对此问题最受好评的答案建议使用“传统”滤波器与匹配滤波器级联,以首先去除带外噪声(使用传统滤波器),然后优化信噪能量(使用匹配滤波器)。
给定一个采样信号,其中已知所有相关信号信息都位于信号的基带中,例如这个(此处的相关信号具有高斯形状):
并且不知道加性噪声信息(我知道它是针对特定信号的,但我们假设它可能具有任何属性(彩色、白色、相关等))。
使用建议的级联滤波器(常规然后匹配滤波器)总是更好还是仅使用具有高斯形状的匹配滤波器?
对此问题最受好评的答案建议使用“传统”滤波器与匹配滤波器级联,以首先去除带外噪声(使用传统滤波器),然后优化信噪能量(使用匹配滤波器)。
给定一个采样信号,其中已知所有相关信号信息都位于信号的基带中,例如这个(此处的相关信号具有高斯形状):
并且不知道加性噪声信息(我知道它是针对特定信号的,但我们假设它可能具有任何属性(彩色、白色、相关等))。
使用建议的级联滤波器(常规然后匹配滤波器)总是更好还是仅使用具有高斯形状的匹配滤波器?
不,它并不“总是”更好。
人们会在有意义的情况下进行预过滤,例如 Eckart 过滤,其中信号是随机的并且背景具有已知的固定分量。
过滤,通常在时间序列中引入相关性。在假设有白背景噪声的情况下推导出一个简单的匹配滤波器。如果前置过滤器是白化过滤器,则更好,但每种情况都需要自己分析。
值得深思的是,如果两个过滤器都是 LTI,则前置过滤器可以是后置过滤器。