本文目录一览

1，卡尔曼滤波 Kalman Filter 与维纳滤波 Wiener Filter 是什么关系

维纳滤波对平稳随机过程有着较好的效果，但对非平稳系统，比如火控系统来说不是很适合，所以才有了后来的卡尔曼滤波的发展。维纳滤波是用频域及传递函数的方法。个人感觉，维纳滤波更像是一种特殊的自适应滤波。
同问。。。

卡尔曼滤波 Kalman Filter 与维纳滤波 Wiener Filter 是什么关系

2，最小方差平滑滤波器的原理是什么

最小方差平滑滤波器又称为维纳滤波器。从噪声中提取信号波形的各种估计方法中，维纳滤波是一种最基本的方法，适用于需要从噪声中分离出的有用信号是整个信号（波形），而不只是它的几个参量。设维纳滤波器的输入为含噪声的随机信号。期望输出与实际输出之间的差值为误差，对该误差求均方，即为均方误差。因此均方误差越小，噪声滤除效果就越好。为使均方误差最小，关键在于求冲激响应。如果能够满足维纳－霍夫方程，就可使维纳滤波器达到最佳。根据维纳－霍夫方程，最佳维纳滤波器的冲激响应，完全由输入自相关函数以及输入与期望输出的互相关函数所决定。
没看懂什么意思？

最小方差平滑滤波器的原理是什么

3，维纳滤波器必须用原声音才能对噪音进行去噪吗

假设一个点目标在x，y平面上绕单位圆做圆周运动，由于外界干扰，其运动轨迹发生了偏移。其中，x方向的干扰为均值为0，方差为0.05的高斯噪声；y方向干扰为均值为0，方差为0.06的高斯噪声。1、试设计一FIR维纳滤波器，确定最佳传递函数，并用该滤波器处理观测信号，得到其最佳估计。（注：自行设定误差判定阈值，根据阈值确定滤波器的阶数或传递函数的长度）。4、 附件的实验报告中给出了解题思路，实现源程序、以及结果分析，分别绘制了x方向和y方向的期望信号、噪声信号、观测信号、滤波后信号、最小均方误差信号的曲线图；6、绘制了期望信号、观测信号和滤波后点目标的运动轨迹。
需要吧

维纳滤波器必须用原声音才能对噪音进行去噪吗

4，维纳滤波器是带通滤波器么

维纳滤波器的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。对某些问题，还可求出滤波器传递函数的显式解，并进而采用由简单的物理元件组成的网络构成维纳滤波器。维纳滤波器的缺点是，要求得到半无限时间区间内的全部观察数据的条件很难满足，同时它也不能用于噪声为非平稳的随机过程的情况，对于向量情况应用也不方便。因此，维纳滤波在实际问题中应用不多。实现维纳滤波的要求是：①输入过程是广义平稳的；②输入过程的统计特性是已知的。根据其他最佳准则的滤波器亦有同样要求。然而，由于输入过程取决于外界的信号、干扰环境，这种环境的统计特性常常是未知的、变化的，因而难以满足上述两个要求。这就促使人们研究自适应滤波器。
维纳滤波器是根据最小均方误差准则设计的频域最佳滤波器。可以是低通、带通和高通的。利用Matlab设计维纳滤波器很简单。

5，自适应环路滤波为什么用维纳滤波

现在滤波方法主要该算是维纳和卡尔曼，自适应滤波中LMS其实就是变系数的维纳滤波，维纳滤波本身也是线性滤波，FIR和IIR是传统的频率域的滤波方式，和维纳卡尔曼这种现代滤波出发点不是一回事儿
weina lbo 维纳滤波 winer filtering 利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法，1942年美国科学家n.维纳为解决对空射击的控制问题所建立。维纳滤波是40年代在线性滤波理论方面所取得的最重要的成果。 滤波问题 用()表示信号的真实值，()表示噪声，其中表示时间，则实际上观测到的信号是 ()=()+()滤波就是要从实测信号()中尽可能滤掉噪声()，以得到真实信号()的良好估值。数学上，滤波问题可以归结为根据()来求出()的最优估值()。 维纳滤波中,最优估值()是在均方误差的数学期望e[()-()](取极小意义下的一种估值。在假定信号过程()与噪声过程()为联合平稳和假定在半无限时间区间(－∞,)内能获得()的全部观测数据的前提下，维纳滤波给出了计算最优估值()的一种方法。 维纳滤波器 实现维纳滤波方法的系统或装置称为维纳滤波器。维纳滤波器在结构上是一个定常线性系统（见图[维纳滤波器]），通过合理的设计可使其对噪声()具有良好的过滤特性当观测信号()=()+()输入滤波器时,它的输出就是信号()的最优估值()。 构造维纳滤波器的步骤 假设维纳滤波器的单位脉冲响应函数是()，则最优估值()的关系式为 [470-01]如用r()表示()和()的互相关函数,r()表示()的自相关函数，那么业已证明它们之间具有类似于上式的关系式 [470-02]这个关系式称为维纳－霍夫方程。如果所讨论的各随机过程均具有各态历经性,则式中的r()和r()均是已知的。设计维纳滤波器的问题,可归结为从维纳-霍夫积分方程中解出未知函数()。()的拉普拉斯变换就是所要决定的维纳滤波器的传递函数h()。对于一般问题,维纳-霍夫方程往往不易求解。但当给定问题的随机过程的功率谱密度是有理分式函数时，h()的显式解就可比较容易地定出。根据求得的h()即可构造所需的维纳滤波器,而信号的最优估值()则可由相应关系式定出。 维纳滤波器的优缺点 维纳滤波器的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。对某些问题，还可求出滤波器传递函数的显式解，并进而采用由简单的物理元件组成的网络构成维纳滤波器。维纳滤波器的缺点是，要求得到半无限时间区间内的全部观察数据的条件很难满足，同时它也不能用于噪声()为非平稳的随机过程的情况，对于向量情况应用也不方便。因此，维纳滤波在实际问题中应用不多。

6，自适应维纳滤波的原理算法是什么啊

Weina lbo 维纳滤波 Winer filtering 利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法，1942年美国科学家N.维纳为解决对空射击的控制问题所建立。维纳滤波是40年代在线性滤波理论方面所取得的最重要的成果。 滤波问题 用()表示信号的真实值，()表示噪声，其中表示时间，则实际上观测到的信号是 ()=()+()滤波就是要从实测信号()中尽可能滤掉噪声()，以得到真实信号()的良好估值。数学上，滤波问题可以归结为根据()来求出()的最优估值()。 维纳滤波中,最优估值()是在均方误差的数学期望E[()-()](取极小意义下的一种估值。在假定信号过程()与噪声过程()为联合平稳和假定在半无限时间区间(－∞,)内能获得()的全部观测数据的前提下，维纳滤波给出了计算最优估值()的一种方法。 维纳滤波器 实现维纳滤波方法的系统或装置称为维纳滤波器。维纳滤波器在结构上是一个定常线性系统（见图[维纳滤波器]），通过合理的设计可使其对噪声()具有良好的过滤特性当观测信号()=()+()输入滤波器时,它的输出就是信号()的最优估值()。 构造维纳滤波器的步骤 假设维纳滤波器的单位脉冲响应函数是()，则最优估值()的关系式为 [470-01]如用R()表示()和()的互相关函数,R()表示()的自相关函数，那么业已证明它们之间具有类似于上式的关系式 [470-02]这个关系式称为维纳－霍夫方程。如果所讨论的各随机过程均具有各态历经性,则式中的R()和R()均是已知的。设计维纳滤波器的问题,可归结为从维纳-霍夫积分方程中解出未知函数()。()的拉普拉斯变换就是所要决定的维纳滤波器的传递函数H()。对于一般问题,维纳-霍夫方程往往不易求解。但当给定问题的随机过程的功率谱密度是有理分式函数时，H()的显式解就可比较容易地定出。根据求得的H()即可构造所需的维纳滤波器,而信号的最优估值()则可由相应关系式定出。 维纳滤波器的优缺点 维纳滤波器的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。对某些问题，还可求出滤波器传递函数的显式解，并进而采用由简单的物理元件组成的网络构成维纳滤波器。维纳滤波器的缺点是，要求得到半无限时间区间内的全部观察数据的条件很难满足，同时它也不能用于噪声()为非平稳的随机过程的情况，对于向量情况应用也不方便。因此，维纳滤波在实际问题中应用不多。
维纳滤波是诺伯特·维纳在二十世纪四十年代提出的一种滤波器，并在1949年出版 与设计一个特定频率响应所用的通常滤波器设计理论不同，维纳滤波器从另外一个不同的角度实现滤波器。仅仅在频域进行滤波的滤波器，仍然会有噪声通过滤波器。维纳设计方法需要额外的关于原始信号所包含频谱以及噪声的信息，维纳滤波器具有以下一些特点[2]： 假设：信号以及附加噪声都是已知频谱特性或者自相关和互相关的随机过程 性能标准：最小均方差 能够用标量的方法找到最优滤波器 维纳滤波器的设计目的是就是滤除按照统计方式干扰信号的噪声

文章TAG：维纳滤波  滤波器  卡尔  维纳滤波器  卡尔曼滤波  Kalman  Filter  与维纳滤波  Wiener  Filter  是什么关系  
下一篇