时域维纳滤波

参考书籍《Adaptive Filter Theory (5th Edi - Haykin, Simon O_》

下图为维纳滤波的框图

损失函数定位为输出误差平方期望最小，最后经过推到得出结论为权值系数计算：

时域维纳滤波代码如下：

import numpy as np
import matplotlib.pyplot as plt
import scipy.signal

def awgn(x, snr, seed=7):
    '''
    加入高斯白噪声 Additive White Gaussian Noise
    :param x: 原始信号
    :param snr: 信噪比
    :return: 加入噪声后的信号
    '''
    np.random.seed(seed)  # 设置随机种子
    snr = 10 ** (snr / 10.0)
    xpower = np.sum(x ** 2) / len(x)
    npower = xpower / snr
    noise = np.random.randn(len(x)) * np.sqrt(npower)
    return noise,npower
x = np.arange(0,80,0.