信号时间导数的维纳滤波器

信息处理 过滤器 线性系统 估计 维纳滤波器 贝叶斯估计
2022-02-07 04:15:30

假设原始信号的观测值为,其中信号和噪声是独立的。s(t)x(t)=s(t)+n(t)

然后我们需要设计维纳滤波器来估计,它是原始信号的导数。g(t)ds(t)dts(t)

维纳滤波器的设计来自 MMSE: 但是这里如何制定误差函数呢? ?E[e]
e(t)=ds(t)dtx(t)e(t)=ds(t)dtdx(t)dt

我认为这可以推广到任何线性算子,如估计(反卷积、去模糊等)。但我不知道开始的步骤。谁能给我一些提示?谢谢!y=Hs

1个回答

这里的关键点是推导/积分是线性算子。
由于维纳滤波器也是一个线性算子,它使事情变得更容易。

使用维纳滤波器模型写出问题:

在此处输入图像描述

忽略积分器,我们知道的维纳滤波器(参见Wikipedia - Wiener Deconvolution):H^(w)

G(f)=1H^(f)[11+1/(|H^(f)|2SNR(f))]

通过将定义为积分的傅立叶运算(这并不完全准确,请参见傅里叶变换H(w)=1jwH^(w)

G(f)=1H(f)[11+1/(|H(f)|2SNR(f))]

基本上,我们将集成定义为过滤器并使用已知的构建块。

对于非积分情况,解释是在估计器上应用导数算子,并在我们估计导数时对 SNR 估计进行一些正则化。

资源