我试图对这个话题有所了解。据我了解，确定的信号进入维纳滤波器，输出是对某些所需信号的估计。然后，可以将所需信号减去滤波器的输出并计算估计误差。该图将代表我刚刚在上面描述的内容，其中, 期望信号的估计， 和是一些与：
我不明白为什么我会尝试估计如果我已经拥有它（我将无法计算错误如果我没有想要的信号）。
下一张图对我来说更有意义：
这将是一个标准的降噪滤波器。一个嘈杂的信号进来，一个不太嘈杂的信号出来。
我发现了第三种情况：
在这里，人们估计噪声从嘈杂的信号中减去它并获得一个更干净的版本，. 在这种情况下，我有与第一个问题相同的问题：为什么我要估计噪声以从中减去它如果我已经必须知道噪声信号是什么才能将其放在滤波器的输入端？
所以，总而言之，我想知道所有这些案例是否有用，以及它们在某种意义上是否等效。另外，我想了解为什么他们总是估计一个已知的信号，或者如果他们不这样做并且我的想法不正确。
也许一个激励雷达/音频的例子是自适应旁瓣消除器和自适应噪声消除器。让我们来看看一些文字描述，而不是仅仅显示方程式：
假设您正在尝试录制某人的歌声，但您在一个大礼堂中。您的麦克风正在拾取歌手，但它也拾取了很多混响。现在，如果我们能以某种方式描述混响，我们将能够从歌手+混响的信号中去除它。输入另一个麦克风（或一组麦克风），设置为只记录混响。通过这种设置，我们可以构建一个自适应滤波器来消除不需要的混响。
另一个例子是雷达系统的一些基本电子保护，我们想要消除干扰干扰。在雷达系统中，您有一个提取您感兴趣的信号的主通道。有时，会出现一些源自主天线波束外部（即来自天线旁瓣）的电磁干扰的情况。这会用噪音严重破坏我们的主通道，并可能掩盖目标返回。
直观地说，如果我们能够以某种方式仅表征干扰，我们就可以构建一个自适应滤波器来去除主通道中的噪声。我们可以使用具有同位素（或接近同位素）响应的单一元素来做到这一点。与整个天线相比，这些被称为辅助信道的增益非常低，因此只会接收干扰，而不接收可能在主波束中的目标。
维纳滤波器的缺点是这种解决方案要求噪声是固定的。幸运的是，我们可以使用滤波器组、时间分段和其他信号处理技术来实现这一点。
也许具有通信系统背景的人可以插话并谈论自适应均衡器，这是另一个应用程序，您试图表征一些嘈杂的通道，并传输系统知道的训练信号。这个想法基本上是你的第一个例子：你知道你发出了什么，你会得到一些嘈杂的版本。使用自适应滤波器，您可以表征该噪声，现在可以为您发送的任何其他内容移除它（假设噪声完全静止）。
希望这能给你一些洞察力和动力！
第一张图似乎等同于第三张图：在一种情况下，您估计的信号是噪声，在另一种情况下，您正在估计信息（将 s(n) + v(n) 替换为 w(n ) 和 s(n) 通过 v(n) 来切换第一个图中的角色）。
此外，你说：
如果我已经必须知道噪声信号是什么才能将其放在滤波器的输入端，为什么还要估计噪声以从 s(n)+v(n) 中减去它？
你不知道噪声信号是什么，你知道它的一些频谱特性（见维基百科）