通信工程 / 系统课时

匹配滤波器

匹配滤波器

匹配滤波器解决的是:在已知信号形状、背景为白噪声时,怎样设计线性滤波器,让指定抽样时刻的输出信噪比达到最大。它把“看起来像目标波形”的程度集中到一个抽样值上,为最佳判决提供充分统计量。

学习目标

  • 理解匹配滤波器“匹配”到信号波形的具体含义。
  • 掌握冲激响应与目标信号时间反转、共轭之间的关系。
  • 能说明匹配滤波器为何在抽样时刻获得最大输出信噪比。

目标不是整体降噪,而是抽样点最优

设接收信号为

r(t)=s(t)+n(t)r(t)=s(t)+n(t)

其中 s(t)s(t) 在 0≤t≤T0\le t\le T 内存在,n(t)n(t) 为双边功率谱密度 N0/2N_0/2 的白高斯噪声。接收端真正用于判决的通常是某个抽样时刻 TT 的滤波器输出,因此设计目标是最大化

SNR(T)=∣ys(T)∣2σn2\mathrm{SNR}(T)=\frac{|y_s(T)|^2}{\sigma_n^2}

它并不要求所有时刻的波形都最干净,而是把有用信号能量尽可能集中到判决抽样点。

匹配条件来自时间反转与共轭

线性时不变滤波器的输出在 TT 时刻为

y(T)=∫−∞∞r(τ)h(T−τ)dτy(T)=\int_{-\infty}^{\infty} r(\tau)h(T-\tau)d\tau

根据柯西-施瓦茨不等式,要让有用信号输出相对噪声方差最大,最优冲激响应必须满足

h(t)=k s∗(T−t)h(t)=k\,s^*(T-t)

其中 kk 为任意非零常数。也就是说,滤波器模板是目标信号先做时间反转,再在复信号情形下取共轭;实信号只需时间反转。

匹配滤波器的时间反转与抽样过程

把 h(t)h(t) 代回输出表达式,在抽样时刻有

ys(T)=k∫0T∣s(τ)∣2dτ=kEsy_s(T)=k\int_0^T |s(\tau)|^2d\tau=kE_s

因此匹配滤波器在 TT 时刻实际完成了接收波形与已知模板的相关运算。

为什么输出信噪比最大

对白噪声,滤波器输出噪声方差与滤波器能量成正比:

σn2=N02∫−∞∞∣h(t)∣2dt\sigma_n^2=\frac{N_0}{2}\int_{-\infty}^{\infty}|h(t)|^2dt

而有用信号输出是 s(t)s(t) 与 h(T−t)h(T-t) 的内积。柯西-施瓦茨不等式给出

∣ys(T)∣2≤Es∫−∞∞∣h(t)∣2dt|y_s(T)|^2\le E_s\int_{-\infty}^{\infty}|h(t)|^2dt

只有当 h(t)h(t) 与 s∗(T−t)s^*(T-t) 成比例时取等号。因此匹配滤波器不是经验性的滤波方案,而是在“线性滤波器 + 白噪声 + 指定抽样时刻”这些条件下的严格最优解。按 N0/2N_0/2 的常用定义,最大输出信噪比为

SNRmax⁡=2EsN0\mathrm{SNR}_{\max}=\frac{2E_s}{N_0}

与相关器接收机是同一件事

匹配滤波器的抽样输出为

y(T)=k∫0Tr(τ)s∗(τ)dτy(T)=k\int_0^T r(\tau)s^*(\tau)d\tau

这正是接收信号与模板信号的相关积分。因此“先用相关器算内积再判决”和“先通过匹配滤波器、在 TT 抽样再判决”在判决统计量上等价。

这种等价性很重要:理论推导可以用信号空间和相关器来理解,连续时间实现则常用匹配滤波器。对于多个候选信号,可以配置一组匹配滤波器,每一路匹配一个候选模板,再比较各路抽样值。

使用边界

匹配滤波器的最优性依赖于模型条件。目标波形必须已知,抽样时刻需要同步,噪声假设通常是白噪声。如果噪声有色,直接套用 h(t)=ks∗(T−t)h(t)=k s^*(T-t) 不再保证整体最优,通常需要先白化噪声,再对等效信号做匹配。

真正需要记住的关系是:匹配滤波器把“已知信号模板”变成时间反转共轭的冲激响应,通过卷积在抽样时刻完成相关积分,并把可用信号能量最有效地集中到判决统计量中。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

匹配滤波器

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通