いつ、どのようにウィーナーフィルターを使用しますか？

このトピックについて少し洞察を得ようとしています。私が理解している限り、決定された信号はウィーナーフィルターに入り、出力はいくつかの望ましい信号の推定値です。次に、希望する信号をフィルターの出力に差し引いて、推定誤差を計算します。この図は、先ほど説明したものを表しています。$x(n) = \hat{s}(n)$、希望信号の推定 $s(n)$、および $w(n)$ と何らかの相関がある信号です $s(n)$：

推定しようとした理由がわかりません $s(n)$ すでに持っている場合（エラーを計算できません） $e(n)$ 希望する信号がなかった場合）。

次の図は、私にはもう少し理にかなっています。

それは標準的なノイズ低減フィルターでしょう。ノイズの多い信号が入り、ノイズの少ない信号が出ます。

私が見つけた3番目のケースがあります：

ここでは、ノイズを推定します $v(n)$ ノイズの多い信号から差し引く $s(n)+v(n)$ そして、よりクリーンなバージョンを入手し、 $\hat{s}(n)$。この場合、最初の質問と同じ質問があります。なぜノイズを推定してそれから差し引くのでしょうか。$s(n)+v(n)$ フィルターの入力に置くためにノイズ信号が何であるかをすでに知っている必要がある場合？

つまり、要約すると、これらのケースがすべて役立つかどうか、またある意味で同等であるかどうかを知りたいのです。また、なぜ彼らはすでに既知の信号を常に推定するのか、またはそれらがそれを行わず、私が正しく考えていないのかを理解したいと思います。

おそらく、動機付けのレーダー/オーディオの例は、適応サイドローブキャンセラーと適応ノイズキャンセラーです。方程式を単に表示するのではなく、テキストの説明をいくつか見ていきましょう。

たとえば、誰かが歌っているところを録音しようとしているが、大規模な講堂にいるとします。マイクが歌手を拾っていますが、多くの残響も拾っています。これで残響をどうにかして特徴付けることができれば、それを歌手+残響の信号から取り除くことができます。別のマイク（またはマイクのグループ）を入力し、残響だけを録音するように設定します。この設定により、不要な残響を除去する適応フィルターを構築できます。

別の例は、妨害干渉を取り除きたいレーダーシステムの基本的な電子保護です。レーダーシステムには、目的の信号を抽出するメインチャネルがあります。場合によっては、メインアンテナビームの外側、つまりアンテナサイドローブから電磁干渉が発生することがあります。これにより、メインチャネルがノイズでひどく破損し、ターゲットのリターンが不明瞭になる可能性があります。

直感的に、干渉のみを何らかの形で特徴付けることができれば、メインチャネルからノイズを除去する適応フィルターを構築できます。これは、同位体（またはほぼ同位体）応答を持つ単一の要素を使用して行うことができます。これらの補助チャネルは、アンテナ全体と比較してゲインが非常に低いため、干渉のみが受信され、メインビーム内にある可能性のあるターゲットは受信されません。

ウィーナーフィルターの欠点は、このようなソリューションではノイズを定常状態にする必要があることです。幸い、フィルターバンク、時間セグメンテーション、その他の信号処理技術を使用して、それを可能にすることができます。

おそらく、通信システムのバックグラウンドを持っている人がアダプティブイコライザーについて話をしたり、話し合ったりする可能性があります。これは、ノイズの多いチャネルを特徴付けようとし、システムが認識しているトレーニング信号を送信する別のアプリケーションです。アイデアは基本的にあなたの最初の例です：あなたはあなたが何を送信したか知っていて、あなたはいくつかの騒々しいバージョンを取り戻します。適応フィルターを使用すると、そのノイズを特性化して、送信する他のノイズを除去することができます（ノイズが完全に静止していると想定）。

うまくいけば、洞察とやる気が得られます。

最初の図は3番目の図と同等のようです。1つは推定している信号がノイズで、もう1つは情報を推定しています（s（n）+ v（n）をw（nで置き換えてください） ）、およびv（n）によるs（n）で、最初の図の役割を切り替えます）

さらに、あなたは言った：

フィルターの入力にノイズ信号を配置するためにノイズ信号が何であるかを既に知っている必要がある場合、なぜs（n）+ v（n）からノイズを減算してノイズを推定するのですか？

あなたはノイズ信号が何であるかを知らない、あなたはそのスペクトル特性のいくつかを知っています（ウィキペディアを参照してください）