Howtosignalprocessing
- Quels sont les inconvénients du filtre Wiener?
- Le filtre Wiener est-il un filtre de domaine temporel?
- Pourquoi le filtre Wiener est appelé filtre optimal?
- Pouvons-nous utiliser des filtres Wiener pour le filtrage inverse?
Quels sont les inconvénients du filtre Wiener?
D'après la discussion précédente des filtres qui sont des généralisations du filtre de wiener simple, un inconvénient majeur est apparente: les spectres de puissance des champs aléatoires auxquels l'image et le bruit sont supposés appartenir doivent être connus ou estimés.
Le filtre Wiener est-il un filtre de domaine temporel?
Dans le traitement du signal, le filtre Wiener est un filtre utilisé pour produire une estimation d'un processus aléatoire souhaité ou cible par filtrage invariant du temps linéaire (LTI) d'un processus bruyant observé, en supposant des spectres de signal et de bruit fixes connues et un bruit additif.
Pourquoi le filtre Wiener est appelé filtre optimal?
Le filtrage de Wiener est optimal en termes d'erreur quadratique moyenne. En d'autres termes, il minimise l'erreur quadratique moyenne globale dans le processus de filtrage inverse et de lissage du bruit.
Pouvons-nous utiliser des filtres Wiener pour le filtrage inverse?
Notez que aux fréquences spatiales où le signal / bruit est très élevé, le rapport rN(u, υ) / rje(u, υ) approche zéro et le filtre Wiener se réduit au filtre inverse. Cependant, lorsque le rapport signal / bruit est très pauvre (i.e., RN(u, υ) / rje(u, υ) est grand), les fréquences spatiales estimées approchent zéro.
