On the Design of an Optimal Multi-Tone Jammer Against the Wiener Interpolation Filter
Univ Rennes, INSA Rennes, IETR - UMR 6164(雷恩大学,法国国立应用科学学院雷恩分院,信息与电子技术研究室)
本文提出了一种最优多音干扰器设计,通过优化贝叶斯均方误差,证明多音干扰可使Wiener滤波器抗干扰模块失效。
2026-02-06 eess.SP
Optimal Wiener-Filter Solutions for Denoising of Graph Signals on Directed Graphs
Neuro-X Institute, École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院神经-X研究所);Department of Radiology and Medical Informatics, University of Geneva(日内瓦大学放射学与医学信息学系)
针对有向图上的图信号,提出维纳滤波去噪方法,在多种平稳性假设下给出最优解,并在温度图上验证了有效性。
2026-06-05 cs.CE eess.SP
Distributed Multichannel Wiener Filtering for Wireless Acoustic Sensor Networks
KU Leuven(荷语鲁汶大学);Carl von Ossietzky Universität Oldenburg(老enburg卡尔·冯·奥西茨基大学);Fraunhofer IDMT(弗劳恩霍夫工业声学和媒体技术研究所);Vrije Universiteit Brussel(布鲁塞尔自由大学)
本文提出一种非迭代的分布式多通道维纳滤波算法,用于无线声学传感器网络中节点特定语音信号的估计,优于现有方法,减少通信带宽使用。
2026-04-13 cs.IT eess.AS eess.SP
A New Method for the Identification of a Wiener-Hammerstein Model in a Communication Context
本文提出一种利用三个导频序列和最小二乘估计识别 Wiener-Hammerstein 信道中两个线性滤波器及非线性放大器的新算法,并证明其所需导频总长度显著小于 Volterra 方法。
2024-08-30 cs.IT eess.SP math.IT
Matrix Adaptive Synthesis Filter for Uniform Filter Bank
在本文中,我们使用一个矩阵自适应滤波器作为统一滤波器组(UFB)的合成级来重构输入信号。我们首先开发背后的数学理论,通过应用模型的最佳滤波在合成阶段的UFB和获得矩阵维纳滤波器的表达式。我们已经发展了一个定理,我们使用它来进一步简化表达式。在缺乏所需的信息的分析阶段,我们使用自适应滤波,以达到维纳的解决方案。我们使用最小均方(LMS)算法来更新滤波器系数。实验结果表明,对于稳定的维纳滤波器,自适应滤波器是收敛的。
2022-09-22 eess.SP
Robust Wiener filter based time gating method for detection of shallow buried objects
在探测浅埋地下目标时,来自地面的反射功率,即地面杂波使得任务非常困难。为了去除地杂波,传统的方法在文献中是不一样的,我们需要在浅埋目标检测有效。本文提出了一种基于时间门和维纳滤波的超宽带(UWB)成像鲁棒方法,该方法具有很高的精度和有效性。单独使用时间选通方法的问题在于,不能以足够的精度预先确定用于未知目标深度的定时窗口长度。不精确的窗长选择将部分目标信号与杂波一起去除,增加了目标的漏检概率。本文提出了一种利用维纳滤波器对地杂波进行一定程度的抑制,并利用平均相似函数(ASF)对目标位置进行预检测的方法。然后在第二步骤中使用时间选通方法,使用从第一步骤提供的信息来选择窗口长度。这两个步骤的组合提供了对浅埋物体的更好的检测,同时对目标的遗漏检测更少。
2019-10-17 eess.SP
Improved in-car sound pick-up using multichannel Wiener filter
针对车内多麦克风拾音受带宽等限制的处理难题,提出采用多通道维纳滤波器的双麦克风车内方案,经多噪声场景及头部移动影响测试,在语音质量提升上显著优于简单麦克风信号混合方案。
2025-06-11 eess.AS eess.SP
New insights on the optimality of parameterized wiener filters for speech enhancement applications
Federal University of Santa Catarina(圣卡塔琳娜联邦大学);Wavetech ST(Wavetech ST公司)
这项工作提出了一个统一的框架,定义了一个家庭的降噪技术的语音增强应用。所提出的方法为一些广泛应用的软和硬时频掩模提供了独特的理论基础,其中包括著名的维纳滤波器和精确设计的二进制掩模。这些技术现在可以被认为是相同的最小化问题的最佳解决方案。所提出的代价函数由两个设计参数定义,这两个设计参数不仅在降噪和语音失真之间建立了所需的权衡,而且还提供了与掩模形态的深刻关系。这样的特性对于需要根据声学场景的变化在线适配抑制函数的应用可能是有用的。仿真实例表明,推导出的一致性抑制掩模具有近似相同的质量和可懂度性能的经典的几何定义的参数维纳滤波器的能力。所提出的方法可能是特别感兴趣的实时嵌入式语音增强应用,如助听器和人工耳蜗植入。
2018-09-19 cs.SD eess.AS eess.SP
"Self-Wiener" Filtering: Data-Driven Deconvolution of Deterministic Signals
我们考虑鲁棒反卷积的问题,特别是恢复一个未知的确定性信号卷积与已知的过滤器和损坏的加性噪声。我们提出了一种新的,非迭代的数据驱动的方法。具体来说,我们的算法在频域中工作,它试图模仿最佳的不可实现的非线性维纳滤波器,就好像未知的确定性信号是已知的。这导致了阈值类型的正则化估计器,其中每个频率的阈值以数据驱动的方式确定。我们进行了理论分析,我们提出的估计,并推导出其均方误差(MSE)在低和高信噪比(SNR)制度的近似公式。我们表明,在低信噪比制度,我们的方法提供了增强的噪声抑制,并在高信噪比制度,它接近最佳的不可实现的解决方案。此外,正如我们在模拟中所证明的,我们的解决方案非常适合(近似)带限或频域稀疏信号,并提供了几个dB的显着增益相对于其他方法在所得的MSE。
2021-11-02 eess.SP stat.AP
A Time-domain Real-valued Generalized Wiener Filter for Multi-channel Neural Separation Systems
在过去的几年中,频域波束形成器已经在广泛的多通道神经分离系统中取得了成功。然而,传统的频域波束形成器中的操作通常是独立定义和复值的,这导致了两个缺点:前者没有充分利用端到端优化的优势,后者可能会在训练阶段引入数值不稳定性。受最近在端到端神经分离系统中取得的成功的启发,在本文中,我们提出了时域实值广义维纳滤波器(TD-GWF),一种定义在2-D可学习实值信号变换上的线性滤波器。TD-GWF将变换后的表示划分成组,并对每个组上的所有可用信道执行最小均方误差(MMSE)估计。我们展示了如何TD-GWF可以连接到传统的滤波和求和波束形成器时,某些信号变换和组的数量是指定的。此外,鉴于最近在顺序神经波束成形框架中取得的成功,我们展示了如何在这种框架中应用TD-GWF来执行迭代波束成形和分离,以获得整体性能增益。综合实验结果表明,TD-GWF在各种神经网络架构、麦克风阵列场景和任务配置的顺序神经波束形成流水线中始终优于传统的频域波束形成器。
2022-09-07 cs.AI cs.SD eess.AS
Cyclic Multichannel Wiener Filter for Acoustic Beamforming
Delft University of Technology(代尔夫特理工大学);Netherlands Defence Academy(荷兰皇家军事学院)
本文提出基于循环平稳模型的循环多通道维纳滤波器,用于提高语音增强的SI-SDR性能,但对基本频率估计的准确性敏感。
2025-07-14 eess.AS eess.SP
Wiener-Hammerstein model and its learning for nonlinear digital pre-distortion of optical transmitters
提出了一种简单的光发射机非线性数字预失真(DPD)电路,它由有限脉冲响应(FIR)滤波器、无记忆非线性函数和FIR滤波器级联而成。该模型是Wiener-Hammerstein(WH)模型,基本上具有与神经网络或多层感知相同的结构。这种意识使人们能够实现复杂高效的DPD由于模型感知的结构,并利用机器学习领域中发展良好的优化方案。通过光电背靠背(B2B)实验对该方法的有效性进行了评估,结果表明,与纯线性DPD相比,WH DPD在信噪比(SNR)固定的情况下,光调制器的输出功率可获得0.52 dB的增益和6.0 dB的增益。
2020-12-15 eess.SP
Polynomial graph filter of multiple shifts and distributed implementation of inverse filtering
多项式图滤波器及其逆滤波器在图信号处理中起着重要的作用。多项式图过滤器的优点在于它们可以以分布式方式实现,这仅涉及相邻顶点之间的数据传输。在逆滤波中出现的挑战是,直接实现可能遭受高计算负担,因为逆图滤波器通常具有全带宽,即使原始滤波器具有小带宽。本文研究了多移位多项式图滤波器的逆滤波过程的分布式实现,提出了两种可在分布式网络中实现的迭代近似算法,其中每个顶点都配备了有限的数据存储系统,计算能力和与相邻顶点的数据交换设施。我们还证明了所提出的迭代近似算法的有效性,以实现逆滤波过程和其令人满意的性能去噪随时间变化的图形信号和数据集的美国每小时的温度在218个位置。
2021-11-05 cs.IT eess.SP math.IT
Collective Noise Filtering in Complex Networks
Northwestern University(西北大学);NSF-Simons National Institute for Theory and Mathematics in Biology(NSF-西蒙斯生物理论与数学国家研究所)
本文提出网络维纳滤波器,通过结合网络结构和噪声特征,有效过滤复杂网络中的集体噪声,提升网络分析的可靠性。
2026-02-06 cs.CE eess.SP stat.AP
Trainable Joint Time-Vertex Fractional Fourier Transform
针对现有图与联合时间-顶点分数阶傅里叶变换维纳滤波的局限,提出基于JFRFT超微分形式的可训练滤波框架,将变换阶数与滤波器系数设为可学习参数,通过反向传播同步优化,提升时变图信号去噪性能并降低计算量。
2025-07-29 eess.SP
Separation of Chaotic Signals by Reservoir Computing
University of Maryland(马里兰大学);College Park(学院公园);Maryland 20742(马里兰州20742(注意:这是地址信息,根据规则不应提取,此处可能是示例中的错误,实际应仅提取“University of Maryland”))
我们展示了机器学习的效用,在叠加混沌信号的分离使用一种技术称为水库计算。我们假设没有知识的动态方程产生的信号,只需要训练数据组成的分量信号的有限时间样本。我们测试我们的方法形成的信号作为线性组合的信号从两个洛伦兹系统具有不同的参数。比较我们的非线性方法与分离问题的最佳线性解决方案,维纳滤波器,我们发现,我们的方法显着优于维纳滤波器在我们研究的所有情况下。此外,当分量信号具有相似的频谱时,这种差异特别显著。事实上,我们的方法工作得很好,当分量频谱是不可区分的-维纳滤波器执行基本上没有分离的情况下。
2019-10-25 cs.LG eess.SP
JFRFFNet: A Data-Model Co-Driven Graph Signal Denoising Model with Partial Prior Information
针对传统图信号去噪需完整先验信息的问题,提出数据-模型协同驱动的JFRFFNet,将JFRFT域维纳滤波嵌入神经网络,仅用部分先验信息即可去噪,显著提升输出信噪比。
2025-09-11 eess.SP
Quantization Analysis and Robust Design for Distributed Graph Filters
分布式图滤波器已在无线传感器网络(WSNs)中找到应用,以解决分布式任务,如共识,信号去噪和重建。然而,当在WSN上使用时,图过滤器应该处理网络有限的能量、处理和通信能力。量化在改善后者方面起着基础性的作用,但它对分布式图过滤的影响却知之甚少。由于噪声和干扰,无线传感器网络也容易出现随机链路丢失。滤波器输出受到量化误差和拓扑随机性误差的影响,如果在滤波器设计阶段没有适当地考虑到这两个误差,则可能导致通过滤波迭代的累积误差并且显著地降低性能。在本文中,我们分析了量化如何影响分布式图过滤的时不变和时变图。我们带来了两个最常见的图形滤波器的量化效果的见解:有限脉冲响应(FIR)和自回归移动平均(ARMA)图形滤波器。当量化步长固定或在滤波迭代中动态变化时,我们设计了滤波器性能的理论性能保证。对于FIR滤波器,我们表明,一个动态的量化步长导致更多的控制比固定步长量化的量化噪声。对于ARMA图滤波器,我们表明,减少量化步长的迭代减少量化噪声为零,在稳态。此外,我们提出了鲁棒的滤波器设计策略,最大限度地减少时不变和时变网络的量化噪声。合成和两个真实的数据集的数值实验证实了我们的研究结果,并显示不同的权衡量化位,滤波器的顺序,和鲁棒性拓扑随机性。
2020-04-14 cs.IT cs.SY eess.SP
Misaligned Over-The-Air Computation of Multi-Sensor Data with Wiener-Denoiser Network
本文针对多传感器空口计算中因同步误差和信道估计不准导致的失准问题,将其建模为非盲图像去模糊,提出维纳滤波加U-Net去噪网络的两阶段恢复方法,利用学习挖掘信号内在相关性,精度优于传统方法。
2024-09-01 eess.SP
Implementing distributed graph filters by elementary matrix decomposition
在这封信中,我们考虑分布式图滤波器的实现问题,其中每个节点只能访问当前及其相邻节点的信号。通过使用高斯消除,我们表明,只要图是连接的,我们可以实现任何图滤波器分解成一个产品的直接可实现的过滤器,过滤器,只使用在当前和相邻节点的信号作为输入的过滤器。我们还包括一个具体的例子作为说明。
2019-09-11 eess.SP
Best Linear Approximation of Wiener Systems Using Multilevel Signals: Theory and Experiments
University of Perugia(佩鲁贾大学);Vrije Universiteit Brussel(布鲁塞尔自由大学);University of Warwick(华威大学)
本文通过多级激励序列对非线性系统进行最佳线性逼近,通过数值模拟和实际电路实验比较不同序列类型,分析随机约束序列在设计三元序列时对偶数和奇数非线性效应的低敏感性。
2017-10-19 cs.NA cs.SY eess.SP
Advances in Distributed Graph Filtering
图滤波器是图信号处理的核心工具之一。它们的一个核心方面是它们的直接分布式实现。然而,过滤性能通常与分布式通信和计算节省进行交易。为了改善这种权衡,这项工作将最先进的分布式图滤波器推广到每个节点都用不同的值对其邻居的信号进行加权的滤波器,同时保持聚合操作的线性。这种新的实现,标记为边变图过滤器,产生了显着减少的通信轮,同时保持近似精度。此外,我们还刻画了可以用边变递归描述的平移不变图滤波器的子集。通过使用低维参数化,所提出的图滤波器通过局部算子的连续和组合提供了近似线性算子的见解,即,固定的支持矩阵,其跨越图形信号处理领域之外的应用。一组数值结果显示了优势的边变滤波器在当前的方法,并说明了它们的潜力,以更广泛的应用比图过滤。
2018-08-09 eess.SP
On Stability and Convergence of Distributed Filters
近年来,见证了分布式过滤技术的扩散,其中一个集合的代理在一个ad-hoc网络通信的目的是协同估计和跟踪系统的状态。这些技术构成了现代多智能体系统的使能技术,并在工程界获得了极大的重要性。虽然大多数分布式过滤技术都有一套稳定性和收敛性标准,但所施加的条件被认为是不必要的限制。本文对分布式滤波的稳定性和收敛性的研究范式进行了修正。因此,一般的分布式滤波器的构造和它的估计误差动态公式。所进行的分析表明,实现稳定过滤操作的条件与集中过滤设置中所需的条件相同。最后,在卡尔曼滤波框架中证明了这些概念,并使用仿真实例进行了验证。
2021-02-22 cs.SY eess.SP eess.SY
Consensus-Based Distributed Nonlinear Filtering with Kernel Mean Embedding
本文提出基于核均值嵌入的共识分布式非线性滤波器,将状态嵌入再生核希尔伯特空间实现测量线性化,在保持分布式结构的同时达到集中式滤波精度,并通过目标跟踪实验验证其有效性。
2023-12-04 cs.SY eess.SP eess.SY
On the distributions of some statistics related to adaptive filters trained with $t$-distributed samples
在本文中,我们分析自适应滤波器或检测器的行为时,他们训练的$t$分布的样本,而不是高斯分布的样本。更准确地说,我们调查的一些相关的统计,包括信噪比损失和高斯广义似然比检验的分布的影响。本文导出了分块复$F$分布矩阵的一些性质,使之能够得到关于独立卡方分布随机变量的统计表示。这些表示相比,其高斯同行和数值模拟说明和量化的诱导退化。
2021-03-03 eess.SP math.ST stat.TH
Distributed Kalman Filters for Relative Formation Control of Mobile Agents
多智能体编队控制在许多领域都起着重要的作用。在没有绝对定位的情况下,FC系统中的代理依赖于相对于其邻居的相对位置测量。在分布式滤波器设计文献中,相对观测模型是相对未探索的,在FC文献中,不确定性模型很少被考虑。在这篇文章中,我们的目标是弥合这些领域之间的差距,通过探索分布式过滤器量身定制的相对FC群。我们提出了统计鲁棒的数据模型跟踪代理在FC网络中的相对位置,并随后提出了最佳的卡尔曼滤波器集中式和分布式的情况下。我们的模拟突出了这些估计的好处,我们确定未来的研究方向,我们提出的框架的基础上。
2021-10-12 cs.SY eess.SP eess.SY