1) multistage nested Wiener filter(MSWF)
多级降秩维纳滤波
2) multistage wiener filters
多级维纳滤波器
1.
To overcome such problem,a method for source parameter estimation in the environments of far-field and near-field was proposed based on multistage Wiener filters.
为了解决传统的MUSIC算法需要计算相关函数并对其进行特征值分解或奇异值分解而导致的计算量增加问题,本文基于多级维纳滤波器快速子空间分解方法,分别在远场环境和近场环境中对信源参数进行了有效估计,并提出在一定条件下,可以采用该方法代替对相关函数的计算和分解。
3) multistage Wiener filtering
多级维纳滤波
1.
Low-rank blind space-time multiuser detection based on multistage Wiener filtering;
基于多级维纳滤波的低秩盲空时多用户检测
2.
A new approach is pro- posed through studying on multistage wiener filtering method deeply.
多级维纳滤波(MWF)方法是一种先进的简化计算降维方法,本文在深入分析该方法的基础上,给出一种改进方法。
4) multi-stage Wiener filter
多级维纳滤波
1.
The configuration of the multi-stage Wiener filter that is fit for MUSIC algorithm is proposed.
提出了一种构造参考信号的预处理模型,提出了一种适合于MUSIC方法的多级维纳滤波结构。
2.
To consider the digital frequency measurement structure of multi-path delay,a MUSIC frequency estimation algorithm based on the multi-stage Wiener filter(MSWF) was presented.
针对多路延迟数字测频结构,提出了基于多级维纳滤波(MSWF)的MUSIC频率估计方法。
3.
Multi-stage Wiener filter is a reduced-rand algorithm.
多级维纳滤波是一种降维算法,本文提出了一种将多级维纳滤波引入到ESPRIT算法的预处理模型,提出了一种构造预处理滤波器的方法,提出了适合于ESPRIT方法的多级维纳滤波的结构。
5) multistage Wiener filter
多级维纳滤波器
1.
Preconditioned Multistage Wiener Filter Algorithm for Clutter Mitigation of Airborne Radar;
机载雷达杂波抑制的预条件多级维纳滤波器算法
2.
Fast algorithm for implementing multistage wiener filter:iterative correlation subtraction algorithm;
一种多级维纳滤波器的快速实现算法——迭代相关相减算法
3.
The reduced-rank multistage Wiener filter(MWF) is proposed to process the output.
根据上述杂波谱特点,用降秩多级维纳滤波器对多种稀疏方法下所得稀疏阵列采样快拍进行空时自适应处理。
6) Multi-stage wiener filter
多级维纳滤波器
1.
Utilizing the forward recursion of the multi-stage wiener filter(MSWF),we can get the signal and nois.
利用多级维纳滤波器的前向递推获得信号子空间和噪声子空间,不需要估计协方差矩阵和对其进行特征分解,从而降低了MUSIC算法的计算量。
2.
In this method,firstly,the signal subspace is estimated by multi-stage Wiener filter(MSWF) algorithm which avoids computationally intensive eigen-decomposition.
该方法首先利用多级维纳滤波器(MSWF)算法来估计信号子空间,避免了特征分解方法估计信号子空间所需要的大运算量;然后基于信号子空间的旋转不变性,提出了一种新的宽带信号源数目估计快速算法;最后利用信号子空间的旋转不变性来估计DOA,避免了谱峰搜索所需要的大运算量。
3.
The proposed method only involves the forward recursion of the multi-stage wiener filter (MSWF), avoids the estimate of the covariance matrix and its eigendecomposition, thereby indicating that the presented method is computationally advantageous.
为了估计到信号子空间,该方法只需要多级维纳滤波器的前向递推,不需要估计样本协方差矩阵和对其作特征值分解,也不需要多级维纳滤波器的后向递推。
补充资料：维纳滤波
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x(t)表示信号的真实值，n(t)表示噪声，其中t表示时间，则实际上观测到的信号是
z(t)=x(t)+n(t)滤波就是要从实测信号z(t)中尽可能滤掉噪声n(t)，以得到真实信号x(t)的良好估值。数学上，滤波问题可以归结为根据z(t)来求出x(t)的最优估值憫(t)。
维纳滤波中,最优估值憫(t)是在均方误差的数学期望E[x(t)-憫(t)]2取极小意义下的一种估值。在假定信号过程x(t)与噪声过程n(t)为联合平稳和假定在半无限时间区间(－∞,t)内能获得z(t)的全部观测数据的前提下，维纳滤波给出了计算最优估值憫(t)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），通过合理的设计可使其对噪声n(t)具有良好的过滤特性。当观测信号z(t)=x(t)+n(t)输入滤波器时,它的输出就是信号x(t)的最优估值憫(t)。
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h(t)，则最优估值憫(t)的关系式为
如用Rxz(τ)表示x(t)和z(t)的互相关函数,Rzz(τ)表示z(t)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
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Rxz(τ)和Rzz(τ)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h(t)。h(t)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(s)。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(s)的显式解就可比较容易地定出。根据求得的H(s)即可构造所需的维纳滤波器,而信号的最优估值憫(t)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n(t)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。
参考书目
钱学森、宋健：《工程控制论》（下册），科学出版社，北京，1981。
Y.W.Lee， Statistical Theory of Communication, John Wiley and Sons,Inc.，New York，1960.
滤波问题 用x(t)表示信号的真实值，n(t)表示噪声，其中t表示时间，则实际上观测到的信号是
z(t)=x(t)+n(t)滤波就是要从实测信号z(t)中尽可能滤掉噪声n(t)，以得到真实信号x(t)的良好估值。数学上，滤波问题可以归结为根据z(t)来求出x(t)的最优估值憫(t)。
维纳滤波中,最优估值憫(t)是在均方误差的数学期望E[x(t)-憫(t)]2取极小意义下的一种估值。在假定信号过程x(t)与噪声过程n(t)为联合平稳和假定在半无限时间区间(－∞,t)内能获得z(t)的全部观测数据的前提下，维纳滤波给出了计算最优估值憫(t)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），通过合理的设计可使其对噪声n(t)具有良好的过滤特性。当观测信号z(t)=x(t)+n(t)输入滤波器时,它的输出就是信号x(t)的最优估值憫(t)。
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h(t)，则最优估值憫(t)的关系式为
如用Rxz(τ)表示x(t)和z(t)的互相关函数,Rzz(τ)表示z(t)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
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Rxz(τ)和Rzz(τ)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h(t)。h(t)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(s)。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(s)的显式解就可比较容易地定出。根据求得的H(s)即可构造所需的维纳滤波器,而信号的最优估值憫(t)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n(t)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。
参考书目
钱学森、宋健：《工程控制论》（下册），科学出版社，北京，1981。
Y.W.Lee， Statistical Theory of Communication, John Wiley and Sons,Inc.，New York，1960.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条