第一章 练习题
1.1(1)对一AR模型随机信号xn,证明:xn的功率谱可以表示为:
Pxe
j
b0
p
2
2
,其中apk
pk1
和b0都是AR模型参数。要求给出证明过
apkejk
k1
程中用到的假定条件。
(2)假定测得观测数据为x01,x10.5,x20.4。求:xn的有偏自相关函数的估计值。
1.2设xn是均值为0,方差为1的白噪声vn通过一个1阶线性移不变系统产生的随机信号,系统传递函数为Hz的自相关函数rxxm。
1.3一个2阶过程xn0.8xn10.48xn2vn,其中vn是均值为0,方差为1的白噪声。求: xn的功率谱。
1
,求:(1)、xn的功率谱Pxxz;(2)、xn
10.25z1
第二章 练习题
2.1已知xnsnvn,其中信号sn是AR(1)过程:sn0.6sn1wn,
wn是均值为0,方差为0.64的白噪声,vn是均值为0,方差为1的白噪声,且sn
与vn不相关。试设计一个长度为M=2的维纳滤波器估计sn。
ˆn的表达式。 求:(1)、Wiener滤波器的传递函数;(2)、s
2.2已知xnsnvn,其中信号sn是AR(1)过程:sn0.8sn1wn,
wn是均值为0,方差为0.36的白噪声;vn是均值为0,方差为1的白噪声,且sn
与vn不相关。试设计一个长度为M=2的维纳滤波器估计sn。 求:(1)维纳滤波器的
ˆn的表达式。 传递函数Hoptz;(2)滤波器的输出s
2.3已知:(1)、观测数据xndnvn,其中,dn为期望信号,其自相关函数为Rdk0.8;vn是均值为0,方差为1的白噪声。
k
(2)、期望信号是一个AR(1)过程:dn0.8dn1wn,其中,wn是一白噪声,
2
其均值为0,方差为w0.36。
(3)、期望信号dn与噪声vn不相关,噪声vn与wn不相关,且观测数据xn为实信号。试用因果Wiener滤波器对xn进行滤波,滤波器输出作为期望信号dn的估计
ˆn。 d
ˆn的表达式。 求:(1)、因果Wiener滤波器的传递函数;(2)、d
第三章 练习题
3.1(1)对于自适应维纳滤波器,采用最陡梯度算法求解滤波器参数,递推式为试说明维纳滤波在何意义下是最优的?并说明收敛因子在递推中Wj1Wj2ejXj。所起的作用。
(2)图1是简化的飞行器噪声抵消器结构图,其中xn是发动机噪声,sn是语音信号,
vn是一噪声信号,在接收麦克风中对语音信号sn造成干扰,H是发动机和麦克
风之间的传递函数,W是自适应维纳滤波器的频率响应。试证明通过调整自适应维纳滤波器参数,当WH时,均方误差值Ee
2
n达到最小。
图1
f
3.2下图是一个2阶LMS格型自适应滤波器,对每一级的前向预测误差epn均采用LMS准
则进行处理。已知输入实信号
xn的自相关函数
rxx00.51,rxx10.462,rxx20.353,求:
(1)、达到最佳滤波时的反射系数k1和k2的值;
(2)、如果采用梯度算法求反射系数,假定收敛因子为,试给出反射系数kp,p1,2的递推表达式。
(注:递推表达式请用xn描述)
f02
f1图2
e2f(n)b
2(n)
2
3.3自适应滤波器如下图3所示,设E[x(n)]1,E[x(n)x(n1)]0.5,E[d(n)]4,
E[d(n)x(n)]1,E[d(n)x(n1)]1,在开关S闭合情况下,求解:
(1) 误差性能函数;(2)最佳权值w*;(3)最小均方误差。
x(n
)1
)
图3
3.4图4为一自适应抵消器,假设信号sn有一部分泄露到参考信道中,输入功率为
Pssz,vn是总功率为N的白噪声。
求:(1)、原始输入端的信噪比和抵消器输出端的信噪比;(2)、最佳传输函数W*z。
图 4
3.5假设观测信号xn是一复信号,它的预测误差递推公式可以表示为
f
epnepf1nkpebp1n1
b*f
ebpnep1n1k
pep1n
(1)、试采用前、后向预测误差平均功率最小的方法求反射系数,即要求最小化性能函数
pkp的情况下,求误差功率最小时的kp。其中,性能函数可以描述如下:
221fb
pkpEepnepn
2
(2)、当只有N个观测数据x1,x2,,xN已知时,试证明:
*
2epf1(n)ebp1(n1)
N
kp
np1f
p1
np1
(|e
N
,p1,2,
2
(n)|2|eb(n1)|)p1
第四章 练习题
4.1(1)简要分析经典谱估计方法和参数模型谱估计方法的主要区别。
(2)如果模型阶次p选择的不恰当,对于参数模型功率谱估计将带来什么影响?以及如何解决这个问题? 4.2(1)、AR模型谱估计法相对经典谱估计有哪些改进?
(2)、讨论自相关法、Burg法、协方差法和修正协方差法的区别和联系。 (3)、AR模型谱估计中模型阶次、数据长度和信噪比对谱分辨率有何影响? 4.3利用1.1(2)题中所提供的观测数据xn,分别采用自相关法和协方差法, (1)估计AR(1)模型参数;
(2)分析两种方法用于功率谱估计时的区别。
第五章 练习题
5.1 对于短时傅立叶变换,在窗函数分别选择gtt和gt1两种情况下,请问变换结果的时间分辨率和频率分辨率有什么区别?
5.2试简述傅立叶变换、加窗傅立叶变换、小波变换与拉氏变换的关系。 5.3对于已知信号
zt
,在窗函数
gtt
和
gt1
两种情况下,求:
(1)、各自对应的STFT,并对变换结果进行分析。 (2)、试说明STFT与WT的区别和联系。 5.4
如果连续小波变换中的基函数为a(t)
t
()
a请回答问题:
(1) 尺度增大后,时间分辨率如何?频率分辨率如何? (2) 尺度增大后,小波带通滤波器的带宽将如何变化?
第一章 练习题
1.1(1)对一AR模型随机信号xn,证明:xn的功率谱可以表示为:
Pxe
j
b0
p
2
2
,其中apk
pk1
和b0都是AR模型参数。要求给出证明过
apkejk
k1
程中用到的假定条件。
(2)假定测得观测数据为x01,x10.5,x20.4。求:xn的有偏自相关函数的估计值。
1.2设xn是均值为0,方差为1的白噪声vn通过一个1阶线性移不变系统产生的随机信号,系统传递函数为Hz的自相关函数rxxm。
1.3一个2阶过程xn0.8xn10.48xn2vn,其中vn是均值为0,方差为1的白噪声。求: xn的功率谱。
1
,求:(1)、xn的功率谱Pxxz;(2)、xn
10.25z1
第二章 练习题
2.1已知xnsnvn,其中信号sn是AR(1)过程:sn0.6sn1wn,
wn是均值为0,方差为0.64的白噪声,vn是均值为0,方差为1的白噪声,且sn
与vn不相关。试设计一个长度为M=2的维纳滤波器估计sn。
ˆn的表达式。 求:(1)、Wiener滤波器的传递函数;(2)、s
2.2已知xnsnvn,其中信号sn是AR(1)过程:sn0.8sn1wn,
wn是均值为0,方差为0.36的白噪声;vn是均值为0,方差为1的白噪声,且sn
与vn不相关。试设计一个长度为M=2的维纳滤波器估计sn。 求:(1)维纳滤波器的
ˆn的表达式。 传递函数Hoptz;(2)滤波器的输出s
2.3已知:(1)、观测数据xndnvn,其中,dn为期望信号,其自相关函数为Rdk0.8;vn是均值为0,方差为1的白噪声。
k
(2)、期望信号是一个AR(1)过程:dn0.8dn1wn,其中,wn是一白噪声,
2
其均值为0,方差为w0.36。
(3)、期望信号dn与噪声vn不相关,噪声vn与wn不相关,且观测数据xn为实信号。试用因果Wiener滤波器对xn进行滤波,滤波器输出作为期望信号dn的估计
ˆn。 d
ˆn的表达式。 求:(1)、因果Wiener滤波器的传递函数;(2)、d
第三章 练习题
3.1(1)对于自适应维纳滤波器,采用最陡梯度算法求解滤波器参数,递推式为试说明维纳滤波在何意义下是最优的?并说明收敛因子在递推中Wj1Wj2ejXj。所起的作用。
(2)图1是简化的飞行器噪声抵消器结构图,其中xn是发动机噪声,sn是语音信号,
vn是一噪声信号,在接收麦克风中对语音信号sn造成干扰,H是发动机和麦克
风之间的传递函数,W是自适应维纳滤波器的频率响应。试证明通过调整自适应维纳滤波器参数,当WH时,均方误差值Ee
2
n达到最小。
图1
f
3.2下图是一个2阶LMS格型自适应滤波器,对每一级的前向预测误差epn均采用LMS准
则进行处理。已知输入实信号
xn的自相关函数
rxx00.51,rxx10.462,rxx20.353,求:
(1)、达到最佳滤波时的反射系数k1和k2的值;
(2)、如果采用梯度算法求反射系数,假定收敛因子为,试给出反射系数kp,p1,2的递推表达式。
(注:递推表达式请用xn描述)
f02
f1图2
e2f(n)b
2(n)
2
3.3自适应滤波器如下图3所示,设E[x(n)]1,E[x(n)x(n1)]0.5,E[d(n)]4,
E[d(n)x(n)]1,E[d(n)x(n1)]1,在开关S闭合情况下,求解:
(1) 误差性能函数;(2)最佳权值w*;(3)最小均方误差。
x(n
)1
)
图3
3.4图4为一自适应抵消器,假设信号sn有一部分泄露到参考信道中,输入功率为
Pssz,vn是总功率为N的白噪声。
求:(1)、原始输入端的信噪比和抵消器输出端的信噪比;(2)、最佳传输函数W*z。
图 4
3.5假设观测信号xn是一复信号,它的预测误差递推公式可以表示为
f
epnepf1nkpebp1n1
b*f
ebpnep1n1k
pep1n
(1)、试采用前、后向预测误差平均功率最小的方法求反射系数,即要求最小化性能函数
pkp的情况下,求误差功率最小时的kp。其中,性能函数可以描述如下:
221fb
pkpEepnepn
2
(2)、当只有N个观测数据x1,x2,,xN已知时,试证明:
*
2epf1(n)ebp1(n1)
N
kp
np1f
p1
np1
(|e
N
,p1,2,
2
(n)|2|eb(n1)|)p1
第四章 练习题
4.1(1)简要分析经典谱估计方法和参数模型谱估计方法的主要区别。
(2)如果模型阶次p选择的不恰当,对于参数模型功率谱估计将带来什么影响?以及如何解决这个问题? 4.2(1)、AR模型谱估计法相对经典谱估计有哪些改进?
(2)、讨论自相关法、Burg法、协方差法和修正协方差法的区别和联系。 (3)、AR模型谱估计中模型阶次、数据长度和信噪比对谱分辨率有何影响? 4.3利用1.1(2)题中所提供的观测数据xn,分别采用自相关法和协方差法, (1)估计AR(1)模型参数;
(2)分析两种方法用于功率谱估计时的区别。
第五章 练习题
5.1 对于短时傅立叶变换,在窗函数分别选择gtt和gt1两种情况下,请问变换结果的时间分辨率和频率分辨率有什么区别?
5.2试简述傅立叶变换、加窗傅立叶变换、小波变换与拉氏变换的关系。 5.3对于已知信号
zt
,在窗函数
gtt
和
gt1
两种情况下,求:
(1)、各自对应的STFT,并对变换结果进行分析。 (2)、试说明STFT与WT的区别和联系。 5.4
如果连续小波变换中的基函数为a(t)
t
()
a请回答问题:
(1) 尺度增大后,时间分辨率如何?频率分辨率如何? (2) 尺度增大后,小波带通滤波器的带宽将如何变化?