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。     

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。     

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     

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。     

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。     

复杂多通道带乘性噪声系统的最优固定域平滑算法

研究 1种在更弱的乘性噪声限制条件下系统的状态最优估计算法。在最优滤波算法的基础上 ,进一步给出了在线性最小方差意义下最优的固定域平滑算法。针对该算法所进行的仿真研究已表明该算法的有效性     

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。     

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。     

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.     

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。