我正在寻找使用 Wiener Filtering 实现反馈消除滤波器，其中自适应 Wiener 滤波器用于消除扬声器和麦克风之间路径中发生的反馈（假设 PA 系统）。这个想法基本上来自这篇论文：

Spriet，安等人。“助听器中的自适应反馈消除，对所需信号进行线性预测。” IEEE 信号处理汇刊 53.10 (2005): 3749-3763。

根据论文：

1. 麦克风传递的信号是。$x[k]$
2. 驱动扬声器的信号是。$u[k]$
3. 反馈路径的传递函数为，因此麦克风捕获的信号为。$F[q]$$y[k] = x[k] + u[k]F[q]$
4. 从麦克风到扬声器的前馈传递函数是。$G[q]$

这是有助于将所有内容组合在一起的框图：

在描述中，是离散时间索引，是单位延迟算子（我知道这些通常是和）。$k$$q^{-1}$$n$$z^{-1}$

这个想法是引入一个自适应滤波器来估计反馈路径并从中取消它。有几件事正在讨论，但本质上因为和是相关的，所以他们谈到将探测信号添加到扬声器输入，这有助于识别。显然通常是一种噪音，我认为这有助于去相关和。$\hat{F}[q]$$y[k]$$x[k]$$u[k]$$r[k]$$u[k]$$\hat{F}[q]$$r[k]$$x[k]$$u[k]$

我的第一个问题是：噪音不会也由扬声器输出吗？还是将其添加到信号副本中，而不影响馈送到扬声器的内容？

或者，该论文还说，许多音频信号可以近似为低阶 AR 过程：

$x[n] = h[n]*w[n]$，其中是白噪声。浊音或音乐不满足此条件，在这种情况下建议使用脉冲序列。$w[n]$

所以我更大的问题是，为什么这种噪声（白噪声）在 AR 建模或自适应过滤中如此重要？这似乎违背了向信号添加噪声的目的。

任何