Sto cercando di avvolgere la mia testa attorno all'uso corretto di un filtro Wiener o di previsione degli errori per filtrare i dati. Mi sembra che sia solo un filtro sbiancante, quindi come viene utilizzato quando i dati che si desidera recuperare non sono un segnale AWGN?
Ad esempio, ho un segnale che ha diversi segnali distintivi di interferenza - posso vederli su un PSD, ma non so che sono a) stazionari eb) quali proprietà hanno. Posso usare un metodo come le equazioni di Yule-Walker per recuperare il modello AR per l' intero segnale, ma in questo caso voglio solo recuperare il modello dei segnali interferenti, non la porzione che voglio recuperare.
Ho provato a implementare un filtro notch LMS adattivo, con il segnale di riferimento che è una singola onda sinusoidale, ma questo mi è risultato troppo stretto e non ha monitorato molto bene le variazioni di frequenza nel segnale.
Immagino che fondamentalmente la mia domanda sia questa, se sto usando un filtro di previsione degli errori per filtrare i dati reali, come faccio a separare la parte di dati dalla parte di rumore? In altre parole, non voglio imbiancare l'intero segnale, ma solo la porzione di rumore. Cosa mi sto perdendo?