Howtosignalprocessing
- Jakie są wady filtra Wienera?
- Czy filtr jest filtrem w dziedzinie czasu?
- Dlaczego filtr Wienera nazywa się filtrem optymalnym?
- Czy możemy użyć filtrów Wiener do odwrotnego filtrowania?
Jakie są wady filtra Wienera?
Z powyższej dyskusji na temat filtrów, które są uogólnieniem prostego filtra Wienera, widoczna jest główna wada: widma mocy losowych pól, do których należy należeć obraz i szum, muszą być znane lub oszacowane.
Czy filtr jest filtrem w dziedzinie czasu?
W przetwarzaniu sygnału filtr Wiener jest filtrem używanym do uzyskania oszacowania pożądanego lub docelowego losowego procesu za pomocą filtrowania liniowego niezmiennego czasu (LTI) obserwowanego hałaśliwego procesu, zakładając znane stacjonarne widma sygnału i szumu oraz addytywnego szumu szumu.
Dlaczego filtr Wienera nazywa się filtrem optymalnym?
Filtrowanie Wienera jest optymalne pod względem średniego błędu kwadratowego. Innymi słowy, minimalizuje ogólny średni błąd kwadratowy w procesie odwrotnego filtrowania i wygładzania szumu.
Czy możemy użyć filtrów Wiener do odwrotnego filtrowania?
Zauważ, że przy częstotliwościach przestrzennych, w których sygnał do szumu jest bardzo wysoki, stosunek rN(u, υ)/ rI(u, υ) zbliża się do zera, a filtr Wienera zmniejsza się do filtra odwrotnego. Jednak gdy stosunek sygnału do szumu jest bardzo słaby (i.mi., RN(u, υ)/ rI(u, υ) jest duże), szacowane częstotliwości przestrzenne zbliżają się do zera.
