Próbuję owinąć głowę wokół właściwego użycia filtru Wiener lub filtru przewidywania błędów do filtrowania danych. Wydaje mi się, że jest to tylko filtr wybielający, więc w jaki sposób jest używany, gdy dane, które chcesz odzyskać, nie są sygnałem AWGN?
Na przykład mam sygnał, który ma kilka sygnałów zakłócających tarcie - widzę je na PSD, ale nie wiem, czy są one a) stacjonarne i b) jakie mają właściwości. Mogę użyć metody takiej jak równania Yule-Walkera do odzyskania modelu AR dla całego sygnału, ale w tym przypadku chcę tylko odzyskać model sygnałów zakłócających, a nie część, którą chcę odzyskać.
Próbowałem wdrożyć adaptacyjny filtr wycinający LMS, z sygnałem referencyjnym będącym pojedynczą falą sinusoidalną, ale okazało się to dla mnie o wiele za wąskie i nie bardzo dobrze śledziło zmiany częstotliwości w sygnale.
Myślę, że w zasadzie moje pytanie brzmi: jeśli używam filtru przewidywania błędów do filtrowania rzeczywistych danych, to jak oddzielić część danych od części szumu? Innymi słowy, nie chcę wybielić całego sygnału, tylko część szumu. czego mi brakuje?