A
abling8
Guest
Please iedereen kon me helpen met deze vraag?Bedankt!Stel dat we willen een signaal schatting d 
van de rumoerige waarneming
x = d v
waarin v is de eenheid variantie die witte ruis ongecorreleerd is met d .De
signaal d is een AR (1) proces dat wordt gegenereerd door de differentievergelijking
d = 0.8d (n - 1) w ˛= 0.36.
waar w wit is ruis met variantie σ ˛ w
= 0,36.Daarom is de autocorrelatie functie van d is(k) = (0.8 )^|k|
R dd
(k) = (0,8) ^ | k |
(a) Ontwerp een Wiener-filter te schatten d en evalueren van de gemiddelde van de kwadraten
fout.
(b) De Wiener filter dat u in ontworpen (a) is noncausal en dus
niet te realiseren.Bespreek een methode om dit realiseerbaar te maken.
(c) Met behulp van MATLAB, het genereren van 500 monsters van de processen x en d .
Gebruik uw Wiener filter voor d schatting van x .Plot uw schatting
en vergelijk deze met d.
van de rumoerige waarnemingx
= d v waarin v
is de eenheid variantie die witte ruis ongecorreleerd is met d .Designaal d
is een AR (1) proces dat wordt gegenereerd door de differentievergelijkingd
= 0.8d (n - 1) w ˛= 0.36.waar w
wit is ruis met variantie σ ˛ w= 0,36.Daarom is de autocorrelatie functie van d
is(k) = (0.8 )^|k|R dd
(k) = (0,8) ^ | k |
(a) Ontwerp een Wiener-filter te schatten d
en evalueren van de gemiddelde van de kwadratenfout.
(b) De Wiener filter dat u in ontworpen (a) is noncausal en dus
niet te realiseren.Bespreek een methode om dit realiseerbaar te maken.
(c) Met behulp van MATLAB, het genereren van 500 monsters van de processen x
en d .Gebruik uw Wiener filter voor d
schatting van x .Plot uw schattingen vergelijk deze met d
.