Hallo! Ich komme beim Wr.Filter nicht weiter und finde auch nichts Nützliches was mir weiterhilft im Internet dazu... Wie setzt man einen FIR Wiener Filter um? Wie legt man die Anzahl an Koeffizienten fest? Funktioniert die Schätzung auch bei Bias oder wird die Lösung dann einfach komplizierter? Oder müsste man den Bias schätzen lassen in irgendeiner Form? Wenn der Bias konstant ist, handelt es sich um einen stationären Prozess... von dem her müsste es gehen, oder? Würde es an sich dann genügen wenn man AKF und KKF hat, dass man wie dort [1] den Koeffizientenvektor berechnet? Ich verstehe unter anderem zB nicht wie ich in Echtzeit die Korrelationen berechnen soll. "Fahre" ich dann einfach (bei KKF) mit meinem gemessenen noisy Signal über mein bekanntes Referenzsignal? Wie gehe ich mit den Werten um die ich noch nicht gesampled habe? Werden diese zu 0 gesetzt oder berechnet man die AKF und KKF leicht zeitversetzt? Dankbar für Tipps oder gute Links, Matthias [1] http://en.wikipedia.org/wiki/Wiener_filter#Finite_impulse_response_Wiener_filter_for_discrete_series
Hallo. Ich habe mir das nochmal angesehen und schon halbwegs offline-Ergebnisse... Vll kann jemand meine Annahmen/Aussagen bestätigen oder beschreiben wie es sonst gemacht wird: Matthias schrieb: > Wie setzt man einen FIR Wiener Filter um? Ich habe ein Referenzsignal und das noisy verwendet. Ich habe blockweise AKF und KKF berechnet. Es gibt zwar verschiedene Formeln, die sich bezüglich den Indizes der AKF unterscheiden (vorzeichen), das ist aber egal da die AKF eine gerade Funktion ist und daher AKF(-1)=AKF(1). Verwirrt hat mich auch die Korrelationszeit. ich habe jetzt beider Korrelation immer den Block von Samples quasi schon im Minusbereich drüber gezogen, sodass AKF(0) der Max-Wert ist. > Wie legt man die Anzahl an Koeffizienten fest? Je mehr desto besser wurde es. 8 Taps oder so waren zu wenig. viel besser wurde es bei 128... > Funktioniert die Schätzung auch bei Bias oder wird die Lösung dann > einfach komplizierter? Oder müsste man den Bias schätzen lassen in > irgendeiner Form? Wenn der Bias konstant ist, handelt es sich um einen > stationären Prozess... von dem her müsste es gehen, oder? Wr Filter kann den Bias wegschätzen. > Würde es an sich dann genügen wenn man AKF und KKF hat, dass man wie > dort [1] den Koeffizientenvektor berechnet? Ja. > Ich verstehe unter anderem zB nicht wie ich in Echtzeit die > Korrelationen berechnen soll. "Fahre" ich dann einfach (bei KKF) mit > meinem gemessenen noisy Signal über mein bekanntes Referenzsignal? Wie > gehe ich mit den Werten um die ich noch nicht gesampled habe? Werden > diese zu 0 gesetzt oder berechnet man die AKF und KKF leicht > zeitversetzt? Immer blockweise verarbeitet. der optimale Filter hinkt dann zwar immer ein bissl nach, was aber egal ist solange sich die noise-charakteristik nicht zu schnell ändert. Ich hoffe, dass meine Schlüsse einigermaßen passen. Eine Frage hätte ich noch: Sollte man eigentlich eine Art overlap&add-methode verwenden? Für Testzwecke habe ich noch folgenden Code gefunden: http://www.mit.edu/~gari/CODE/FILTERS/wienerFilter.m Sollte der wrFIR bei mir mal passen, werde ich ihn auch da reinstellen. LG, M
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.