Я пытаюсь обернуть голову вокруг правильного использования фильтра Wiener или прогнозирования ошибок для фильтрации данных. Мне кажется, что это всего лишь отбеливающий фильтр, так как же он используется, когда данные, которые вы хотите восстановить, не являются сигналом AWGN?
Например, у меня есть сигнал, который имеет несколько мешающих сигналов - я могу видеть их на PSD, но я не знаю, являются ли они а) стационарными и б) какими свойствами они обладают. Я могу использовать метод, подобный уравнениям Юла-Уокера, для восстановления модели AR для всего сигнала, но в этом случае я хочу восстановить только модель мешающих сигналов, а не ту часть, которую я хочу восстановить.
Я попытался реализовать адаптивный режекторный фильтр LMS, при этом опорный сигнал представлял собой одну синусоидальную волну, но это оказалось для меня слишком узким и не очень хорошо отслеживало изменения частоты сигнала.
Я думаю, в основном мой вопрос заключается в следующем: если я использую фильтр прогнозирования ошибок для фильтрации реальных данных, то как мне отделить часть данных от части шума? Другими словами, я не хочу отбеливать весь сигнал, только часть шума. Чего мне не хватает?