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。     

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。     

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。     

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。     

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.     

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。     

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。     

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。     

转移矩阵未知时带乘性噪声系统的自适应滤波算法

针对带乘性噪声系统状态转移矩阵未知的情况,提出1种在线性最小方差意义下的系统参数和状态联合滤波算法。以迭代方式获得模型参数和系统状态的递推估计:首先,利用之前时刻的状态估计值,根据投影定理,对系统未知参数即系统状态转移矩阵作出估计;其次,利用已得到的系统参数估计值,获取当前时刻的状态滤波。计算机仿真结果表明了算法的有效性。     

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。     

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     

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。     

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CT非线性模型的水下目标跟踪算法比较

针对水下目标跟踪非线性跟踪精度问题,假设目标机动模型为恒转速运动模型,贝叶斯框架下,因扩展卡尔曼滤波跟踪方法进行模型在估计点的泰勒展开,忽略一阶以上高阶项,存在模型误差,比较了扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波在高斯噪声干扰下滤波误差均方根,以及3种方法运行时间。仿真证明,非线性系统下状态维度为5,容积卡尔曼滤波跟踪的精度高于无迹卡尔曼滤波,无迹卡尔曼滤波高于扩展卡尔曼滤波。该研究为海上目标非线性测量系统提供仿真实例,为进一步滤波算法改进提供基础。