假設一個被測信號由理想信號 和雜訊 組成:
這是一個加性雜訊的模型,假設雜訊和信號是獨立的。本節的目的是建立一個線性移不變(LSI)系統,將雜訊過濾並且以儘可能高的保真度保存信號。加性雜訊的模型如下圖所示,信號進過系統後,輸出為:
令濾波為:
那麼輸出結果為:
這樣便去除了雜訊,從加性雜訊中把需要的信號提取出來了。但是這種情況是非常不切實際的,因為不可能直接得到該系統的 ,如果直接得到了 就可以計算出 並且進一步得到所需要的信號 了。
那麼把濾波 改寫為:
根據這個表達式,當 (即信噪比SNR很高)時, ;當 (即信噪比SNR很低)時, 。可以利用這個特點對信號進行濾波,即對信號(理想信號加上雜訊)進行帶通濾波,在SNR高的地方是通帶,其他的地方為0。
在幾乎每個現實場景中,記錄數據的測量系統都會對要測量的信號產生一些擾動。在許多情況下,這個過程的建模為線性系統,其中系統的輸入是待測量的未知信號 並且輸出(記錄的)信息是 。 理論上來說,衝激響應 可以通過校準來確定。那麼是否有可能消除系統的影響?比如說在音頻系統中使用的圖形均衡器就是一個例子。
系統記錄的信號
進行傅里葉變換
那麼如果對輸出信號進行反卷積,是否就能恢復待測信號,消除系統的影響呢?對輸出信號進行反卷積,有:
那麼會出現一個問題,當 時, ,一點點小的雜訊會因為反卷積被放大,尤其是高頻部分。可以對頻率的帶寬進行限制進行均衡化濾波,保留低頻分量,濾除趨於0的高頻部分,這樣就可以得到一個更加合理(但仍然不完美)的待測信號反卷積重建。
匹配濾波器是一種特殊結構,旨在告訴觀察者是否存在特定信號。 匹配濾波器最初是為雷達信號處理而開發的,但後來應用到檢測和估算的每個領域,在這些領域中我們試圖找到嵌入雜訊和干擾的特定信號。 匹配濾波是基於相關性的信號處理過程。
假設我們所需要的特定信號 可以由被探測器探測到的信號 和雜訊 組成:
假設系統的衝激響應 ,那麼有:
根據自相關與相關的性質(可參考文章《傅里葉光學(四)》),當輸入信號是想找到的特定信號時,相關度最高, 的值最大。