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.     

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     

基于奇异值分解的带乘性噪声广义系统最优滤波算法

针对带乘性噪声广义系统,基于已有最优滤波理论,利用矩阵的奇异值分解,在线性最小方差准则下,给出了一种具有数值稳定性的状态最优滤波算法。该算法在计算过程中可以始终保持误差协方差阵的对称性,在一定程度上解决了由于计算机舍入误差导致滤波算法失效的问题,具有较好的稳定性和鲁棒性。最后仿真例子表明了该算法的有效性。     

一种基于改进蚁群优化算法的载人潜水器全局路径规划

基础蚁群优化算法在解决复杂障碍环境下的载人潜水器路径规划问题时,易过早收敛于局部最优解,信息素挥发系数的设置过于依靠经验,路径规划结果受概率影响大且不稳定。为此,提出了一种改进蚁群算法用于解决载人潜水器的全局路径规划问题。该算法提出"路径延伸块"的概念。算法前期采用动态更新信息素参数的蚁群优化算法进行简单迭代计算获得原始路径,并对原始路径进行栅格延伸以得到"路径延伸块";后期在路径延伸块中再次使用蚁群算法或其他寻优算法(Dijkstra算法)寻找最优路径。改进的算法与基础蚁群优化算法相比,算法效率及稳定性更高,不易收敛于局部最优解,能更好地适应U型槽环境和复杂障碍环境。     

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。     

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.     

基于复杂多通道带乘性噪声模型的水声通信字符估计算法

水声信道具有复杂随机时变特性并存在严重的多径时延、能量损失和畸变等因素,使得水声信道的建模和估计一直是学界的难点问题。本文基于复杂多通道带乘性噪声模型来刻画随机时变的水声信道,在信道建模基础上利用最优滤波递推算法实现发送字符的估计。该算法在线性最小方差意义下是最优的,能有效克服码间干扰和噪声污染。所建立的信道模型能够刻画复杂快变的水声信道,对应的最优信道估计算法具有计算量小的优点,能够动态跟踪信道增益的随机变化。仿真结果验证了本文算法的有效性。     

带有色乘性噪声随机系统的逆向最优反卷积算法

通过建立状态和乘性色噪声的逆向 Markov模型 ,推导出了带有色乘性噪声随机系统的逆向最优状态滤波器。基于该滤波器给出了节省存储空间的逆向固定区间最优反卷积算法。仿真实例证明了该反卷积算法的有效性     

复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法

针对石油地震勘探、水下目标探测和语音处理等许多实际应用领域,在乘性噪声为一般随机矩阵的情形下,给出了在线性最小方差意义下的逆向最优滤波及单向最优反褶积算法.并对该算法进行了仿真研究,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。     

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。     

带乘性噪声系统的多尺度最优滤波融合算法

利用小波变换和多尺度分析的思想，将基于模型的动态系统分析和基于统计特性的多尺度信号变换方法相结合。提出了在线性最小方差意义下的带乘性噪声系统的多尺度最优滤波融合算法。并用计算机仿真说明了融合算法的有效性。     

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。