了解CV和RoboMaster视觉组（五）滤波器、观测器和预测方法：维纳滤波器Wiener Filter，LMS

--neozng1@hnu.edu.cn

接下来两个滤波器对数学和信号处理的知识要求较高，没有相关基础的萌新 RMer可以跳过这两个滤波器的介绍直接看结论。

• Least Mean Square Error Filter（最小均方误差滤波器，时域）

  经典的频域滤波器要求对信号与噪声的频谱完全得知，并且两者不能有交叠，否则会造成滤除不干净或是影响原有信号的问题。而估计器则是通过已知信息求在某种标准下的原信号的最优估计。LMSEF是维纳博士提出的以最小均方误差为最优准则的一种线性滤波器，奠定了最优滤波器设计的基础。其对于参考信号（或目标信号，即我们希望得到的信号）和噪声信号的要求是平稳随机信号并且统计特性已知（如果统计特性未知或是会改变，请看下面的自适应滤波器）。维纳滤波的最佳适用场景是处理已经被记录下来的信号，或是能够长时间观测的信号。

  假设真实信号为 $y(n)$ ,我们采集到的信号序列为 $x(n)$（可以将其看成一个向量），噪声为$v(n)$（也看作向量）。我们设经过滤波器后的估计值为$\hat{y}(n)$,对于信号卷积形式是
  $$\hat{y}(n)=\sum _{k=0}^{n}h(k)x(n-k)$$
  这里的h(k)h(k)