Обратная фильтрация ⇐ Python

[Anonymous]

У меня возникли проблемы с обработкой сигналов, и мне интересно, может ли кто-нибудь помочь.
Вот как я вижу проблему:
Входной сигнал связи передается через канал, в котором доминирует неизвестный фильтр нижних частот, который настолько сильно искажает сигнал, что его невозможно надежно декодировать. Первая часть сигнала представляет собой известный шаблон синхронизации, который мы можем идентифицировать, несмотря на искажения.
Поскольку мы знаем шаблон синхронизации и измерили его отфильтрованную версию, мы можем оценить передачу функция неизвестного фильтра нижних частот в виде полинома Лапласа вида TF(s) = (b0s^n+b1s^(n-1)+...+bn)/(a0s^m+a1s^(m-1) +...+ам). Посредством многократного моделирования и сравнения с измеренным сигналом мы можем найти передаточную функцию, которая «разумно» аппроксимирует фактический фильтр нижних частот системы.
Вооруженные «разумным» приближением передаточная функция системы в виде TF(s) = (b0s^n+b1s^(n-1)+...+bn)/(a0s^m+a1s^(m-1) +...+am), тогда мы можем найти обратное выражение как TF_Inv(s) = (a0s^m+a1s^(m-1)+...+am)/(b0s^n+b1s^(n-1) +...+bn). Применение этого обратного метода к измеренным данным должно восстановить исходный сигнал или, по крайней мере, его разумную аппроксимацию. Для простых стандартных примеров это работает, но существуют проблемы устойчивости обратной передаточной функции.
Как следует корректировать обратные передаточные функции в свете критерия устойчивости Рауса_Хорвица, чтобы получить оценку входной сигнал восстанавливается без колебаний?
Я использую библиотеку scipy.signal Python.

Подробнее здесь: https://stackoverflow.com/questions/791 ... -filtering