वीनर फ़िल्टर

Not to be confused with Wien filter or Wien bridge.

सांकेतिक प्रक्रिया में,वीनर फ़िल्टर एक ऐसा फ़िल्टर होता है,जिसका उपयोग किसी प्रेक्षित शोर प्रक्रिया के रैखिक समय-अपरिवर्तनीय फ़िल्टरिंग द्वारा ज्ञात स्थिर प्रक्रिया संकेत, रहस्यमयी शोर और योगात्मक शोर को मानते हुए वांछित या अज्ञात लक्ष्य प्रक्रिया का अनुमान उत्पन्न करने के लिए किया जाता है। वीनर फ़िल्टर अनुमानित अनियमित प्रक्रिया और वांछित प्रक्रिया के मध्य वर्ग त्रुटि को कम करता है।

विवरण

वीनर फ़िल्टर का लक्ष्य एक इनपुट के रूप में संबंधित संकेत का उपयोग करके अज्ञात संकेत के अनुमान सिद्धांत की गणना करना और उस ज्ञात संकेत को फ़िल्टर करना है जो अनुमान को आउटपुट के रूप में उत्पन्न करता है। उदाहरण के लिए,ज्ञात संकेत में रुचि का एक अज्ञात संकेत शामिल हो सकता है जो योगात्मक शोर से दूषित हो गया है। वीनर फ़िल्टर का उपयोग करके दूषित संकेत से शोर को फ़िल्टर किया जा सकता है ताकि रुचि के अंतर्निहित संकेत का अनुमान लगाया जा सके। वीनर फ़िल्टर एक सांख्यिकीय दृष्टिकोण पर आधारित है,और सिद्धांत का एक अधिक सांख्यिकीय विवरण न्यूनतम मध्य वर्ग त्रुटि (MMSE) अनुमानक लेख में दिया गया है।

विशिष्ट नियतात्मक फ़िल्टर वांछित आवृत्ति प्रतिक्रिया के लिए डिज़ाइन किए गए हैं। हालाँकि,वीनर फ़िल्टर का डिज़ाइन एक अलग दृष्टिकोण लेता है। एक को मूल संकेत और शोर के वर्णक्रमीय गुणों का ज्ञान माना जाता है और एक रैखिक अपरिवर्तनीय समय प्रणाली सिद्धांत की तलाश करता है | रैखिक समय-अपरिवर्तनीय फ़िल्टर जिसका आउटपुट जितना संभव हो सके मूल संकेत के करीब आ जाएगा। वीनर फिल्टर की विशेषताएं निम्नलिखित है:

1. धारणा: संकेत और (योज्य) शोर ज्ञात वर्णक्रमीय विशेषताओं या ज्ञात ऑटोसहसंबंध और क्रॉस-सहसंबंध के साथ स्थिर रैखिक स्टोकेस्टिक प्रक्रियाएं हैं
2. आवश्यकता: फ़िल्टर भौतिक रूप से प्राप्य / कारण प्रणाली होना चाहिए (इस आवश्यकता को छोड़ दिया जा सकता है, जिसके परिणामस्वरूप गैर-कारण समाधान हो सकता है)
3. प्रदर्शन मानदंड: न्यूनतम माध्य-वर्ग त्रुटि (एमएमएसई)

इस फ़िल्टर का उपयोग अक्सर विघटन की प्रक्रिया में किया जाता है; इस एप्लिकेशन के लिए, वीनर डिकॉन्वोल्यूशन देखें।

वीनर फिल्टर समाधान

होने देना $s(t+\alpha )$ एक अज्ञात संकेत हो जिसे माप संकेत से अनुमानित किया जाना चाहिए $x(t)$. जहां अल्फा एक ट्यून करने योग्य पैरामीटर है। $\alpha >0$ भविष्यवाणी के रूप में जाना जाता है, $\alpha =0$ फ़िल्टरिंग के रूप में जाना जाता है, और $\alpha <0$ चौरसाई के रूप में जाना जाता है (देखें वीनर फ़िल्टरिंग अध्याय अधिक जानकारी के लिए)।

वीनर फ़िल्टर समस्या में तीन संभावित मामलों के समाधान हैं: एक जहां एक गैर-कारण फ़िल्टर स्वीकार्य है (पिछले और भविष्य दोनों डेटा की अनंत मात्रा की आवश्यकता होती है), वह मामला जहां एक कारण सिस्टम फ़िल्टर वांछित होता है (पिछले डेटा की अनंत मात्रा का उपयोग करके), और परिमित आवेग प्रतिक्रिया (एफआईआर) मामला जहां केवल इनपुट डेटा का उपयोग किया जाता है (यानी परिणाम या आउटपुट को आईआईआर मामले में फ़िल्टर में वापस फीड नहीं किया जाता है)। पहला मामला हल करना आसान है लेकिन रीयल-टाइम अनुप्रयोगों के लिए उपयुक्त नहीं है। वीनर की मुख्य उपलब्धि उस मामले को सुलझाना था जहां कार्य-कारण की आवश्यकता प्रभाव में है; नॉर्मन लेविंसन ने वीनर की किताब के परिशिष्ट में एफआईआर का समाधान दिया।

अकारण समाधान

$G(s)={\frac {S_{x,s}(s)}{S_{x}(s)}}e^{\alpha s},$

कहाँ पे $S$ वर्णक्रमीय घनत्व हैं। उसे उपलब्ध कराया $g(t)$ इष्टतम है, तो न्यूनतम माध्य-वर्ग त्रुटि समीकरण कम हो जाता है

$E(e^{2})=R_{s}(0)-\int _{-\infty }^{\infty }g(\tau )R_{x,s}(\tau +\alpha )\,d\tau ,$

और समाधान $g(t)$ का प्रतिलोम दो तरफा लाप्लास रूपांतर है $G(s)$.

कारण समाधान

$G(s)={\frac {H(s)}{S_{x}^{+}(s)}},$

कहाँ पे

• $H(s)$ के कारण भाग के होते हैं ${\frac {S_{x,s}(s)}{S_{x}^{-}(s)}}e^{\alpha s}$ (अर्थात, इस भिन्न के उस भाग का प्रतिलोम लाप्लास परिवर्तन के तहत सकारात्मक समय समाधान है)
• $S_{x}^{+}(s)$ का कारण घटक है $S_{x}(s)$ (अर्थात, का व्युत्क्रम लाप्लास रूपांतर $S_{x}^{+}(s)$ केवल के लिए शून्य नहीं है $t\geq 0$)
• $S_{x}^{-}(s)$ का कारण-विरोधी घटक है $S_{x}(s)$ (अर्थात, का व्युत्क्रम लाप्लास रूपांतर $S_{x}^{-}(s)$ केवल के लिए शून्य नहीं है $t<0$)

यह सामान्य सूत्र जटिल है और अधिक विस्तृत विवरण के योग्य है। समाधान लिखने के लिए $G(s$