一类具有等式约束的带乘性噪声系统的最优滤波算法

针对动态数据处理领域观测方程中存在乘性噪声的情况,提出在乘性噪声系统中状态附等式约束的一套滤波算法。该算法首先通过把观测向量进行扩维,然后基于投影定理进行滤波求解得到基于线性最小方差的最优滤波算法。通过与基于最优化理论的方法求解得到的算法进行对比分析及仿真对比验证了该算法的有效性。     

带乘性噪声的一类非线性系统的滤波算法

针对带乘性噪声的一类非线性系统,给出了1种带单重渐消因子的强跟踪状态滤波算法。该算法将非线性系统线性化后,采用了线性最小方差估计方法来进行状态估计,通过运用正交原理和引入渐消因子,使得滤波效果具有强跟踪的优良性能。该算法扩展了卡尔曼滤波在带乘性噪声非线性系统状态估计中的应用范围。仿真结果表明了该算法的有效性。     

一类带乘性噪声多通道非线性系统的平滑算法

在各通道乘性噪声不同的情况下,针对多通道带乘性噪声非线性系统的状态估计问题,提出1种状态平滑算法。该算法运用扩展卡尔曼滤波方法先根据全部观测数据对状态进行滤波估计,并存储一步预测估计值和一步预测估计误差的方差,利用存储的数据进行递推运算,得到状态的固定域平滑估计。仿真结果表明平滑算法较滤波算法精确性更高,稳定性更强。     

带乘性噪声广义系统的观测噪声最优估计算法

研究带乘性噪声广义系统的观测噪声最优估计问题。在假设系统正则的情况下,针对乘性噪声为一般随机矩阵即各观测通道乘性噪声同时刻相关的情况,通过受限等价变换和状态扩维的方法,给出了线性最小方差意义下的观测噪声最优滤波算法和最优平滑估计算法。数字仿真结果表明了算法的有效性。     

多通道带乘性噪声系统的最优固定域平滑算法

在以往的乘性噪声系统的观测模型中 ,由于假定各通道的乘性噪声是完全相同的 ,因此并不是真正的多通道系统。而本文则考虑各通道乘性噪声不同的情况 ,即真正意义上的多通道带乘性噪声系统。在褚东升等“噪声相关时多通道带乘性噪声系统最优滤波”的基础上 ,进一步给出了固定域平滑算法。该算法在线性最小方差意义下为最优的。通过仿真计算 ,说明了该算法的有效性     

一类带乘性噪声2-D奇异系统的滤波算法

针对一类带乘性噪声2-D奇异系统的Roesser模型,提出了一种状态滤波算法。该算法首先对无跳跃模的2-D奇异Roesser模型进行等价变换,变换为2个降阶的子系统,其中子系统一可继续变换为易于处理的动态噪声和量测噪声在同一坐标点相关的非奇异带乘性噪声FM-Ⅱ模型;然后基于正交投影定理,得到了带乘性噪声2-D奇异Roesser模型的状态滤波算法,同时得到了带乘性噪声2-D FM-Ⅱ模型的状态滤波算法。上述算法在线性最小方差意义下是最优的,仿真验证了算法的有效性。     

通道特性相关时带乘性噪声系统观测噪声的最优估计

研究在较弱的乘性噪声条件下系统观测噪声的最优估计问题,就乘性噪声为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形,给出了在线性最小方差意义下的观测噪声最优滤波算法和最优平滑算法。针对这些算法进行了仿真研究,仿真结果表明算法有较好的估计效果。     

带乘性噪声系统的最优方差约束鲁棒状态估计算法

带乘性噪声系统由于其广泛的适用性,一直成为研究的热点。针对带乘性噪声系统的鲁棒状态估计算法进行研究,利用线性矩阵不等式的方法,讨论状态方程中含有范数有界不确定性参数的带乘性噪声系统的方差约束鲁棒状态估计器存在的条件,并针对此类带乘性噪声系统推导出1套方差约束鲁棒状态估计算法以及最优方差约束鲁棒状态估计算法。仿真结果验证算法的有效性。     

基于约当分解的带乘性噪声广义系统状态最优滤波算法

运用矩阵约当分解,将一类带乘性噪声广义离散随机线性系统转化为带乘性噪声正常系统,并给出其在线性最小方差意义下的状态最优滤波算法。仿真结果验证该算法的有效性。     

噪声相关时多通道带乘性噪声系统最优滤波

针对多通道乘性噪声系统问题的实际需要 ,推广 Rajasekaran滤波算法 ,利用线性最小方差的概念和投影公式 ,导出含有乘性噪声统计特性参数阵特殊乘法运算的新息协方差矩阵 ,并利用这个中间矩阵 ,在观测为多通道 ,且各个通道的乘性噪声不同 ,以及系统的动态噪声和观测噪声同时刻相关的情况下 ,导出状态递推滤波算法 ,该算法在线性最小方差意义下是最优的。并对该算法进行仿真研究 ,仿真结果表明了该算法的有效性     

多通道带乘性噪声系统的分部滤波算法

针对多通道观测环境下带乘性噪声系统的最优滤波问题,提出了1种状态最优滤波的分部算法。分部估计方法将状态估计分解为标称滤波估计和余项估计2项相加的形式。该算法在线性最小方差意义下是最优的。仿真实例表明,分部算法的鲁棒性更强,对系统初值的改变具有更强的适应能力。     

通道特性相关时带乘性噪声系统的最优滤波

针对石油地震勘探、通讯工程、水声探测等许多实际应用领域 ,该文研究 1种在更弱的乘性噪声限制条件下系统的最优状态滤波 ,就乘性噪声矩阵为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形 ,给出了在线性最小方差意义下的状态最优滤波算法。针对该算法还进行了仿真研究 ,仿真结果表明了该算法的有效性。     

多通道带乘性噪声系统观测噪声的最优估计

研究在多通道观测时观测噪声的最优估计问题。就多通道的乘性噪声为对角阵且动态噪声一步相关并与观测噪声在同时刻和过去相邻时刻也相关的复杂情况下给出了在线性最小方差意义下的观测噪声最优滤波估计算法和固定区间平滑估计算法。针对这些算法进行了仿真研究 ,仿真结果表明了算法的有效性。     

带乘性噪声系统状态滤波的自适应算法

带乘性噪声系统由于其广泛的适用性,一直成为研究的热点。针对带乘性噪声系统状态最优估计的自适应算法进行研究,探讨在噪声服从平稳正态分布情况下,对未知动态噪声方差阵与观测噪声方差阵的辨识问题。在证明带乘性噪声系统新息在稳态时和线性系统新息有着相似稳定特性的前提下,通过对线性系统辨识方法的改进,完成对带乘性噪声系统噪声方差阵的辨识,并利用新息特性对该方法进行进一步改进,以提高辨识精度;最后通过仿真验证该方法的有效性。     

一类随机不确定网络控制系统的H_∞滤波器设计

当网络控制系统信道中存在乘性噪声和丢包、时滞时,数据在传输中会受到干扰甚至丢失。本文针对带有乘性噪声、丢包和一步随机时滞的一类网络控制系统,通过状态增广,将信道特性转化为随机系统参数,并利用线性矩阵不等式方法推导了其H∞滤波器,使得滤波误差满足给定的H∞性能指标。本文算法将H∞滤波器设计转化为便于计算机求解的约束凸优化问题,并通过仿真和对比验证了算法的有效性。     

多传感器观测下带乘性噪声系统的逆向滤波与反褶积融合算法

针对多传感器观测环境下带乘性噪声系统的逆向最优滤波与反褶积融合估计问题 ,本文提出了 1种基于极大似然准则的最优融合算法。该算法中各单传感器间并行计算 ,并且融合中心与单传感器处理中心间无反向通讯 ,因而执行效率较高。仿真表明 ,该融合算法产生的逆向滤波与反褶积比单传感器处理结果有较明显提高     

多尺度带乘性噪声系统的最优状态平滑算法

针对多尺度带乘性噪声系统,在多尺度最优滤波融合的基础上,进行状态最优固定域平滑算法的研究.通过推广得到的平滑算法需要大量的局部传感器参数,而分布式多尺度滤波融合后不能保留这些信息.针对这一弊端对算法进行改进,推导出仅使用融合后的一步预测及滤波值的平滑算法.该算法在线性最小方差意义下是最优的.计算机仿真验证了算法的可行性.     

带乘性噪声广义系统状态最优估计算法

针对带乘性噪声广义系统,提出1种在线性最小方差意义下的状态最优估计算法.首先,采用标准分解将系统变换为2个子系统;其次,通过估计子系统的状态,获得原系统的状态最优滤波.同时,算法还给出了动态噪声与量测噪声的估计.仿真结果表明了该算法的有效性.     

带乘性噪声系统在加性噪声相关时的最优固定域平滑及反褶积算法

最优平滑及最优反褶积在石油地震勘探、通讯工程、语音处理等应用领域都具有十分重要的意义。以往的带乘性噪声系统的平滑及反褶积大都对系统模型的噪声特性有着较强的限制条件 ,要求动态噪声及观测噪声互相独立或只能在同时刻相关。该文给出了一种在动态噪声为有色噪声及动态噪声和量测噪声在有限时间段上相关的情形下带乘性噪声系统的固定域平滑及反褶积算法 ,该算法在线性最小方差意义下是最优的。通过仿真计算 ,说明了该算法的有效性。     

带乘性噪声系统双滤器平滑及反褶积算法

在带乘性噪声系统（ＳＭＮ）间接平滑算法的基础上,通过构造一种新的ＳＭＮ逆向信息滤波算法,建立了ＳＭＮ的双滤器平滑和反褶积算法;为解决ＳＭＮ最优估计问题提供了新的方法。