S
scholar_a
Guest
Jaký je rozdíl mezi "Wiener filtrování" a "LMS algoritmus"?
Navigation
Install the app
How to install the app on iOS
Follow along with the video below to see how to install our site as a web app on your home screen.
Note: This feature may not be available in some browsers.
More options
You are using an out of date browser. It may not display this or other websites correctly.
You should upgrade or use an alternative browser.
You should upgrade or use an alternative browser.
F
fontp
Guest
Wiener filtrování je optimální filtrace proti hluku, kdy signálu a šumu jsou poskytovány stohastic vlastnosti
LMS je lineární kanál identifikační algoritmus.Pro daný determenistic vstup a výstup signálu můžeme určit impulsní odezvy lineární transformace
Žádná podobnost (kromě průměr čtvercový chyba použité kritérií)
LMS je lineární kanál identifikační algoritmus.Pro daný determenistic vstup a výstup signálu můžeme určit impulsní odezvy lineární transformace
Žádná podobnost (kromě průměr čtvercový chyba použité kritérií)
B
bhq
Guest
Weiner a LMS oba jsou adaptivní filtry a dělá to samé.Oba jsou stochastické založeny.
V Weiner potřebujeme R Matrix (Korelace vstup) a P Matrix (Cross Korelace vstup a výstup) a W = Inv (R) * P
Takže v Wienerův filtr potřebujeme pouze R a P Matrix.Ale v LMS jsou jsou minimalizace MSE (Mean Square Error) Jedná se iterace.LMS je normálně používá pro adaptivní filtr.
Protože v Wiener musíme počítat inverzní, to není snadné v hardware implementovat.tak jsme se zavést LMS
V Weiner potřebujeme R Matrix (Korelace vstup) a P Matrix (Cross Korelace vstup a výstup) a W = Inv (R) * P
Takže v Wienerův filtr potřebujeme pouze R a P Matrix.Ale v LMS jsou jsou minimalizace MSE (Mean Square Error) Jedná se iterace.LMS je normálně používá pro adaptivní filtr.
Protože v Wiener musíme počítat inverzní, to není snadné v hardware implementovat.tak jsme se zavést LMS
F
fontp
Guest
Tak jsem se mýlil v tom "žádná podobnost vůbec".
Wiener filtrování obvykle provede optimální kompromis mezi inverzní filtrace a vyhlazování šumu.
http://www.owlnet.rice.edu/ ~ elec539/Projects99/BACH/proj2/wiener.html
Tento problém, přesněji řečeno, nemá nic společného s LMS, protože se používá pro obnovení původní (vstupní) signál, nikoli odhad přenosové funkce
Ale pokud jde o systém identifikace problému-ano, LMS je adaptivní a přibližné řešení Wiener-Hopfova rovnice, která se někdy také nazývá 'Wienerův filtr pro systém identifikace "))
http://en.wikipedia.org/wiki/Similarities_between_Wiener_and_LMS
Wiener filtrování obvykle provede optimální kompromis mezi inverzní filtrace a vyhlazování šumu.
http://www.owlnet.rice.edu/ ~ elec539/Projects99/BACH/proj2/wiener.html
Tento problém, přesněji řečeno, nemá nic společného s LMS, protože se používá pro obnovení původní (vstupní) signál, nikoli odhad přenosové funkce
Ale pokud jde o systém identifikace problému-ano, LMS je adaptivní a přibližné řešení Wiener-Hopfova rovnice, která se někdy také nazývá 'Wienerův filtr pro systém identifikace "))
http://en.wikipedia.org/wiki/Similarities_between_Wiener_and_LMS
S
scholar_a
Guest
takže Wiener není opakovaný?Jakmile budeme mít R a P matice a z těchto najít optimální W. zde není žádné chyby, mám pravdu?
Jde o
Jde o
F
fontp
Guest
Přesně tak.FIR filtr postavený blok algoritmu
LMS je adaptivní iterativní adaptivní řešení, a tak je RLS pro inverzní
http://en.wikipedia.org/wiki/Recursive_least_squares
LMS je adaptivní iterativní adaptivní řešení, a tak je RLS pro inverzní
http://en.wikipedia.org/wiki/Recursive_least_squares
K
khubaibahmed
Guest
Weiner a LMS oba jsou stochastické založeny filtry.Pokud nebudeme považovat E [.] Provozovatele Wiener pak dostaneme opakovaný forma LMS Wiener.Takže, co můžeme udělat totéž, jen tím, že se provádí opakovaný Algo místo zavádění Wienerův filtr, který vyžaduje výpočet INV (R)
S
s.san2006
Guest
Můžete odkazovat na adaptivní filtrace technik Simon Haykins.Věř mi, je to dobrá kniha.