Télécommunications Applications with the tms320C50 dsp



Yüklə 57,04 Kb.
səhifə2/9
tarix10.01.2022
ölçüsü57,04 Kb.
#100427
1   2   3   4   5   6   7   8   9

6.2. Filtres de Wiener

6.2.1 Problème d'estimation linéaire


La figure 5.1 illustre un problème courant d'estimation linéaire. correspond au signal qui nous intéresse mais n'est pas directement accessible. Seul l'est et est obtenu après passage de dans un système linéaire suivi de l'addition d'un bruit.






Figure 5.1 : Schéma général d'un problème d'estimation linéaire.
Le problème qui se pose est comment retrouver à partir de . Une solution consiste à filtrer de tel sorte que la sortie soit la plus proche possible de . On peut mesurer la qualité de l'estimation par défini par :

(Eq. 5.1)

Evidemment, plus sera faible, plus l'estimation sera bonne. On cherche donc un filtre qui minimisera l'erreur. Il est pratique de chercher à minimiser car c'est une fonction quadratique facilement dérivable. Par ailleurs, étant donné que les signaux intéressant sont aléatoires, la fonction coût qui sera à minimiser est l'erreur quadratique moyenne (MSE1) définie par :



(Eq. 5.2)

Le filtre optimal de Wiener correspond au filtre qui minimisera la MSE.



Yüklə 57,04 Kb.

Dostları ilə paylaş:
1   2   3   4   5   6   7   8   9




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©muhaz.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin