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。     

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。     

带乘性噪声系统的极大似然最优估计算法

对带乘性噪声系统（ＳＭＮ）在乘性噪声及其统计参数未知的情况下,基于极大似然准则,提出了一种分块组合优化估计算法（ＢＣＯＥＡ）。该算法不需要事先知道乘性噪声的统计参数,可同时进行状态最优估计以及乘性噪声序列和其统计参数的最优估计。     

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.     

带乘性噪声附等式约束的非线性系统滤波算法

随着控制理论与计算机的飞速发展,非线性滤波已在各领域得到广泛应用。本文针对一类带乘性噪声附等式约束非线性系统,提出了一种状态滤波算法。该算法首先将状态方程和观测方程分别通过泰勒公式展开,得到新的带乘性噪声附等式约束的线性系统模型,然后通过最优观测的方法将观测方程扩维,再基于投影定理进行求解得到滤波算法,最后通过仿真验证了算法的有效性。     

多通道带乘性噪声2-D广义系统状态最优估计算法

2-D系统及其广义系统在图像处理,电力网络等领域有着广泛的应用,本文基于多通道带乘性噪声的2-D广义Roesser模型提出一套状态最优估计算法。在以往基于2-D广义系统的研究中乘性噪声因子多假设是一维随机序列,本文的乘性噪声因子是对角矩阵,矩阵对角线上每个元素都是一维随机序列,这意味着系统不仅具有多个观测通道而且每个观测通道都受到不同乘性噪声的影响,更加符合实际情况,能够解决系统在更加复杂环境中的状态估计问题。仿真结果验证了该算法的有效性。     

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。