Zusammenfassung
Im vorigen Kapitel wurden Wiener-Filter zur Signalschätzung unter folgenden Randbedingungen betrachtet:
-
Die Prozesse sind zumindest schwach stationär und werden durch ihre Korrelationsfunktionen bzw. Leistungsdichten beschrieben.
-
Das zeitdiskrete Messsignal r(i) steht im Beobachtungsintervall −∞ < i ≤ k zur Verfügung.
-
Das Schätzsignal \( \hat d \)(k) – insbesondere für Filterung, Prädiktion und Interpolation – entsteht durch eine lineare Operation aus dem Messsignal r(i), weil das gewünschte Signal d(k) linear vom Quellensignal q(k) abhängt.
-
Als Optimalitätskriterium wird der mittlere quadratische Fehler E{(\( \hat D \)(k)−D(k))2} minimiert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2011 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Kroschel, K., Rigoll, G., Schuller, B. (2011). Kalman-Filter. In: Statistische Informationstechnik. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-15954-1_9
Download citation
DOI: https://doi.org/10.1007/978-3-642-15954-1_9
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-15953-4
Online ISBN: 978-3-642-15954-1
eBook Packages: Computer Science and Engineering (German Language)