【数字信号去噪】平方根无迹卡尔曼滤波SR-UKF数字信号去噪【含Matlab源码 2443期】

在这里插入图片描述

⛄一、平方根无迹卡尔曼滤波SR-UKF

1 数字预失真系统的状态方程和观测方程
为了改善卡尔曼滤波处理非线性问题的效果, Julier等人提出了基于无迹 (Unscented) 变换的UKF方法[5]。该方法在处理状态方程和观测方程时, 首先进行无迹变换, 然后使用无迹变换后的变量进行卡尔曼滤波估计, 以减小估计的误差。UKF采用了卡尔曼线性滤波框架, 采样形式为确定性采样, 其采样的粒子点 (Sigma点) 个数很少, 具体个数由所选择的采样策略决定, 最常用的是2L+1个Sigma点的对称采样。

UKF相对于其它滤波算法如EKF、PF等在性能和运算量上具有整体优势。它实质是利用了加权统计回归技术来解决此类非线性问题, 即先利用其先验分布生成一组确定性的采样点来获得系统的相关统计量, 再用线性回归变换后的Sigma点表示状态的后验分布。UKF算法线性化误差小, 不需要模型的具体解析表达形式, 因而更加易于实现。

在UKF-DPD算法中, 待求解的未知参量是预失真器的系数, 因此它作为系统的状态变量w=[w1, w2, …, wL]。在相邻两个时刻, w的数值基本不变, 只有较小的扰动, 因此系统状态方程为

wk+1=wk+qk (3)

式中, qk为1×L的向量, 代表系统的状态噪声, 它与系统的收敛性能密切相关。

系统的观测方程为

yk=H (xk, wk) +rk (4)

式中, xk代表数字预失真器的输入信号, yk代表功率放大器的输出信号, rk代表系统的观测噪声, H () 代表了预失真系统和功率放大器系统的非线性及记忆效应。

2 改进的SR-UKF滤波算法
SR-UKF是UKF算

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Matlab领域

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值