Цитата(TriD @ Jul 14 2006, 10:33)

В своем проекте я использовал NI кубик LMS Adaptive Filter (LMS = least mean square). Была задача: вытащить известный полезный сигнал из-под шумов. Фильтр работает изумительно. Удалось вытащить сигнал при соотношении 1:100 (и это далеко не предел).
К вашему случаю, к сожалению, он не применим, так как у вас и сигнал и шум - неизвестные факторы, а для работы фильтра нужен опорный сигнал или шум.
Нет, не обязательно нужен. Есть разновидность LMS алгоритма - авторегрессионный. Для него в качестве опорного берётся сам сигнал. Позволяет не только построить оптимальный фильтр, но и непосредственно оценить частоту сигнала. Посмотреть примеры реализаций можно в матлабе.
Простите за некоторую вольность изложения - времени мало.
Самонадеянность слепа. Сомнения - спутник разума. (с)