【维纳滤波】【状态估计】FIR维纳滤波和IIR维纳滤波比较研究（Matlab代码实现）

本文链接：https://blog.csdn.net/weixin_61181717/article/details/138240249

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

FIR维纳滤波是一种数字信号处理中常用的技术，用于消除信号中的噪声或者实现信号的增强。维纳滤波的目标是根据信号和噪声的统计特性，设计一个滤波器来最小化输出信号与期望信号之间的均方误差。在FIR（有限脉冲响应）滤波器中，滤波器的输出仅依赖于其输入信号的有限数量的先前样本。

进行FIR维纳滤波的一般步骤包括：

1. 确定信号和噪声的统计特性：这通常需要对信号和噪声进行分析，以获取它们的均值、方差和自相关函数等统计参数。

2. 设计滤波器：根据信号和噪声的统计特性，设计一个FIR滤波器，使得输出信号与期望信号之间的均方误差最小化。这可以通过数学推导或者优化算法来实现。

3. 实现滤波器：将设计好的滤波器参数转换为数字滤波器的系数，通常使用离散时间域的方法进行实现。

4. 应用滤波器：将输入信号通过设计好的滤波器进行滤波处理，以获得输出信号。

FIR维纳滤波在语音处理、图像处理、通信系统等领域都有广泛的应用，可以有效地提高信号的质量和可辨识性。

维纳滤波（Wiener filtering）是一种经典的信号处理方法，旨在恢复受损的信号或图像。FIR（Finite Impulse Response）和IIR（Infinite Impulse Response）是两种不同类型的数字滤波器，它们在维纳滤波中的应用略有不同。

1. **FIR维纳滤波**：
- FIR滤波器是一种有限长度的滤波器，其频率响应可以通过有限数量的系数完全描述。
- FIR维纳滤波器通常用于对稳态信号进行处理，比如处理线性时不变（LTI）系统下的信号。
- 优点：稳定性好，易于设计和实现，具有线性相位特性，适合对要求严格的信号进行处理。
- 缺点：需要较长的滤波器长度来达到较好的性能，因此在实时性要求高的应用中可能不太适用。

2. **IIR维纳滤波**：
- IIR滤波器是一种反馈滤波器，其具有无限长度的冲激响应，通常用差分方程描述。
- IIR维纳滤波器在需要处理非稳态信号或需要快速响应的应用中较为常见。
- 优点：相比FIR，IIR滤波器通常可以用更少的参数达到相似的滤波效果，适合对实时性要求高的应用。
- 缺点：设计和分析相对复杂，易产生数值不稳定性，需要谨慎选择滤波器结构和参数。

在使用维纳滤波器时，需要考虑信号的特性、实时性要求、滤波器设计复杂度等因素来选择合适的滤波器类型。通常情况下，对于实时性要求不高、信号较为稳定的应用，可以考虑使用FIR维纳滤波器；而对于实时性要求高、需要较快响应的应用，则可以考虑使用IIR维纳滤波器。

📚2 运行结果

部分代码：

%构造FIR维纳滤波器
Wopt=FIR_wf(x,d,N); %FIR维纳滤波
H=IIR_wf(x,d',N); %IIR维纳滤波
Ps=fft(x); %原始信号的功率谱密度
S=H.*Ps; %经过满足最小均方误差滤波
ss=ifft(S); %信号还原

y = filter(Wopt, 1, x);
% 误差
En1 = d - y';
En2 = d - ss';
MSE1=mean(En1.^2);
MSE2=mean(En2.^2);
% 结果
figure, plot(n, d, 'r:', n, y, 'b-');
legend('FIR维纳滤波信号真值','FIR维纳滤波估计值'); title('FIR维纳滤波期望信号与滤波结果对比');
xlabel('观测点数');ylabel('信号幅度');
figure, plot(n , En1);
title('FIR维纳滤波误差曲线');
xlabel('观测点数');ylabel('误差幅度');

figure, plot(n, d, 'g:', n, ss, 'b-');
legend('IIR维纳滤波信号真值','IIR维纳滤波估计值'); title('IIR维纳滤波期望信号与滤波结果对比');
xlabel('观测点数');ylabel('信号幅度');
figure, plot(n , En2);
title('IIR维纳滤波误差曲线');
xlabel('观测点数');ylabel('误差幅度');