Linear filters today enjoy a rich t

Linear filters today enjoy a rich theoretical framework based on the early and important
contributions of Gauss (1795) on Least Squares, Wiener (1949) on optimal
filtering, and Widrow (1970) on adaptive filtering. Linear filter theory has consistently
provided the foundation upon which linear filters are used in numerous practical
applications as detailed in classic treatments including that of Haykin [99], Kailath
[ 1 lo], and Widrow [ 1971. Nonlinear signal processing, however, offers significant
advantages over traditional linear signal processing in applications in which the underlying
random processes are nonGaussian in nature, or when the systems acting on
the signals of interest are inherently nonlinear. Practice has shown that nonlinear systems
and nonGaussian processes emerge in a broad range of applications including
imaging, teletraffic, communications, hydrology, geology, and economics. Nonlinear
signal processing methods in all of these applications aim at exploiting the system’s
nonlinearities or the statistical characteristics of the underlying signals to overcome
many of the limitations of the traditional practices used in signal processing.

ผลลัพธ์ (ไทย) 1:

กรองเชิงเส้นวันนี้รับกรอบทฤษฎีหลากหลายตามต้น และสำคัญผลงานของ Gauss (1795 รายการ) บนสี่เหลี่ยมน้อย หมู (1949) บนที่ดีที่สุดกรอง และ Widrow (1970) ปรับตัวกรอง กรองเชิงเส้นทฤษฎีได้อย่างสม่ำเสมอมีรากซึ่งตัวกรองเชิงเส้นที่ใช้ในทางปฏิบัติมากมายโปรแกรมประยุกต์ตามรายละเอียดในทรีทเมนท์คลาสสิกรวมทั้งของ Haykin [99], Kailath[1 หล่อ], และ Widrow [1971 สัญญาณเชิงเส้น การประมวลผลอย่างไรก็ตาม มีนัยสำคัญข้อได้เปรียบกว่าการประมวลผลสัญญาณเชิงเส้นแบบดั้งเดิมในการใช้งานซึ่งต้นแบบกระบวนการแบบสุ่มเป็น nonGaussian ในธรรมชาติ หรือเมื่อระบบในสัญญาณที่น่าสนใจอยู่เสมอไม่เชิงเส้น ปฏิบัติได้แสดงที่ไม่เชิงเส้นระบบและกระบวนการ nonGaussian ออกมาในหลากหลายงานภาพ teletraffic สื่อสาร อุทกวิทยา ธรณีวิทยา และเศรษฐศาสตร์ ไม่เชิงเส้นวิธีการประมวลผลสัญญาณในทุกการใช้งานเหล่านี้มุ่งแสวงหาผลประโยชน์ของระบบnonlinearities หรือลักษณะทางสถิติของสัญญาณต้นแบบเพื่อเอาชนะหลายข้อจำกัดของการปฏิบัติแบบดั้งเดิมที่ใช้ในการประมวลผลสัญญาณ

ผลลัพธ์ (ไทย) 2:

เชิงเส้นกรองในวันนี้สนุกกับกรอบทฤษฎีที่อุดมไปด้วยขึ้นอยู่กับในช่วงต้นและที่สำคัญ
มีส่วนร่วมของเกาส์ (1795) บนสี่เหลี่ยมน้อยวีเนอร์ (1949) ในวันที่ดีที่สุด
กรองและ Widrow (1970) การปรับตัวในการกรอง ทฤษฎีการกรองเชิงเส้นได้อย่างต่อเนื่อง
ให้รากฐานซึ่งฟิลเตอร์เชิงเส้นที่ใช้ในการปฏิบัติต่าง ๆ นานา
การใช้งานตามรายละเอียดในการรักษาคลาสสิกรวมทั้ง Haykin [99] Kailath
[1 Lo] และ Widrow [1971 เชิงการประมวลผลสัญญาณ แต่มีอย่างมีนัยสำคัญ
ข้อได้เปรียบกว่าการประมวลผลสัญญาณเชิงเส้นแบบดั้งเดิมในการใช้งานที่อยู่ภายใต้
กระบวนการสุ่ม nonGaussian ในธรรมชาติหรือเมื่อระบบที่กระทำต่อ
สัญญาณที่น่าสนใจอยู่ไม่เชิงเส้นโดยเนื้อแท้ ปฏิบัติได้แสดงให้เห็นว่าระบบไม่เชิงเส้น
และกระบวนการ nonGaussian โผล่ออกมาในความหลากหลายของการใช้งานรวมถึง
การถ่ายภาพ teletraffic สื่อสารอุทกวิทยาธรณีวิทยาและเศรษฐศาสตร์ ไม่เชิงเส้น
วิธีการประมวลผลสัญญาณในทุกการใช้งานเหล่านี้มีจุดมุ่งหมายที่การใช้ประโยชน์จากระบบ
nonlinearities หรือลักษณะทางสถิติของสัญญาณพื้นฐานที่จะเอาชนะ
หลายข้อ จำกัด ของการปฏิบัติแบบดั้งเดิมที่ใช้ในการประมวลผลสัญญาณ

ผลลัพธ์ (ไทย) 3:

ตัวกรองวันนี้เชิงเส้นกับรวยกรอบทฤษฎีตามต้นและที่สำคัญผลงานของเกาส์ ( 1795 ) อย่างน้อย wiener ( 1949 ) ที่เหมาะสมการกรองและวิโดรว ( 1970 ) ในตัวกรอง ทฤษฎีตัวกรองเชิงเส้นได้อย่างต่อเนื่องให้มูลนิธิ ซึ่งเมื่อตัวกรองเชิงเส้นใช้ในการปฏิบัติมากมายงานตามรายละเอียดในการรักษาแบบคลาสสิก รวมทั้งที่ haykin kailath [ 99 ][ 1 ] และแท้จริง , วิโดรว [ 1971 การประมวลผลสัญญาณเชิง อย่างไรก็ตาม มีอย่างมีนัยสำคัญข้อได้เปรียบกว่าการประมวลสัญญาณเชิงเส้นแบบดั้งเดิมในการใช้งานในที่ต้นแบบกระบวนการสุ่มเป็น nongaussian ในธรรมชาติ หรือเมื่อระบบแสดงบนสัญญาณของความสนใจเป็นอย่างโดยเนื้อแท้แบบไม่เชิงเส้น ปฏิบัติแสดงให้เห็นว่าระบบไม่เชิงเส้นและกระบวนการ nongaussian โผล่ออกมาในช่วงกว้างของการใช้งาน ได้แก่ภาพ , teletraffic , การสื่อสาร , อุทกวิทยา ธรณีวิทยา และเศรษฐศาสตร์ ไม่เชิงเส้นการประมวลผลสัญญาณในวิธีการทั้งหมดของโปรแกรมเหล่านี้มุ่งใช้ประโยชน์ของระบบnonlinearities หรือลักษณะทางสถิติของต้นแบบสัญญาณเพื่อเอาชนะหลายข้อ จำกัด ของประเพณีปฏิบัติที่ใช้ในการประมวลผลของสัญญาณ