Приветствую, уважаемые!
Может ли кто подсказать какие существуют традиционные (старые) и современные методы обработки для выделения малых сигналов из под шума (полезный сигнал может составлять 0.1 от величины шума)?

С уважением,
BVU

Очень разные. Так как и сигнал и шум может быть очень разный.

Традиционные - согласованный фильтр (коррелятор). В общем случае.
А вообще, как уже заметили, шум и сигнал бывают разные. В частном случае можно и фильтром обойтись, если спектры сигнала и шума не пересекаются.

В том числе и синхронный детектор

Хорошо, тогда сузим задачу. Относительно шума конкретносказать сказать пока ничего не могу, но предположим, что это - белый шум, так что частотный спектр полезного сигнала и шума перекрываются... Как уже и говорилось ранее уровень (амплитудные составляющие) полезного сигнала может составлять 0.1 от уровня шума. Единственный плюс в этом деле, что известен расчетный прототип полезного сигнала, что по логике вещей переводит задачу в разряд распознавания образов. Меня же интересуют методы и алгогритмы выделения сигнала. Просто перечислите их!

С уважением,
BVU

Эт тока оптимальная фильтрация. (Винеровская или калмановская).

А как насчет применения вейвлетов для многомасштабного анализа? Или скажем применение кепстрального анализа нелинейных методов выделения сигналов?

Вейвлеты в данном случае стоь же ценны как и любые другие ортогональные преобразования. Их можно использовать совместно с оптимальными фильтрами. Что касается гомоморфной обработки - она актуальна, если полезный сигнал перемножен или свернут с шумом. Если шум аддитивный - смысла в огороде нет.

Уточните задачу: сигнал детерминированные или случайный? Для первого случая согласованный фильтр или коррелятор, во втором - все заметно хуже, включая реализацию автокорреляционного приема.

Добавлю еще, что помимо корреляторов(а они так или иначе предполагают заведомо известную форму импульса) существуют еще методы выделения путем накопления. Если сигнал стационарен(в размен на "заранее известен" для корреляционных методов) то взяв, например, 1000 выборок мы получим прирост соотношения сигнал/шум пропорциональный корню из 1000.

Так-же не плохо подходит под данную задачу метод адаптивной фильтрации, например используя метод наименьших квадратов...

Совет самому себе?

Ну если мало толкового в тему забросили, приходиться хоть с собой - умным человеком поговорить немного ...

Пока телепаты в отпуске, отвечу цитатой:
"Ответчик мог ответить на любой вопрос, будь тот поставлен
правильно. И он хотел. Страстно хотел отвечать!"
http://www.nesenenko.narod.ru/BOOKS/SHEKLY29.html

Это так , но не всегда. Если фаза сигнала случайна, например, использовался амплитудный детектор,( информация о фазе потеряна) то при отношении сигнал /шум <1 ничего не накопишь. Если применяется синхронное детектирование, то накопишь, причем, можно использовать даже двухразрядный АЦП. Но времени потребуется много.

Если плотность мощности сигнала меньше плотности мощности шума в любой точке спектра, то оптимальная фильтрация ничего не даст.
Остается только стат. обработка, которая базируется на апприорной информации о сигнале. Как раз о сигнале автор ничего не сообщил, так что цитата из Шекли весьма к стати.