使用错误预测过滤器过滤半已知信号

我正在设法正确地使用Wiener或错误预测过滤器来过滤数据。在我看来，它只是一个白化滤波器，因此当您要恢复的数据不是AWGN信号时如何使用它？

例如，我有一个信号，它具有多个不同的干扰信号-我可以在PSD上看到它们，但我不知道它们是a）静止的，并且b）它们具有什么特性。我可以使用类似Yule-Walker方程的方法为整个信号恢复AR模型，但是在这种情况下，我只想恢复干扰信号的模型，而不是我想要恢复的部分。

我尝试实现一个自适应LMS陷波滤波器，其参考信号为单个正弦波，但是对我来说却太窄了，不能很好地跟踪信号中的频率变化。

我想基本上我的问题是，如果我使用错误预测过滤器过滤实际数据，那么如何将数据部分与噪声部分分开？换句话说，我不想让整个信号变白，而只是让噪声部分变白。我想念什么？

我不确定我是否正确理解了这个问题（如果不是这样，请随时更新我的​​信息）。

有MUSIC算法，它提取嵌入在背景噪声中的信号作为正弦信号之和

还可以选择使用SVD（或Karhunen-Loeve变换）并减少输入数据的维数，同时保留最大的信息（这将丢弃大多数背景噪声分量）。

如果这是在线或实时的，则可以自适应地完成。

希望这可以帮助