
啊
矗=^2
:(3—27)
●
吃
式中的魄,矗2,…,k为矗(胆)在”=0,1,…,Ⅳ一1时的样本值。从式(3—24)即可解得
[例=[棚。,=【丸】‘1[丸】(3-28)
在这里可以看到,利用有限长的^(玎)来设计维纳滤波器,假如【丸】与【丸]可知,就可用式(3—28)在时域解得因果性【^k,只是这里牵涉到计算【丸】,【丸】及其逆矩阵等,计算量可能较大。尤其是在设计过程中试图以增大矗(H)的长度^,来提高所作逼近的精度时,还得在新的Ⅳ情况下重新计算。因而虽然在工程上常用这种有限冲激响应(FIR)滤波器来实现维纳滤波,但这种方法并不总是最为有效的。
3.3维纳滤波器的z域解
对于一般的卷积表示式,可以在时间域求解,也可以将其变换到z域后再按相应的函数关系求解。但是在维纳一霍夫方程中,它多了一个女≥o(或,≥1)的约束,这时虽然仍呈现^(|j})与丸(尼)的卷积形式,但是却不能简单地按卷积定理变换到z域确定‰(z)后再求k(七)。有了女≥o这样的约束,求解最佳^(女)这样的问题,就变得比较麻烦。
如果没有七≥O的约束,即无上述物理可实现条件限制,那么非因果的维纳一霍夫方程为
丸(七)=∑‰(聊)丸(七一脚)(3-29)
因无前述约束,可以将它变换至z域,得到
西。(z)=何。(z)中。(z)
及
‰∽=器(3—30)
从而可以较为方便地获得
w-z-1∞](3-31)
对于有物理可实现条件限制的情况,如式(3—18)所示
E{[J(门)一乏:矗叫(m)x(玎一,")】x(n一七))=o,_j}≥o
m=0
这里t≥0的约束,对x(胛)而言,相当于只能取当前的与过去的观测数据。
以上也就是说,当要求维纳滤波器满足物理可实现条件,即其冲激响应为因果序歹d时,所得的维纳一霍夫方程式(3—19)将附有≈≥O的约束。因而不能直接将其转入z域确定日叫(z),并进而求得‰(玎)。而且有物理可实现约束时,维纳一霍夫方程在时域求解有时又相当困难,为此,现在专门介绍由Bode和Shannon相继提出的将x(n)加以白化的方法来确定维纳一霍夫方程的z域解【15】【35l。作为准备,这里先引入信号模型的概念。
图3.2J(胛)的信号模型
任何一个具有有理功率谱密度的随机信号均可以看做由有一个白噪声w(")激励某个物理网络所得,而一般工程中的信号J(n)的功率谱密度通常均可表示为z的有理
式,因而可用图3.2所示的信号模型来描述。图中的4(z)就是形成信号s(”)的模型的传递函数。
白噪声的自相关函数及功率谱密度分别为
妒。(n)=盯:J(疗)
和
巾。(z)=盯:
当信号模型的冲激响应为实序列时,我们可得到J(功的功率谱密度
m。(z)=盯:4(z)4(z-1)(3-32)
又因为x(聆)=s(珂)+v(n),所以x(胛)也可以用图3.3(a)的信号模型来表示。
当x(n)的功率谱密度也是z的有理式时,显然可以将x(n)表示成图3.3(b)所示的模型形式,且当所列模型的冲激响应为实序列时将有关系式
m。(z)=司B(z)B0-1)(3—33)
反过来,利用图3.3(b)的信号模型,也可以实现x(n)的白化目的。
V(国
J孚{亘H@
(6)
图3.3维纳滤波器输入一输出关系根据式子(3—33),如果中。(z)在单位圆内存在一对共轭极点(或共轭零点)
z1.:=阳±…(H<1),则z¨={e;”应该也是m。(z)在单位圆外的相应的另一对共轭极点(或共轭零点),它们的分布如图3.4所示。这里,如果令曰(z)由单位圆内的零、极点构成,B0-1)则由单位圆外的零、极点构成,那么B(z)所代表的系统应该是一个因果的,最小相位系统。
代
\、泌‘冷聊)
图3.4觑z)和B仃1)的极(零)点分布关系
在离散随机信号中,无限能量信号的傅立叶变换或z变换并不收敛,但是在工程上,有时常近似地用足够多的样本替代某个随机过程【151。这样,对于图3.3(b)所示的情况,仍可将其输入输出关系近似地表示成
x(z)=B(z)妒(z)
或
忡)=锱(3_34)
式子中B(z)为因果的最小相位系统,玄石显然也是一个物理可实现的最小相位系统。于是,与以白噪声获得z(”)的过程相反,也可以利用式子(3—34)这样的关系式实现白化x(胛)的目的。
如前所述,设计维纳滤波器实际上就是求解研0一;)2]最小时的最佳日(z)问题。为了便于获得这时的日。(z),先将图2,l重画成图3.5(口),并将此滤波器分解成图3.5(6)的形式。6
0)
图3.5利用白化x(”)的方法求解维纳一霍夫方程
显然,这里的
日∽:盟一(3-35)
B(z)
已知信号的中。(z)后,即可从式子(3—33)解得。并且因为B(z)是由m。(z)在单位圆内的零,极点组成的,所以曰(z)或ib所代表的应该都是物理可实现的因果系统。于是在这里,最小均方误差意义下的日。(z)的确定,也就变成了求解最佳G(z)的问题。G(z)当然也需分成因果性与非因果性的情况讨论。但是此时G(z)的激励信号已经不再是x(n),而是将其白化之后所得的白噪声,从而使求解这种情况下的G(z)远比直接以图3.5(a)解日。(z)要方便许多。下面仍按有无物理可实现约束这两个情况予以讨论。
3.3.1非因果维纳滤波器
根据前面对图3.5(b)的讨论,可得
j(")=∑g(≈)w(胛一七)(3—36)
t一
式中的g(七)为G(z)的逆Z变换。而§(n)的均方误差
印2(")】=联[s(”)一∑g(||})w(”一研)
=以s2(n)一2∑g(女)w(H一女)s(n)
女=—・o
+∑∑g(女)g(r)w(H一%)w(n—r)}
=毋2(聆)卜2∑g(Ji})研w(甩一七)s(胛)】
+∑∑g(.i})g(,)E【吣一七)w(胛一,)】女…=4
∞∞∞
=丸(o)一2∑g(七)丸(七)+∑∑g(七)g(r)丸(七一,)(3.37)
由于么。(栉)=盯:艿(聆)
即式(3-37)中的
郴叫=舻菇
所以式子(3-37)可以表示成
E[P2(甩)】_丸(o)一2∑g(七)九(.i})+∑92(|i})口:女=—∞t=o
咆(o)+,至h贴)一掣马2一妻冬笋t—(3-38)
uⅥ女2Ⅷu”
为了求得相对于g(七)的最小均方误差值,我们令
丝随塑:o
融(|j})
同时考虑到式(3—38)中的≯。(o),妻堡釜坠项均与g(后)无关,因而可以得到均方误差最k—u”
小时的
g。(女):兰n粤,一。<七<。。(3・39)盯:
及
G。(z):去中。(z)(3-40)
盯:
而且还可以由式子(3-35)得到
蹦加等=专等(3-41)
另外我们知道,如果x0)是由白噪声激励一个系统函数为B(z)的线性系统得到的话,x(聆)与s(”)的互相关函数
丸(m)=Ep(行)z@+埘)】=Eb(行)∑6(七)w(n+小一七)】
=∑6(七皿[J(玎)w(玎+研一七)】
=∑6(_】}耽,沏一_|})=6(删)+丸(所)(342)
由于
丸(研)=丸(一所)
所以式(3-42)也可以写成
丸(一m)=6(m)+丸(一m)
或者
丸(m)=6(一m)t丸(m)(3—43)
①。(z)=B0-1)中。(z)
以及
叫垆鬻(3—44)
将其代入式子(3—41),即可得到‰∽=专羔=鬻f3・45)这与时域没有因果性约束所得的系统函数表示式子(3-30)完全一样。下面看下式(3—45)的基本含义。考虑到
工(门)=J(胛)+V(胛)
而且s(")与v(”)又不相关,即对于任何聊的E【J(")V∽+坍)】_0,因而有
丸(m)=E【x(")sQ+肌)】
=E{[s(,1)+v(行)】s(聆+m)}
=E【J(九)s(H+m)】=丸(m)
以及
巾。(z)=中。(z)+由。(z)(3・47)
将它代入式子(3.45)则可得到
日水卜可豸篱历ⅣM:尘墅堕(3.48)p’4即
所以非因果的维纳滤波器的频率响应可以表示为蹦∽=蒜
(3-49)
它完全取决于信号和噪声的功率谱密度以及他们的分布情况。从式子(3-49)不难得到
O,气(w)=O,名(w)≠0
日。。0”)=l,只(w)≠O,匕=0(3-50)
堡业<1-
’圪(w)≠O,只,(w)≠0
圪(w)+%(w)
同时,根据式子(3.39)确定的g。,(七)的解得出以后,不难由式(3・38)确定这种非因果维纳滤波器的最小均方误差,即・
球2㈨】。哦(0)一言喜孤)(3-51)20
图3.6由足(w)与匕(们决定的日。0…)特性
根据帕赛伐尔(Parsevel)公式,有
墨砌∥∽=击批∥(妒出
若令y’(”)=x(,z),则上式子可写成
主攻加刍扭舭(z_协1出
同时考虑到
虹(咖刍垂蚶咖“出
并有
九(o)=刍{吣咖。出
将式(3—53)与(3-55)的结果代入前面的式子(3-51),可得
彤(纠矿刍抄以)一言①以)①以’圹1出
再将式子(3—44)代入此式子则
彤∽k=刍正附,{鬻专筹圹1比
又因为从式子(3-45)已知州=壶剃=湍(3—52)(3—53)(3-54)(3-55)(3-56)仔s,,
所以有
球2(叽。=刍{盹(垆‰(护鼻’扩1出(3—58)若s(聆)与V(胛)不相关,则巾。(z)=①。(:)和中。(z)=①。(z)+①。(z),考虑到①。(z)=m。(z。1),则式(3—58)中的
蹦抛Jz-1)=墨暑吣z-1)=詈篙甥
:尘:盟
西。(z)+①。(z)
因而
喇一‰∽吣z’=坐鼍蒜蔷塑
:竺翌堕竺坚盟
①。(z)+中。(z)
所以式子(3—58)可以写成
职州。=南藿裂蔫鲁。1出ps,,
若将积分围线取成单位圆,即以z=P一代入上式,可得
职酬。=南£蒜鬻挚Bs。,
从式(3—60)可以看到,只有当信号功率谱与噪声功率谱不重叠时,其研P2(聆)k。才为零。3.3.2因果维纳滤波器
因为有物理可实现约束,这时应有
g(七)=0七<O
式子(3—36)与式子(3—38)可分别表示成
;(盯)=∑g(|i})w("一t)(3—61)和
Ep(纠=丸(。)+薹f盯。占(盼一毪》2一专薹珐(D(3-62)
I=0VwVwP2u
而且有
刀力≥O
g叫"=上砖姒(3-63)
仉n<O
如果有一个函数,(聆)的Z变换为F(z),即
而且将,(nⅫ(聆)的z变换以【F(z)】+表示,即
,【竹)“(疗)—}【,【zJJ+
这里的厂(”)”(n)显然是一个因果序列,它只在”≥O时有值。如果它代表的系统是个稳定系统,那么其系统函数旷(z)】+的所有极点均在单位圆内。则式(3・63)的z域表示式子可写成
G删2旁“纠+(3-64)
因而
‰(z)-志%(z)-壶陬(列+
=壶[鬻]+盯:B(z)lBo_1)j+pss,、7这就是欲求的物理可实现的维纳滤波器的系统函数表示式。与式(3—45)相比,除了加有【】+这一标志之外,别无其它差别。同样,因果的维纳滤波器的最小均方误差
球2∽k哦(旷专篆积2)
=妒。(o)一专∑【丸(七)“(七)‰(女)(3-66)
uw々一
于县,按照帕寒伐尔公式,这时的最小均方误差的z域表示式可以表示成
E【e2(帆。=南如球)一言‰(z)”球’}z_1出
=刍{m,一专[鬻]+篙≯出
=南藿哦(垆‰(加以-1)矿1比(3.67)比较因果维纳滤波器的E[P2(行)】。表达式(3-67)与非因果维纳滤波器的研P2(聍)】。表示式(3—58),不难看到它们的形式完全~样,只是日。(z)不尽相同而己a
第四章计算机程序设计
4.1相关分析
在数字信号处理中,相关的概念是一个十分重要的概念,相关分析是一种十分重要的处理。它不仅本身有重要的物理和几何意义,而且在压制噪声提高信噪比,计算速度谱等方面也有广泛的应用【9】,我们以下给出相关系数与相关函数的概念,并讨论相关与褶积的关系。
4.1.1相关的基本概念
(1)相关系数
设有两个波形x。和¨,为了描述这两个波形的相似程度,我们取某个适当的数口,使x。与缈。Ⅳ。<n<Ⅳ:相接近,用误差能量来衡量相接近的程度
(4_1)
要使Q选最小,即要求口使坦/如=O,也即~I舻南莓@”嘞)2警:熹f兰Ⅵ。一口兰y:1:o'r1,一Ⅱ,1,l=●l
出Ⅳ2一Ⅳ。+1I钾‘1“”南“J。件z,”…14一,、
由此得
口=∑%虬/∑y:(4-3)
呵南陟(》]2倒睁4,
赢=l一础(Ⅳl,Ⅳ2)(4—5)
其中
%(ⅣⅣ=
心∑州k¨/也∑嗍砖心∑州砖(4—6)
所以以yⅣⅣ纠<一●
当Ip。(Ⅳl,Ⅳz)I=l时,Q=o,%与缈。完全相似或完全线性相关,当lP。(Ⅳl,Ⅳ:)I-o时,Q为x。的平均能量,z。与缈。完全不相似,所以p。(Ⅳ,,Ⅳ:)被称为鼻。与y。在范围fⅣl,Ⅳ:】上的相关系数。
因为%和以的能量兰x:和兰z往往是确定的,所以风的大小就由
N=ⅣlH=Ⅳ2
如=∑矗儿(4-7)
确定。~被称为‰与虬未标准化的相关系数,也简称为相关系数。
(2)相关函数
在讨论两个波形相似性时,常常还要分析两个波形相对时移后的相似性,即计算工。与y…的相关系数
屯=∑矗儿。(4—8)
当f变化时,如(f)就是f的函数,f是儿相对于_的延迟时间。或时移丸(f)被称为x。与儿的互相关函数a虬(r)达到最大,还可估计两函数之间的相对误差。互相关函数丸(f)中z与y的次序不能颠倒,一般来说
屯(一f)≠丸(f)(4—9)
‰(r)=幻(一r)(4—10)
其中,f是两信号之间相对移动的时移值,所以
∑x…y“=幻b+脚)一(”+f)】=丸@一,)(4—11)
f=(疗+,行)一(聊+,)=,竹一,(4—12)当信号x。与自身相关时,其相关函数丸(r)被称为x。的自相关函数:
丸(r)=∑_%。(4-12)
(3)相关与褶积的关系
离散信号x。与g。的褶积为
矗+岛=∑x…g卅(4—13)
离散信号以与儿的相关函数为
幻(n)=∑一j,~=∑x。.册y一。(令m=”一z)(4—14)
f=-哪Ⅲ;-啪
=∑x。~,g,=x。+g。=x。+_y一。(令g。=y一。)(4一15)
因此,相关与褶积的关系为
丸(n)=x。+J,一。(4一16)
4.1.2相关函数的性质
(1)自相关函数的性质
i)k(r)l在r=o时达到最大值,即
k(”)Is丸(o)
从相似角度看,当r=O时,x。与x…完全重合,这时相似程度最大。由许瓦兹不等式可从数学上说明,即
阻『)l=l奎^l≤[奎:奎:,r=邶,(4一18)
ii)当H斗o。时,丸(r)寸o,即
I慨丸(7)20(4—19)
iii)自相关函数o(f)是f的偶函数,即
丸(一r)=丸(f)(4—20)
因为
丸(一f)=∑bx。=∑‰一,靠=∑‰z…=九(r)*∞m—(4—21)
m2—∞
iV)自相关函数丸(f)的波形与信号x。本身的波形无关,仅与信号所含的频率成分亦即振幅谱有关,与信号的相位谱无关。振幅谱相同而相位谱不同的信号有相同的自相关函数。因为自相关函数丸(f)完全由自相关函数的频谱R。(,)确定,而R。(,)又由信号的振幅谱Iz(厂)I完全确定。
v)正定性。对任何Ⅳ>0,当∑x:>o时,由自相关函数丸(f)组成的矩阵
丸(O)丸(1)…丸(Ⅳ)
丸(1)丸(o)…丸(Ⅳ一1)
:::(4—22)
丸(Ⅳ)丸(Ⅳ一1)…丸(o)
是正定矩阵。
上面矩阵有称为托布利兹(Toepl沱)矩阵,这种矩阵在数字信号处理中常常用到,在数字信号处理中起着重要的作用。
(2)互相关函数性质
i)函数y相对于函数x的互相关,即
丸(r)=红(一f)(4-23)
ii)互相关函数满足下面不等式
k(r)B振了丽丽(4-24)
由许瓦兹不等式可以证明:㈨}=瞽kJ<匦=厕丽㈤zs,
iii)当H专。。时,‰(f)一o,即
.1im丸(f)=o川-+∞。叫、7(4-26)、√
iV)互相关函数丸,(r)只包含信号x。与y。所共有的频率成分,因为
lR。(,)l=lz(厂)l・ly(厂)l(4.27)只有当fz(厂H和p(州同时不为零时,lR。(州才不为零
4.2维纳滤波模型
输入信号t=(zo,■,…矗)(4-28)滤波因子啊=(‰,啊,…^。)(4・29)滤纳滤波实际输出o,=^+一=∑吃x。(4-30)希望输出s,=(%,岛,…s…)(4—31)误差能量最小的必要条件
llO望坼a一矾~∑Ⅲ吐112(4—32)。∑cl以X一
下I~∑ⅢXf.II。∑Ⅲt]防J
整理上式,可得
mⅢ+"m+n
∑瞳∑t一,_一,=∑J,暑一,,z=o,l,…,m(4—33)
f=0f;OI=O
记
丸(f一,)=∑碓,碌,丸=∑驴。(4—34)
于是整理后的式子可写成
∑丸p一啪,=丸(f),‘一’M、‘…7,=O,1,…,m(4-35)
写成矩阵形式,得
丸(O)≯材(1)丸(聊)‰庐“(0)
丸(1)虬(0)丸(加一1)啊妒“(1)
:(4-36))
●
≯。(Ⅳ)丸(Ⅳ一1)…丸(o)矗。妒盯(聊)
上式中方程组的系数都是自相关矩阵眵L+。,由于自相关函数是偶对称函数丸(一m)=丸(聊),因而自相关矩阵是对称矩阵,与主对角线平行的斜对角线上的元素都是相同的,所以此矩阵是托布利兹(To印litz)矩阵。从上面的方程表明,只要已知输出平稳随机信号的自相关函数和其与理想模型的互相关函数,就能求出该模型中的参数{%)。
4.3维纳滤波流程图图4.1维纳滤波流程图
第五章维纳滤波在桩基检测中的应用
5.1桩基检测概述
桩基是隐遮的地下物体,桩基支撑着地面上的构筑物,它是建筑物的基础,一旦基础失稳,势必造成整体建筑物破坏。因此,桩基的设计、施工和检测是桩基础安全与可靠的先决因素。桩基检测是评价桩基工程是否合格的依据,同时也是对不合格桩进行补强的基础。因此,桩基检测引起人们的重视,成为地基基础问题的一个热点【271。
近十余年来,桩的动力测试技术在我国基础工程领域中取得了很大发展。动测法仅是相对于以往采用静载试验来检测桩基础工程质量和确定单桩承载力而言的,实质上它并不是某种方法的名称,而是一类方法的统称。其工作过程是通过对桩在原位施加动力作用的同时测定桩的响应(可以是桩的位移、速度或加速度等),以解决工程实际问题。根据作用在桩顶上动荷载的能量大小、桩身应力水平以及能否使桩土问产生一定的塑性位移或弹性位移,通常把动力试桩分为桩基高应变动测法和桩基低应变动测法。一般认为,高应变动测法可用于桩的承载力检测,低应变动测法可用于桩的质量检测,目前这种提法已被大多数工程技术人员所接受。
对高层建筑、桥梁、海工结构及特殊建筑结构,都需采用深桩基础,即使普通建筑结构,在基础状态比较差的情况下,亦需使用桩基来提高结构的稳定性。桩基质量好坏将直接影响到建筑结构的安全。因此,采取有效的检测手段对桩基进行检测,避免工程事故的发生,是当今工程界普遍关注的问题。
本章从振动理论角度,对桩基系统的振动特性进行研究。给出单自由度系统的集中质量参数振动模型,本章将这一原理应用于工程实际,采用适当的数据对实测数据进行维纳滤波处理。实测结果证明,如果模型选择得当,对于实际中的噪声污染,该维纳滤波方法在一定程度上是可行的。
本章中,从信号分析角度来讲,由于桩土系统的复杂性及外界噪声的影响,从而使有用信号难以直观把握,因此采用良好性能的信号分析技术,提取有用信号是最终正确判断桩身特性的基础之一。我们应该最大限度的去伪存真。保留有用信号,去除干扰信号。
5.2振动结构模态分析理论基础5.2.1概述
模态分析是对一个由若干部分(或质点系)组成的以某种方式与若干无质量刚度连接的系统进行分析确定动力学特征的过程。这个系统可以看作连续弹性结构,该结构已理想化为某些离散过程的若干个质点系。模态特性由测量该结构与已知的激励响应来决定。一旦测定,一个结构模态便可与一个估计或阻尼系统的测量一起用于计算该系统与任何其他作用力的响应。作用力可以是集中力、分布力、集中力矩或分布力矩。当作用于一个弹性结构时,模态分析可完全表示为关于它的振动模式的结构动力特性。模态分析是解决特征值问题,即列出微分方程来描述粒子结构或系统的运动一样。只有当试验得出阻尼参数时,模态参数才可由解析或试验确定。
5.2.2单自由度系统的振动
单自由度系统是最简单的离散振动系统。这里所说的自由度就是确定一个振动系统空间位置所需的独立坐标个数。如图5.1所示的振动系统,只考虑物体的上下振动,那么只需要用偏离平衡位置的一个坐标x就可以完全确定振系的位置,所以这时它是单自由度系统。
图5.1完整桩单自由度的质量参数模型
如图5.1所示单自由度振动系统物理参数模型的振动微分方程为
树+西+缸=/(,))
式中,聊为振动物体的质量,c为振系的粘性阻尼系数,.i}为振系的刚度,X≯一分别为振动物体的位移、速度、加速度,厂(f)为激振力。
令,(,)=O,式(5-1)变为
,戚+瞳+缸=O㈣膏孙,
写成正则形式
叠+2耐+珊;x=o㈣孙,
式中
盯=÷为衰减系数,Zm
‰=√丢为无阻尼固有频率(固有频率)
引入阻尼比f=旦=.=.L=—;,那么(5.3)可写为
国o2聊∞o2√所七
量+2誊∞o童+出;x=o(5—4)
求解方程(54):设它的特解为
x=钟m(5—5)
式中旯为系统的特征值。将(5.5)式代入(5.2)式得到
(坍妒+cA+|j})妒=0(5—6)
为使系统有非零解,应有
m∥+cA+后=0(5—7)
称(5—7)式为系统的特征方程。它的两个特征根为:
^.2=一口±,∞d(5-8)
式中∞。=耵:∞。正了。,=厅;
根据阻尼的大小不同,系统的运动有如下三种情况:
①f>1p>甜。),过阻尼,系统不产生振动;
②善=1p=∞。),临界阻尼,无振动发生
③善<1p<‰),欠阻尼,系统产生振动。
结构振动系统在线性范围内,一般情况属于欠阻尼情况,本章以后所讨论的振动问题均属于欠阻尼情形。
由式(5-8)可知系统的特征值实部、虚部分别代表系统的衰减系数和阻尼固有频不难得到式(5.2)的通解为:
x=爿P一一sin(∞df+口)(5-91率,特征值的模h:I=国。,在振动理论中,有时也把特征值称为复频率。
式中A、曰为由初始条件确定的常数。
5.3桩基振动的集中质量参数模型
根据桩基缺损类型,一般可将桩基分为完整桩和缺损桩两大类。根据桩基缺损性质的不同,缺损桩又可分为断桩(包括离析和夹层)、缩颈桩和扩颈桩等。
本文中以完整单自由度为例,如图5.1所示为整桩单自由度桩基的参数模型。它可等效为一个单自由度振动系统。其中桩周土对桩的作用可简化为线性弹簧K和粘性阻尼c,,弹簧的弹性常数K可看作是桩周土的动抗压刚度K。;桩身质量(包括参振土)集中等效为肌;施加在桩头的激振力厂(f)可以是稳态正弦激励,也可以是瞬态激励(锤击力),本文采用后者;令x是桩头测量处的位移响应。则完整桩桩土系统满足的振动方程为
mi+c。童+j&=厂O)
由式(5—9)得,系统的自由振动响应为
x=爿P一讲sin(国d,+口)
式中
鼯窜
曰:arctan生生
X0+0XO
盯:生
彩d=√∞;一盯2
瓜
‰2、/i
x。和量。分别是系统在f=0时刻的初始位移和初始速度。在以下的图5-2一图5.9中,横坐标均为采样点,纵坐标均为信号幅度。
爝5.2鞭始倍警模型
瞳5-3
被搦九撼新商蝶声羼躲餐形
被加入高斯白噪声后的数据表示
E【口(帕。]:O.9866
P(100)=一O.2656;
P(1000)=0.3274;
P(1500)=一0.5068;
图5.4维纳滤波去高斯白噪声后图形
维纳滤波去高斯白噪声后的数据表示:
E【e(月)2]=O.0780;
PnOO)=一O.1290;
P(1000)卸.1488;
P(1500)=一0
1921;
图5.5Y=wNOIsE(3,11,200)图形
图5
6加入wNOIsE噪声后图形
加入WNOISE噪声后的数据表示
皿P(")2】=4.3172
P(100)=1.5382
日(1000)=-1.7505
P(1500)=-O.5945;
图57维纳滤波去wNOIEs噪声后的图形
维纳滤波去wNOIEs噪声后的数据表示
E【e(n)2】=O.3157
P(100)=一0.9858
P(1000)=O.2588
P(1500)=一O.3417
38
加入瑞利分布随机数后的数据表示
研P(”)2]-1.8169×105;
P(100)=609.8021;
e(1000)=577.1962;
P(1500)=336.9402;
图5.8加入瑞利分布随机数后的图形
经过维纳滤波处理后的数据结果表示
E[B(叻2]=l‘3609×10’;
e(100)=745686i
P(1000)=336.940l;
P(1500)=3.0783;
图5.9维纳滤波去瑞利分布随机数后的图形
综合以上各图所示,以及我们在图中所分别选取三个点来作数据对比,维纳滤波对加入噪声后信号的处理效果令人满意,结果{最示出在对所采集信号经过维纳滤波后
接近了我们所期望的真值。由此得出维纳滤波在信号处理中具有较好的去噪功能。
第六章结论
本文是基于最小均方误差的基础上的维纳滤波器的设计,寻求最小均方误差的实
质其实就是解维纳一霍夫方程。文中介绍了维纳滤波的基本原理,讨论了维纳一霍夫方程在时域和z域的解,并对z域的因果解与非因果解作了详细讨论。以桩基检测中的完整单自由度桩基为例,对其进行加噪,并用维纳滤波进行了处理,得到很好的处理效果。
本文的研究得出以下结论:
1.维纳滤波所针对的是在己知理想模型的情况下,对被噪声污染了的信号做去
噪处理。
2.文中以桩基检测中完整桩单自由度模型为例,对其加入各种噪声用维纳滤波
对其进行处理,可见获得了比较完美的效果。
3.本文中关于维纳滤波的处理中在图中用数据显示了维纳过滤后的差别,由图
中的数据可以看出维纳滤波在信号处理中的去噪功能。
4.文中把维纳滤波应用到桩基检测中,为我们今后在桩基检测方面的去噪提供
了一定的研究思路,具有一定的参考价值。41
致谢
本文是在我的导师孟昭秦研究员的精心指导下完成的,从最初培养方向的制定、
课程的设置、论文的选题到最后的成文,无不倾注了盂老师的大量心血,而且他那严谨的治学态度,实事求是的工作作风一丝不苟的科研精神和工作方法,将使我终身受益。孟老师身为学校领导,在繁忙的工作中为我指导论文、认真批阅和精心校改全稿,本文的完成凝聚着导师的辛勤汗水和无私的奉献。在此,我向我的导师表示崇高的敬意和衷心的感谢!
在我读研期间和论文的完成过程中,在读博士邵广周师兄给了我很大的帮助和指
导,同时还得到了朱光明教授、李庆春教授、李新生副教授、刘永华副研究员等的关心、指导和帮助。
感谢环境科学与工程学院的领导和各位老师,在我大学本科与研究生学习阶段对
我学习的关心和帮助。
感谢地质工程与测绘工程学院的领导和各位老师,在我研究生阶段对我学习的关
心和帮助。
感谢研究生部的领导和各位老师,特别感谢肖润谋书记、高建昌副书记、林祖梅
主任、李春莹辅导员、欧阳韬辅导员在三年的学习生活中对我的关心和帮助。
在此,我还要感谢我的舍友梁志强、霍志周;同学何锦、郭一民、王永刚、孙引
忠、范基姣、沈鸿雁、王东燕、沈梅芳、张丽、常铮、王玉姣等。对他们的支持和友情深表谢意!最后,谨向所有为我付出辛劳、给予关心和支持的老师、同学表示最诚挚的谢意!
参考文献
[1]张有为.维纳与卡尔曼滤波理论导论.人民教育出版社.1980;
[2]李振春,张军华.地震数据处理方法.石油大学出版社.2004:
【3]丁玉美,阔永红,高新波.数字信号处理.西安电子科技大学出版社.2002;
【4T徐伯勋,白旭滨,于常青.信号处理及应用.地质出版社.1997;
[5]冯兵,孙渊,李貅.工程及水文物探教程.陕西人民教育出版社.2003;
[6]陆根源,沉孝桢.信号检测与参数估计.科学出版社.2004:
[7]邓自立著.最优估计理论及其应用.哈尔滨工业大学出版社.2005;
【8】磐仲明,王跃科,杨俊.现代测控理论基础.国防科技大学出版社.2004:
[9】朱光明等.数字信号分析与处理.陕西人民教育出版社.2003;
[10】宗伟,李培芳,盛惠兴主编.信号与系统分析.中国电力出版社.2004;
【11】景占荣,羊彦.信号检测与估计.化学工业出版社.2004;
【12]赵红怡,张常年.数字信号处理及其MATLAB实现.化学工业出版社.2002;[13】梁虹等.信号与系统分析及MATLAB实现.电子工业出版社.2002;
【14】导向科技编著.MATLAB6.O程序设计与实例应用.中国铁道出版社.200l;
[15】陆光华等.随机信号处理.西安电子科技大学出版社.2002;
[16]徐科军主编.信号处理技术.武汉工业大学出版社.2001;
[17]徐明编.FortranPowerstation4.O基础教程.清华大学出版社.2006;
[18】汪同庆编.Fortran90程序设计.武汉大学出版社.2002;
【19]唐建锋.线性最佳维纳滤波器研究.衡阳师范学院学报.2003:
f201郝立兵.维纳滤波器的应用研究.探测与定位.2005;
[21】孟昭秦.划分重力异常的最适滤波方法.石油地球物理勘探.1997;
[22】刘沈衡.维纳滤波在重力资料解释中的应用.有色金属矿产与勘奄.1995;[23]M.P.诺顿.工程噪声和振动分析基础.航空工业出版社.1993;
[24]C.H.汉森等著,仪垂杰等译.噪声和振动的主动控制.科学出版社.2002;『25]应怀樵.现代振动于噪声技术.航空工业出版社.2002:
[26]张铮.MATLAB程序设计与实例应用.中国铁道出版社.2003:
[27]邵广周.缺损桩检测系统研究.长安大学硕士学位论文.2003;【28]潘仲明,王跃科,杨俊编著.现代测控理论基础.国防科技大学出版社.2004;
[29]N.阿罕麦德K.R.罗著.数字信号处理中的正交变换.人民邮电出版社.1979;[30]周霖主编.DSP系统设计与实现.国防工业出版社.2003;
[3l】程正兴著.小波分析算法与应用.西安交通大学出版社.1998;
[32】陈亚勇等编.MATLAB信号处理详解.人民邮电出版社.2001:
[33】阜甫堪,陈建文,楼生强编著.现代数字信号处理.电子工业出版社.2003;
【34]Paulo.s.R.Diniz著.刘郁林,景晓军,谭刚兵等译.自适应滤波算法与实现.电子工业出版社.2004;
[35]H.WBode,andC.Esh锄on.AsimplinedderiVationoflineleastsquaresmootllingaIldpredictiontheory.Proc.IRE,V01.38,1950
【36]H.L.V,mness.Detection,Estimation,肌dModulationTheo阱P础I,NewWiley&Sons,1968
[37]N.wieneLYork,JollIlExtrapolation,Interpolation,a11dSmoomingofStationaryTimeSeries,wimEngineeringApplication.Tech.PressofM.I.T.a11dJohnWiley&Sons,NewYork,1949[38]N.、MeneLCybemeticsorComrolandCommunicationinⅡleAnimalandtheMachine.Seconded.TheM.I.tPressandJohnWiley&Sons.1961
Cli丘色(New[39]MarpleSLJLDigitalSpectralAnalysiswithApplication.Engle、Vood
Jersey):Prcmice—Hall,1998;
[40]A1meidaLB.The丘actionalFouriertransforIllsandtime—frequencyrepresentations.IEEETran.SignalProcessing.1994;
[41]widrowB.Steams.SD.AdaptiveSignalProcessing.Prentice—Hall.Inc.1985:
StatisticalDigitalSignal[42]HaysMHProcessing锄dModeling.NewYork:JohnWiley&Sons,Inc,1996;
维纳滤波的应用研究
作者:
学位授予单位:
被引用次数:崔晓杰长安大学1次
1. 张小波 基于偏微分方程方法的小波域自适应维纳滤波迭代去噪算法[学位论文]2007
1.班超帆.刘晓明.田雨 软判决修正下的语音增强算法在数字信号处理器上的实现与优化[期刊论文]-计算机应用2011(8)
2.胡哲.朱涛.王兰炜.张世中.张宇.刘大鹏 地震地电阻率数据处理方法[期刊论文]-地球物理学进展 2011(1)
3.芮兵.吴敏忠.江庆平 FIR方法在维纳滤波器设计中的应用与仿真[期刊论文]-现代计算机:下半月版 2011(16)
4.尹向雷.郑恩让.马令坤.马晓虹 基于掩蔽效应的维纳滤波器语音增强及DSP实现[期刊论文]-电子技术应用 2010(4)
5.李月.马海涛.林红波.赵晓京.杨泉.宋蕾 基于核函数主分量的维纳滤波方法研究[期刊论文]-地球物理学报2010(5)
6.郭业才.王绍波 基于维纳滤波与小波相融合的超声医学图像去噪方法[期刊论文]-中国医学影像技术 2009(8)
本文链接:http://d.g.wanfangdata.com.cn/Thesis_Y978244.aspx