Adaptive Filter Wiener KALMAN之间的逻辑过度关系谁清楚啊？

自适应滤波我觉得就是一种学习的过程，然后获得一些有用信息，在通信中我们通常用作参数估计。它包含了很多方法，这些方法是限制在一定约束条件下才能够应用的。其中维纳滤波和卡尔曼滤波是最优线性滤波。维纳滤波是线性、最小均方误差波形估计，卡尔曼滤波是线性、无偏、最小均方误差递推波形估计

【 在 z624530962 的大作中提到: 】 : 自适应滤波我觉得就是一种学习的过程，然后获得一些有用信息，在通信中我们通常用作参数估计。它包含了很多方法，这些方法是限制在一定约束条件下才能够应用的。其中维纳滤波和卡尔曼滤波是最优线性滤波。维纳滤波是线性、最小均方误差波形估计，卡尔曼滤波是线性、无偏、最小均方误差递推波形估计 大神kalman估计是基于MMSE准则的估计算法对么？同样对线性系统滤波，kalman算法和MMSE算法有可比性么？如果有那一般情况下二者的滤波效果哪个好？谢谢您了大神。

我们在考虑估计的时候首先要建立信号模型，然后再设计估计器的结构，而估计器的结构实际上是和你所选取的准则相关的。常用的准则包括了：对随机情况有MMSE,MAP（贝叶斯估计），对于非随机的情况有ML，LS 我觉得你所考虑的问题应该是估计参数（可以是随机的也可以非随机）随时间变化的情况，这时候我们叫波形估计。而卡尔曼滤波实际上核心是要选取合适的状态变量和观测模型，然后是在线性、无偏、MMSE条件的估计（约束条件增多了），卡尔曼滤波的好处实际上一方面不要求平稳的，另一方面他是递归的，可以处理多变量的情况 【 在 tangbaozheng 的大作中提到: 】 : : 大神kalman估计是基于MMSE准则的估计算法对么？同样对线性系统滤波，kalman算法和MMSE算法有可比性么？如果有那一般情况下二者的滤波效果哪个好？谢谢您了大神。

【 在 z624530962 的大作中提到: 】 : 我们在考虑估计的时候首先要建立信号模型，然后再设计估计器的结构，而估计器的结构实际上是和你所选取的准则相关的。常用的准则包括了：对随机情况有MMSE,MAP（贝叶斯估计），对于非随机的情况有ML，LS : 我觉得你所考虑的问题应该是估计参数（可以是随机的也可以非随机）随时间变化的情况，这时候我们叫波形估计。而卡尔曼滤波实际上核心是要选取合适的状态变量和观测模型，然后是在线性、无偏、MMSE条件的估计（约束条件增多了），卡尔曼滤波的好处实际上一方面不要求平稳的，另一方面他是递归的，可以处理多变量的情况 谢谢大神的回复。心中很暖。